ナレッジソース

一般的なチャットボットを“あなたのもの”にするのは、あなたのウェブサイトや独自のコンテキストに関する知識です。これにはいくつかの方法がありますが、その多くは小規模な企業には手が届きません。FlowHuntでは、検索拡張生成（RAG）手法を利用することで、小規模から大規模なビジネスまで対応できます。

この方法を使えば、ChatGPTなどのモデルが持つ一般的な知識や能力を最大限に活用しつつ、一工夫加えることができます。従来のように高コストでモデルにトレーニングデータを与える必要はなく、RAGを使うことでナレッジソースを連携・アップロードし、リアルタイムかつ正確な応答を手間なく得ることが可能です。

検索拡張生成（RAG）とは

新しい都市への旅行を計画していて、観光名所や美味しいお店についてたくさん質問があると想像してください。あなたはその都市に詳しい友人に尋ねることにしました。友人は記憶だけに頼るのではなく、旅行ガイドや最新のオンラインレビューを素早くチェックしてから、厳選した答えを教えてくれます。つまり、友人は最も正確で最新の答えを必ず伝えてくれるのです。

これは検索拡張生成（RAG）がどのように機能するかに似ています。この手法は、外部データベースから知識を検索し、事前学習済みLLMモデルの生成力とシームレスに組み合わせます。

友人がガイドやレビューを調べるように、Flowはまずあなたのソースを参照し、その後その情報に基づいて回答を生成します。これにより、より正確で文脈に即した応答が得られます。

もし一般的なAIに「その都市で一番のレストランはどこ？」と聞くと、学習データだけを元に答えます。このデータは古かったり不完全だったりするため、旅行が台無しになることも。しかしRAGなら、AIはURLやGoogle、その他の情報源から最新のレビューやおすすめを取得でき、最適なアドバイスが得られます。

さまざまな種類のソースを、クリック数回で簡単に連携・アップロードできます。ソースはインデックス化され、ユーザーのクエリに応じて検索されます。チャットボットが使うコンテンツはあなたがコントロールでき、公開ウェブサイトの情報や非公開のドキュメント、YouTube動画、外部教材なども含められます。

ナレッジソースの選択肢

先ほどの友人の例では、さまざまな情報源を確認してくれるかもしれません。ウェブページを読んだり、本を参照したり、Googleで調べたり、YouTube動画を見たり。あなたのFlowも、これらすべてのソースから学習可能です。

ただし、違いがあります。友人は調べる際、情報が最新かつ正確かを必ず確認します。AIはそれができません。情報を新鮮で正しい状態に保つのは、あなたの責任となります。

Flowに正しい情報を指し示す方法は3つあります：

スケジュール

ドメイン全体や特定のURLを定期的にクロール・インデックス化できます。一度設定すれば、あとは自動。選んだ規模やスピードでFlowが自律的に学習し続けます。

スケジュール機能について詳しくはこちら。

ドキュメント

さまざまなドキュメント形式、HTMLページ、YouTube動画から情報を即座に活用できます。ファイルからアップロードするか、URLを連携してください。

ドキュメント機能について詳しくはこちら。

質問＆回答

特定の質問に対する事前定義の回答を設定できます。これにより重要な質問やFAQには常に一貫した応答が可能です。

質問＆回答機能について詳しくはこちら。

ナレッジソースのカテゴリ

新しいソースを追加する際は必ずカテゴリ分けが必要です。これらのカテゴリは完全に任意であり、増え続けるライブラリの管理を助けるためのものです。

カテゴリ機能について詳しくはこちら。