Wikipedia-gebaseerde Q&A AI-assistent

Een AI-assistent die gebruikersvragen beantwoordt met feitelijke en goed onderbouwde informatie, gebruikmakend van de RIG-methode om antwoorden te baseren op Wikipedia-bronnen en exacte secties te specificeren. Ideaal voor betrouwbare, traceerbare antwoorden op basis van externe data.

Hoe de AI-flow werkt - Wikipedia-gebaseerde Q&A AI-assistent

Hoe de AI-flow werkt

Gebruikersinput verzamelen

Verzamelt gebruikersvragen via een chatinterface.

Initiale conceptgeneratie

Genereert een conceptantwoord en identificeert welke secties externe data of verificatie nodig hebben.

Wikipedia-data ophalen

Gebruikt de Wikipedia Tool om relevante en feitelijke informatie op te halen voor elke sectie van het antwoord.

AI Agent: Feitencheck & verfijning

AI Agent verfijnt en onderbouwt elke sectie van het antwoord met de opgehaalde Wikipedia-data en voegt directe bronlinks toe.

Antwoord afleveren

Presenteert het onderbouwde, goed bebronde antwoord terug aan de gebruiker via de chatinterface.

Gebruikte prompts in deze flow

Hieronder vindt u een complete lijst van alle prompts die in deze flow zijn gebruikt om de functionaliteit te bereiken. Prompts zijn de instructies die aan het AI-model worden gegeven om reacties te genereren of acties uit te voeren. Ze begeleiden de AI bij het begrijpen van de gebruikersintentie en het genereren van relevante uitvoer.

Prompt

Maakt de initiële LLM-prompt om een voorbeeldantwoord te genereren met fictieve data en bronvermeldingen voor verdere verfijning. Stuurt de LLM aan om per secti...

                Gived is user's query. Based on the User's query generate best possible answer with fake data or percentage. After each of different sections of your answer, include data which source to use in order to fetch the correct data and refine that section with correct data. you can either specify to choose Internal knowledge source to fetch data from in case there is custom data to user's product or service or use wikipedia to use as general knowledge source.

---
Example Input: Which countries are top in terms of renewable energy and what is the best metric for measuring this and what is that measure for top country?
Example output: The top countries in renewable energy are Norway, Sweden, Portugal, USA [Search in Wikipedia with query "Top Countries in renewable Energy"], the usual metric for renewable energy is Capacity factor [Search in Wikipedia with query "metric for renewable energy"] and number one country has 20% capacity factor [search in Wikipedia "biggest capacity factor"]
---

Let's begin now!

User Input:   {input}

AI Agent

LLM-agent prompt die het model instrueert om een eerste antwoord te verfijnen met de Wikipedia-tool, te focussen op feitelijke juistheid, per sectie bronnen te ...

                You are given a sample answer to user's question. The sample answer might include wrong data.&

use wikipedia tool in the given sections with the specified query to use wikipedia's information to refine the answer. 

include the link of wikipedia in each of the sections specified. 

FETCH DATA FROM YOUR TOOLS AND REFINE THE ANSWER IN THAT SECTION. ADD THE LINK TO THE SOURCE IN THAT PARTICULAR SECTION AND NOT IN THE END.


Focus on detailed information. Don't use phrases like "In todays fast changing world...", "In today's complex...", "is a crucial step", "plays significant role", "fast-paced...", "pivotal role", "In the ever-evolving landscape of" or "In the realm of ...", always cut to the point without useless conclusions or intros.

Gebruikte componenten in deze flow

Hieronder vindt u een complete lijst van alle componenten die in deze flow zijn gebruikt om de functionaliteit te bereiken. Componenten zijn de bouwstenen van elke AI-flow. Ze stellen u in staat om complexe interacties te creëren en taken te automatiseren door verschillende functionaliteiten met elkaar te verbinden. Elke component heeft een specifiek doel, zoals het verwerken van gebruikersinvoer, het verwerken van gegevens of het integreren met externe diensten.

Flowbeschrijving

Doel en voordelen

Overzicht

De RIG (Retrieval Interleaved Generator) Wikipedia Assistent is een geautomatiseerde workflow die is ontworpen om gebruikersvragen te beantwoorden door initiële antwoorden te genereren, benodigde feitelijke data te identificeren, informatie van Wikipedia op te halen en de antwoorden te verfijnen met nauwkeurige bronvermeldingen per sectie. Het belangrijkste doel is om antwoorden te geven die zijn onderbouwd met verifieerbare bronnen en exact te specificeren welke secties en bronnen zijn gebruikt. Dit maakt het systeem bijzonder nuttig voor onderzoek, factchecking en educatieve doeleinden.

Hoe de workflow werkt

  1. Chatinitiatie & Welkomstbericht

    • Wanneer een chatsessie wordt geopend, wordt de gebruiker begroet met een welkomstbericht dat het doel van de flow uitlegt: het geven van betrouwbare, onderbouwde antwoorden. Dit helpt om de verwachtingen te scheppen met betrekking tot de kwaliteit en transparantie van de antwoorden.

  2. Gebruikersvraag ontvangen

    • De gebruiker dient een vraag in via de chatinput. Deze input wordt vastgelegd en doorgegeven voor verdere verwerking.

  3. Promptgeneratie

    • De workflow bevat een Prompt Template die de gebruikersvraag omzet in een gedetailleerde prompt. Deze prompt instrueert het systeem om:
      • Een conceptantwoord te genereren, zelfs als hiervoor tijdelijke data wordt gebruikt.
      • Voor elke sectie in het antwoord aan te geven welke externe bron (zoals Wikipedia) of interne kennisbank gebruikt moet worden om die sectie te controleren en te verfijnen.
      • Zoekopdrachten voor Wikipedia op te nemen om de juiste informatie voor elke sectie op te halen.

    Voorbeeld:

    Gebruikersinput: Welke landen behoren tot de top qua hernieuwbare energie?
Conceptuitvoer: De toplanden zijn Noorwegen, Zweden, Portugal [Zoek in Wikipedia: "Top Countries in renewable Energy"]...

  4. Initiële antwoordgeneratie

    • Met behulp van een language model generator maakt het systeem een conceptantwoord op basis van de prompt, waarin wordt aangegeven waar feitelijke data moet worden ingevoegd en welke bronnen gebruikt moeten worden ter verificatie.

  5. Data ophalen & antwoord verfijnen

    • Een AI Agent ontvangt het conceptantwoord en gebruikt de Wikipedia Tool om Wikipedia te doorzoeken met de gespecificeerde zoekopdrachten.
    • Voor elke sectie van het antwoord haalt de agent de relevante feitelijke data van Wikipedia op en vervangt deze de concept- of tijdelijke inhoud.
    • Elke sectie wordt verfijnd met een directe link naar het exacte Wikipedia-artikel of de gebruikte sectie, zodat transparantie en eenvoudige verificatie gewaarborgd zijn.

    De agent wordt geïnstrueerd om generieke of opvulzinnen te vermijden en zich uitsluitend te richten op beknopte, feitelijke informatie.

  6. Definitieve output

    • Het volledig verfijnde antwoord, waarbij elke sectie is onderbouwd met een specifieke Wikipedia-bron (en links worden direct in de tekst weergegeven), wordt aan de gebruiker getoond in de chatinterface.

Workflowstructuur

StapComponentDoel
1Chat Opened TriggerDetecteert nieuwe chatsessie en triggert het welkomstbericht
2Message WidgetToont de eerste begroeting en instructies
3Chat InputOntvangt de vraag van de gebruiker
4Prompt TemplateFormat de prompt met instructies voor conceptantwoord + bronverwijzingen
5GeneratorProduceert het initiële conceptantwoord (met tijdelijke aanduidingen)
6Wikipedia ToolMaakt het mogelijk om data op te halen uit Wikipedia
7AI AgentVerfijnt het concept, haalt feiten op, voegt bronvermeldingen/links toe
8Chat OutputPresenteert het definitieve, onderbouwde antwoord aan de gebruiker

Belangrijkste kenmerken en voordelen

  • Brontransparantie: Elke sectie van het antwoord specificeert duidelijk welke Wikipedia-pagina of -sectie is gebruikt, met directe links voor gebruikersverificatie.
  • Automatisering & schaalbaarheid: De workflow automatiseert het proces van opstellen, factchecken en verfijnen van antwoorden, waardoor veel vragen efficiënt kunnen worden verwerkt.
  • Onderzoekswaardige output: Door elke bewering te onderbouwen met een verifieerbare externe bron, levert het systeem antwoorden die geschikt zijn voor academische, zakelijke en professionele toepassingen.
  • Aanpasbaarheid: Indien gewenst kunnen interne kennisbronnen naast Wikipedia worden gebruikt, waardoor het systeem aanpasbaar is voor bedrijfsspecifieke data-opvraging.

Toepassingen

  • Educatieve assistenten: Bied studenten altijd antwoorden met bronvermelding.
  • Factchecking-bots: Verifieer informatie direct en presenteer bronnen zonder handmatig onderzoek.
  • Klantenservice: Lever bedrijfs- of productinformatie met duidelijke herkomst van data.
  • Contentcreatie: Schrijvers en journalisten ontvangen conceptinhoud met ingesloten referenties voor verdere uitwerking.

Samenvatting

Deze workflow stelt gebruikers in staat om betrouwbare, goed onderbouwde antwoorden te krijgen door generatie- en opvraagstappen te combineren. Het is vooral nuttig waar feitelijke juistheid, transparantie en bronvermelding van cruciaal belang zijn. Dankzij het modulaire, geautomatiseerde ontwerp is de workflow uitstekend schaalbaar voor organisaties die onderzoek en Q&A-taken op grote schaal willen automatiseren.

Laat ons uw eigen AI-team bouwen

Wij helpen bedrijven zoals die van u bij het ontwikkelen van slimme chatbots, MCP-servers, AI-tools of andere soorten AI-automatisering om mensen te vervangen bij repetitieve taken in uw organisatie.

Plan een demo Probeer het nu

Meer informatie