Wikipedia-basert Q&A AI-assistent

En AI-assistent som besvarer brukerens spørsmål med faktabasert og grundig undersøkt informasjon, ved å bruke RIG-metoden for å forankre svarene i Wikipedia-kilder og spesifisere nøyaktige seksjoner. Ideell for pålitelige, etterprøvbare svar basert på eksterne data.

Hvordan AI Flow fungerer - Wikipedia-basert Q&A AI-assistent

Flows

Hvordan AI Flow fungerer

Innsamling av brukerinput.
Samler inn brukerens spørsmål gjennom et chatgrensesnitt.
Generering av første utkast.
Genererer et utkast til svar og identifiserer hvilke seksjoner som trenger ekstern data eller verifisering.
Henting av data fra Wikipedia.
Bruker Wikipedia-verktøyet for å hente relevant og faktabasert informasjon for hver seksjon av svaret.
Faktasjekk og forbedring med AI-agent.
AI-agenten forbedrer og forankrer hver seksjon av svaret ved hjelp av de innhentede Wikipedia-dataene, og legger til direkte lenker til kildene.
Levering av svar.
Presenterer det forankrede, veldokumenterte svaret tilbake til brukeren via chatgrensesnittet.

Prompts brukt i denne flowen

Nedenfor er en komplett liste over alle prompts som brukes i denne flowen for å oppnå dens funksjonalitet. Prompts er instruksjoner gitt til AI-modellen for å generere svar eller utføre handlinger. De veileder AI-en i å forstå brukerens intensjon og generere relevante resultater.

Prompt

Lager den første LLM-prompten for å generere et eksempelsvar med fiktive data og kildeindikatorer for videre forbedring. Veileder LLM-en til å spesifisere hvilk...

                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-agentprompt som instruerer modellen til å forbedre et første svar ved å bruke Wikipedia-verktøyet, fokusere på faktanøyaktighet, sitere kilder per seksjon o...

                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.
            

Komponenter brukt i denne flowen

Nedenfor er en komplett liste over alle komponenter som brukes i denne flowen for å oppnå dens funksjonalitet. Komponenter er byggesteinene i hver AI Flow. De lar deg lage komplekse interaksjoner og automatisere oppgaver ved å koble sammen ulike funksjoner. Hver komponent tjener et spesifikt formål, som å håndtere brukerinndata, behandle data, eller integrere med eksterne tjenester.

ChatInput

Chat Input-komponenten i FlowHunt initierer brukerinteraksjoner ved å fange opp meldinger fra Playground. Den fungerer som startpunktet for flyter, og gjør det mulig for arbeidsflyten å behandle både tekst- og filbaserte innspill.

Prompt-komponent i FlowHunt

Lær hvordan FlowHunts Prompt-komponent lar deg definere din AI-bots rolle og oppførsel, og sikrer relevante, personaliserte svar. Tilpass prompt og maler for effektive, kontekstsensitive chatbot-strømmer.

Generator

Utforsk Generator-komponenten i FlowHunt—kraftig AI-drevet tekstgenerering ved bruk av din valgte LLM-modell. Lag enkelt dynamiske chatbot-svar ved å kombinere prompt, valgfrie systeminstruksjoner og til og med bilder som input, noe som gjør den til et kjernetool for å bygge intelligente, samtalebaserte arbeidsflyter.

Wikipedia-verktøy

Chat enkelt med hvilken som helst Wikipedia-side ved hjelp av FlowHunts AI-agenter. Få korte sammendrag, kildelenker og gjør timer med forskning om til interaktive innsikter.

AI-agent

AI-agent-komponenten i FlowHunt gir arbeidsflytene dine autonom beslutningstaking og verktøybruk. Den utnytter store språkmodeller og kobler til ulike verktøy for å løse oppgaver, følge mål og gi intelligente svar. Ideell for å bygge avanserte automatiseringer og interaktive AI-løsninger.

Meldingswidget

Meldingswidget-komponenten viser tilpassede meldinger i arbeidsflyten din. Ideell for å ønske brukere velkommen, gi instruksjoner eller vise viktig informasjon. Den støtter Markdown-formatering og kan settes til å vises kun én gang per økt.

Chat Output

Oppdag Chat Output-komponenten i FlowHunt—fullfør chatbot-svar med fleksible, flerdelte utganger. Essensielt for sømløs flytavslutning og for å lage avanserte, interaktive AI-chatboter.

Chat Åpnet Utløser

Komponenten Chat Åpnet Utløser oppdager når en chatøkt starter, slik at arbeidsflyter kan svare øyeblikkelig så snart en bruker åpner chatten. Den igangsetter flyter med den innledende chatmeldingen, noe som gjør den essensiell for å bygge responsive, interaktive chatboter.

Flow-beskrivelse

Formål og fordeler

Oversikt

RIG (Retrieval Interleaved Generator) Wikipedia-assistent er en automatisert arbeidsflyt designet for å besvare brukerhenvendelser ved å generere første svar, identifisere nødvendige fakta, hente informasjon fra Wikipedia og forbedre svarene med presise kildehenvisninger for hver seksjon. Hovedmålet er å gi svar som er forankret i etterprøvbare kilder og å spesifisere nøyaktig hvilke seksjoner og kilder som er brukt, noe som gjør den spesielt nyttig for forskning, faktasjekk og undervisning.

Hvordan arbeidsflyten fungerer

  1. Oppstart av chat & velkomst

    • Når en chat-økt åpnes, ønskes brukeren velkommen med en melding som forklarer arbeidsflytens formål: å gi pålitelige, kildebaserte svar. Dette setter forventninger til kvaliteten og åpenheten i svarene.
  2. Innlevering av brukerforespørsel

    • Brukeren sender inn et spørsmål gjennom chat-input. Dette registreres og sendes videre for behandling.
  3. Promptgenerering

    • Arbeidsflyten inkluderer en Prompt Template som tar brukerens spørsmål og lager en detaljert prompt. Denne prompten instruerer systemet til å:
      • Generere et utkast til svar, selv om det bruker midlertidige data.
      • For hver seksjon i svaret, spesifisere hvilken ekstern kilde (som Wikipedia) eller intern kunnskapsbase som skal brukes for å verifisere og forbedre den seksjonen.
      • Inkludere søkespørringer for Wikipedia for å hente korrekt informasjon til hver seksjon.

    Eksempel:

    Brukerinput: Hvilke land er ledende innen fornybar energi?
    Utkast til svar: De ledende landene er Norge, Sverige, Portugal [Søk i Wikipedia: "Top Countries in renewable Energy"]...
    
  4. Generering av første svar

    • Ved hjelp av en språkmodell-generator lager systemet et svarutkast basert på prompten, og markerer hvor faktadata må settes inn og hvilke kilder som skal brukes til verifisering.
  5. Datahenting og forbedring av svar

    • En AI-agent mottar utkastet og bruker Wikipedia-verktøyet for å søke på Wikipedia etter de angitte spørringene.
    • For hver seksjon i svaret henter agenten relevante fakta fra Wikipedia og erstatter utkastet eller plassholdere.
    • Hver seksjon forbedres med en direkte lenke til nøyaktig den Wikipedia-artikkelen eller -seksjonen som er brukt, slik at det er enkelt å etterprøve.

    Agenten instrueres til å unngå generiske eller fyllende fraser, og kun fokusere på konsist, faktabasert innhold.

  6. Endelig utdata

    • Det fullstendig forbedrede svaret, der hver seksjon er forankret i en spesifikk Wikipedia-kilde (og lenker er gitt direkte i teksten), vises til brukeren i chatgrensesnittet.

Arbeidsflytstruktur

StegKomponentFormål
1Chat Opened TriggerOppdager ny chatøkt og utløser velkomstmelding
2Message WidgetViser første velkomst og instruksjoner
3Chat InputTar imot brukerens spørsmål
4Prompt TemplateFormaterer prompt med instruksjoner for svarutkast + kildepeker
5GeneratorProduserer første svarutkast (med plassholdere)
6Wikipedia ToolMuliggjør datahenting fra Wikipedia
7AI AgentForbedrer utkastet, henter fakta, legger inn kildehenvisninger/lenker
8Chat OutputPresenterer det endelige, forankrede svaret til brukeren

Viktige funksjoner og fordeler

  • Kildetransparens: Hver seksjon av svaret spesifiserer tydelig hvilken Wikipedia-side eller -seksjon som er brukt, inkludert direkte lenker for etterprøving.
  • Automatisering og skalerbarhet: Arbeidsflyten automatiserer prosessen med utkast, faktasjekk og forbedring av svar, og egner seg godt til å håndtere mange henvendelser effektivt.
  • Forskningskvalitet på svar: Ved å forankre hvert utsagn i en etterprøvbar ekstern kilde, produserer systemet svar som egner seg for akademiske, forretningsmessige og profesjonelle sammenhenger.
  • Tilpasningsdyktighet: Ved behov kan interne kunnskapskilder kobles inn sammen med Wikipedia, noe som gjør systemet tilpasningsdyktig for bedriftsspesifikke data.

Bruksområder

  • Pedagogiske assistenter: Gi studenter svar som alltid oppgir kildene sine.
  • Faktasjekk-roboter: Verifiser informasjon umiddelbart og presenter kilden uten manuell research.
  • Kundeservice: Lever informasjon om bedrift eller produkt med tydelig datagrunnlag.
  • Innholdsproduksjon: Forfattere og journalister kan få utkast med innebygde referanser for videre utvikling.

Sammendrag

Denne arbeidsflyten gir brukerne pålitelige, veldokumenterte svar ved å blande genererings- og innhentingssteg. Den er spesielt nyttig der faktanøyaktighet, åpenhet og kildehenvisninger er avgjørende. Den modulære, automatiserte utformingen gjør den svært skalerbar for organisasjoner som ønsker å automatisere research og Q&A-oppgaver i stor skala.

La oss bygge ditt eget AI-team

Vi hjelper bedrifter som din med å utvikle smarte chatboter, MCP-servere, AI-verktøy eller andre typer AI-automatisering for å erstatte mennesker i repeterende oppgaver i organisasjonen din.

Lær mer

RIG Wikipedia-assistent Chatbot (Retrieval Interleaved Generator)
RIG Wikipedia-assistent Chatbot (Retrieval Interleaved Generator)

RIG Wikipedia-assistent Chatbot (Retrieval Interleaved Generator)

Oppdag RIG Wikipedia-assistenten, et verktøy utviklet for presis informasjonsinnhenting fra Wikipedia. Ideell for forskning og innholdsproduksjon, leverer den v...

1 min lesing
AI Wikipedia +5
Wikipedia-verktøy
Wikipedia-verktøy

Wikipedia-verktøy

Chat enkelt med hvilken som helst Wikipedia-side ved hjelp av FlowHunts AI-agenter. Få korte sammendrag, kildelenker og gjør timer med forskning om til interakt...

4 min lesing
AI Wikipedia +3
AI-drevet Google-svar chatbot
AI-drevet Google-svar chatbot

AI-drevet Google-svar chatbot

En AI-chatbot som gir øyeblikkelige, oppdaterte svar på ethvert spørsmål ved å søke på Google og hente relevant nettinnhold, alltid med kildehenvisninger. Ideel...

3 min lesing