Semantisk kunnskapsbase-søk

Denne arbeidsflyten, med tittelen “Semantisk søk”, gjør det mulig for brukere å søke etter informasjon i sin private kunnskapsbase ved å utnytte avanserte språkmodeller og semantiske søketeknikker. Den er designet for å skanne gjennom alle planlagte domener, dokumenter og Q&A-seksjoner, og automatiserer innhentingen av den mest relevante informasjonen som svar på brukerforespørsler.

Brukerinteraksjon og velkomstmelding

Når en bruker åpner chat-grensesnittet, utløser arbeidsflyten en velkomstmelding:

• Melding-widget viser:

  👋 Velkommen til det private kunnskapsbase-søkverktøyet!
  Jeg er her for å hjelpe deg med å søke gjennom dokumenter i din private kunnskapsbase 📚. Jeg vil skanne alle planlagte domener, private dokumenter og Q&A-seksjoner for å finne informasjonen du trenger.
  Skriv bare inn din forespørsel, så starter vi jakten på svarene! ✨🔍

Denne vennlige meldingen hjelper brukeren med å orientere seg og veileder dem til å skrive inn sitt søkespørsmål.

Forespørselsbehandling og utvidelse

1. Brukerinndata:
   Brukeren sender inn en forespørsel via chat-inndatafeltet.

2. Forespørselsutvidelse:

   • Forespørselen sendes til en Forespørselsutvidelse-komponent.
   • Drevet av en OpenAI-språkmodell (spesifikt gpt-4o-mini), genererer denne komponenten opptil tre omformulerte eller semantisk lignende forespørsler.
   • Hensikten er å øke sjansen for å hente ut alle relevante dokumenter, selv når den opprinnelige formuleringen er uklar eller begrenset.

Dokumenthenting

• De utvidede forespørslene sendes til en Dokumenthenter.
• Denne komponenten søker i brukerens private kunnskapsbase, inkludert planlagte domener, dokumenter og Q&A-seksjoner.
• Den henter opptil 10 av de mest relevante dokumentene, med fokus på innhold innenfor <H1>-overskrifter for å maksimere kontekstrelevans.

Presentasjon av resultater

• De hentede dokumentene mates inn i en Dokument-widget, som formaterer og presenterer dem på en chat-vennlig måte.
• De endelige sammenstilte resultatene vises tilbake til brukeren i chat-grensesnittet.

Arbeidsflytdiagram

flowchart LR
    A[Chat Opened] --> B[Welcome Message]
    B --> C[User Query Input]
    C --> D[Query Expansion\n(OpenAI LLM)]
    D --> E[Document Retriever]
    E --> F[Document Widget]
    F --> G[Chat Output]

Fordeler og brukstilfeller

• Automatisering: Arbeidsflyten automatiserer semantisk søk, sparer manuell innsats og sikrer at brukeren alltid får en vennlig og veiledende opplevelse.
• Skalerbarhet: Ved å utvide forespørsler og søke på tvers av alle relevante kilder, gir arbeidsflyten robust dekning og passer til store eller komplekse kunnskapsbaser.
• Nøyaktighet: Utnyttelse av LLM for omformulering reduserer risikoen for å gå glipp av informasjon på grunn av hvordan et spørsmål er formulert.
• Brukeropplevelse: Umiddelbar tilbakemelding og tydelige instruksjoner gjør verktøyet brukervennlig, selv for ikke-tekniske brukere.

Typiske brukstilfeller:

• Intern kunnskapshåndtering for supportteam
• Bedriftsomfattende FAQ- og dokumentsøk-portaler
• Automatiserte assistenter for private eller proprietære datasett

Ved å integrere semantisk søk med LLM-drevet forespørselsutvidelse sikrer denne arbeidsflyten at brukere effektivt får tilgang til relevant kunnskap, noe som øker produktivitet og informasjonsinnhenting.