Semantisk kunskapsbas-sökning

Detta arbetsflöde, med titeln “Semantisk sökning”, gör det möjligt för användare att söka efter information i sin privata kunskapsbas genom att utnyttja avancerade språkmodeller och semantiska söktekniker. Det är utformat för att söka över alla schemalagda domäner, dokument och Q&A-avsnitt, och automatiserar hämtningen av den mest relevanta informationen som svar på användarfrågor.

Användarinteraktion och välkomstmeddelande

När en användare öppnar chattgränssnittet triggar arbetsflödet ett välkomstmeddelande:

• Message Widget visar:

  👋 Välkommen till det privata kunskapsbas-sökningsverktyget!
  Jag är här för att hjälpa dig att söka genom dokument i din privata kunskapsbas 📚. Jag kommer att söka igenom alla schemalagda domäner, privata dokument och Q&A-avsnitt för att hitta den information du behöver.
  Skriv bara in din fråga så sätter vi igång med att hitta svaren! ✨🔍

Detta vänliga meddelande hjälper användarna att orientera sig och vägleder dem att skriva in sin sökfråga.

Frågehantering och expansion

1. Användarinmatning:
   Användaren skickar in en fråga via chattens inmatningsfält.

2. Frågeexpansion:

   • Frågan skickas till en Frågeexpansion-komponent.
   • Med stöd av en OpenAI-språkmodell (specifikt gpt-4o-mini) genererar denna komponent upp till tre omformulerade eller semantiskt liknande frågor.
   • Syftet är att öka chansen att hämta alla relevanta dokument, även om den ursprungliga frågan är otydlig eller begränsad i formuleringen.

Dokumenthämtning

• De utökade frågorna skickas till en Document Retriever.
• Denna komponent söker i användarens privata kunskapsbas, inklusive schemalagda domäner, dokument och Q&A-avsnitt.
• Den hämtar upp till 10 av de mest relevanta dokumenten, med fokus på innehållet inom <H1>-rubriker för att maximera kontextrelevansen.

Resultatpresentation

• De hämtade dokumenten skickas till en Document Widget, som formaterar och presenterar dem på ett chattvänligt sätt.
• De slutliga sammanställda resultaten visas tillbaka för användaren i chattgränssnittet.

Arbetsflödesdiagram

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]

Fördelar och användningsområden

• Automatisering: Arbetsflödet automatiserar semantisk sökning, sparar manuellt arbete och säkerställer att användare alltid får en vänlig, vägledande upplevelse.
• Skalbarhet: Genom att utöka frågor och söka över alla relevanta källor ger arbetsflödet robust täckning, vilket gör det lämpligt för stora eller komplexa kunskapsbaser.
• Noggrannhet: Genom att använda LLM:er för omformulering minskar risken att information missas på grund av hur en fråga är formulerad.
• Användarupplevelse: Omedelbar återkoppling och tydliga instruktioner gör verktyget lättanvänt även för icke-tekniska användare.

Typiska användningsområden:

• Intern kunskapshantering för supportteam
• Företagsövergripande FAQ- och dokumentsöksportaler
• Automatiserade assistenter för privata eller proprietära datamängder

Genom att integrera semantisk sökning med LLM-driven frågeexpansion säkerställer detta arbetsflöde att användare effektivt kan få tillgång till relevant kunskap, vilket ökar produktiviteten och informationsupptäckten.