Kunskapskällor

Det som gör en generell chatbot till din är kunskapen om din webbplats och unika kontext. Det finns flera sätt att göra detta på, och många av dem är fortfarande otillgängliga för småföretag. FlowHunt kan tillgodose både små och större företag genom att använda metoden Retrieval-Augmented Generation.

Denna metod gör det möjligt för dig att fullt ut dra nytta av den allmänna kunskapen och kapaciteten hos modeller som ChatGPT, men med en twist. Till skillnad från gamla, kostsamma metoder där man matar in träningsdata i modellen, gör RAG det möjligt att länka och ladda upp kunskapskällor för att få realtids-, exakta svar utan extra krångel.

Vad är Retrieval-Augmented Generation

Föreställ dig att du planerar en resa till en ny stad och har många frågor om sevärdheter och bra matställen. Du väljer att fråga en vän som är expert på staden. Istället för att bara lita på sitt minne, kollar din vän snabbt igenom reseguider och färska online-recensioner innan du får ett skräddarsytt svar. Med andra ord ser din vän till att ge dig det mest korrekta och uppdaterade svaret.

Detta liknar hur Retrieval-Augmented Generation (RAG) fungerar. Metoden kombinerar sömlöst inhämtning av kunskap från en extern databas med den generativa kraften hos förtränade LLM-modeller.

Precis som din vän som kollar guider och recensioner, kommer din Flow först att konsultera dina källor och först därefter generera ett svar baserat på den informationen. Det innebär att du får mer exakta och kontextmedvetna svar.

Om du frågar en vanlig AI om de bästa restaurangerna i staden, använder den bara sina träningsdata. Dessa data kan vara inaktuella eller ofullständiga, vilket kan leda till dåliga upplevelser under din resa. Men med RAG kan AI:n hämta de senaste recensionerna och rekommendationerna från URL:er, Google och andra källor, så att du får de bästa möjliga råden.

Koppla och ladda enkelt upp olika typer av källor med bara ett par klick. Källorna indexeras och hämtas sedan baserat på användarens fråga. Du styr vilket innehåll chatboten använder, inklusive information från din publika webbplats, dokument du inte vill publicera, YouTube-videor och externa läromedel.

Alternativ för kunskapskällor

Vännen i vårt exempel kanske kollar olika källor. De kan läsa webbsidor, konsultera en bok, söka på Google eller till och med titta på en YouTube-video. Din Flow kan också lära sig av alla dessa källor.

Men det finns en skillnad. När din vän söker, ser hen till att informationen de lär sig från är uppdaterad och korrekt. AI kan inte göra det, så det är helt upp till dig att säkerställa att informationen är färsk och sann.

Det finns tre sätt du kan styra din Flow till rätt information:

Scheman

Genomsök och indexera hela domäner eller enskilda URL:er regelbundet. Ställ bara in det och glöm det. Dina Flows fortsätter att lära sig på egen hand i den takt och skala du väljer.

Läs mer om funktionen Scheman.

Dokument

Få omedelbar tillgång till och använd information från olika dokumentformat, HTML-sidor och även YouTube-videor. Ladda upp en fil eller länka en URL.

Läs mer om funktionen Dokument.

Frågor & Svar

Tillhandahåll fördefinierade svar på specifika frågor. Det säkerställer att boten alltid är konsekvent vid viktiga frågor och vanliga frågor.

Läs mer om funktionen Frågor & Svar.

Kategorier av kunskapskällor

Varje ny källa du lägger till behöver kategoriseras. Dessa kategorier är helt godtyckliga och är till för att hjälpa dig hantera ditt växande bibliotek.

Läs mer om funktionen Kategorier.