Ne kadar güçlü olursa olsun, yapay zeka hâlâ öğrendiği bilgileri aktaran bir makinedir. Şakaları, varsayımları ya da alaycı ifadeleri anlamaz; bu da çoğu zaman en komik (ve bazen gerçekten zararlı) yanıtların nedeni olur. Sohbet Botunuzun yeni bir yapay zeka skandalına imza atmasını önlemek ve içeriğinizi daha iyi anlamasına yardımcı olmak için, hangi içerikleri atlaması gerektiğini belirtebilirsiniz.
Yapay zekanın güvenilirliğini sağlamak, öğrendiği bilgileri denetlemekle mümkündür. Tüm içerikleriniz Sohbet Botu için uygun olmayabilir. flowhunt-skip sınıfı, FlowHunt’ın indekslememesi gereken içerikleri işaretlemenizi sağlar. Bu sınıfa sahip herhangi bir HTML öğesi, içerik işlenirken görmezden gelinir.
Skip parametresi ne zaman kullanılmalı
Bu sınıfı kullanmanız için iki ana neden vardır; ancak botun kullanmasını gereksiz veya uygun bulmadığınız her içerik için kullanmaktan çekinmeyin.
Tekrarlayan içeriği atlamak: Benzer içerikler tekrar tekrar indekslenirse, yapay zekanın içeriğin ne hakkında olduğunu ayırt etmesi ve kategorize etmesi zorlaşır. Aynı bilgiyi atlamak, uzun vadede metin işleme maliyetlerinden de tasarruf sağlar.
Riskli veya uygunsuz bilgileri atlamak: Yapay zekanın yanlış, zararlı veya bağlamdan kopuk yanıtlar vermesine neden olabilecek her türlü bilgiyi atlamalısınız. Özellikle marka tonunuzda sıkça şaka ya da ağır dil kullanıyorsanız dikkatli olun. Diğer içerikler için harika olsa da, kullanıcılar iğneleyici bir botu hoş karşılamayabilir.
flowhunt-skip parametresi nasıl kullanılır
FlowHunt, Sohbet Botuna bağlam sağlamak için sitenizi tarar ve indeksler. FlowHunt’ın indekslediği her şey, Sohbet Botunuz tarafından bir noktada kullanılabilir.
flowhunt-skip sınıfını HTML öğelerine ekleyerek, indekslenmesini istemediğiniz içerikleri işaretleyebilirsiniz. Bu sınıfa sahip olan herhangi bir öğe görmezden gelinir ve Sohbet Botuna asla ulaşmaz.
Sınıfın kullanımına dair bir örnek:
<div class="flowhunt-skip">
<h2>Tekrarlı içerik</h2>
<p>Bu içerik tekrarlı. FlowHunt'ın bunu tekrar indekslemesini istemiyorum.</p>
</div>
Sadece tek bir paragrafı ya da bir öğenin bir kısmını da atlayabilirsiniz:
<div>
<h2>İçeriğim</h2>
<p>Bu paragraf indekslenmeli.</p>
<p class="flowhunt-skip">Sohbet Botunun bu bilgiyi kullanmasını istemiyorum.</p>
<p>Bu paragraf indekslenmeli.</p>
</div>
İndeksleme nasıl çalışır
Tarama işlemi arka planda ve belirlediğiniz zaman çizelgelerine bağlı olarak çalışır. Sadece HTML sayfası indirilir. Tüm görseller veya medya, sadece bağlantı olarak kaydedilir. Yönlendirmeler takip edilir ve kanonik URL’ler değerlendirilir.
Tarama tamamlandıktan sonra, HTML içeriği düz markdown metnine dönüştürülür. Bu işlem sırasında bazı bilgiler kaldırılabilir. Nihai markdown metni, Sohbet Botuna bağlam olarak sunulur. Bot, ihtiyaç duyduğunda bu bilgiyi alabilir.
Yapay zeka hangi bilgiyi seçeceğini nasıl bilir
Markdown metin parçalara bölünür, vektörleştirilir ve bir vektör veritabanında saklanır. Bu tip bir veritabanı, kelime anlamlarına değerler atar. Böylece yapay zeka, tam kelime eşleşmesine ihtiyaç duymadan ilişkili kelimeleri anlayabilir.
Kelimeler, kendilerine atanan değerlere göre bir ızgarada (grid) yayılır. Bu sayede bilgisayar, hangi kelimelerin anlamca birbirine yakın olduğunu anlayabilir:

Not: Bu, oldukça basitleştirilmiş bir modeldir. Gerçekte yapay zeka bunu binlerce kelime, deyim ve tüm cümleler için yapar.
Vektör veritabanlarından bilgi alma işlemine semantik arama denir. Bu, yapay zekanın vektör veritabanındaki kelimelerin anlamını arama ve değerlendirme yeteneğidir ve bu anlamları kullanarak yanıtlar üretir.
Bir kullanıcı bir soru sorduğunda, bot kelimeleri vektörlere dönüştürür. Daha sonra, içeriğinizden yakın eşleşmeler için veritabanını arar. Eşleşen veya benzer içerik bulduğunda, bu bilgileri kullanarak bir yanıt oluşturur.
Semantik arama neden bu kadar önemli
Diyelim ki bir online evcil hayvan mağazanız var. Bir müşteri şu soruyu soruyor:
“Yavru kediler için mama satıyor musunuz?”
Evet, satıyorsunuz; ancak ürün adında “junior” kelimesi var, “yavru kedi” yok. Bot, “junior kedi maması”nın “yavru kediler için mama” ile aynı (ya da çok benzer) olduğunu anlayabilir ve müşteriyi doğru ürüne yönlendirebilir.
Vektör veritabanında semantik arama olmasaydı, Sohbet Botu yalnızca “yavru kediler için mama” taşımadığınızı söyleyebilirdi ve potansiyel bir müşteriyi kaybedebilirdiniz. FlowHunt kullandığınızda böyle bir endişeniz olmaz.
