Trình Tìm kiếm Tài liệu

Bất lợi lớn nhất của các mô hình ngôn ngữ lớn là chúng có xu hướng đưa ra thông tin mơ hồ, lỗi thời hoặc hoàn toàn sai lệch. Để đảm bảo câu trả lời luôn cập nhật và phù hợp với trường hợp sử dụng của bạn, các mô hình tạo sinh cần được hướng tới đúng nguồn tri thức.

Phương pháp này, gọi là Tạo sinh Tăng cường Truy xuất (RAG), cung cấp cho các mô hình tạo sinh nguồn tri thức riêng của bạn. Các thành phần retriever, bao gồm Trình Tìm kiếm Tài liệu, cho phép bạn sử dụng phương pháp này.

Trình Tìm kiếm Tài liệu là gì?

Thành phần này cho phép chatbot truy xuất tri thức từ các nguồn riêng của bạn, đảm bảo thông tin luôn phù hợp, đáng tin cậy và cập nhật. Thông tin này đến trực tiếp từ các nguồn bạn đã chỉ định trong mục Tài liệu và Lịch trình. Vai trò của thành phần này là kiểm soát quá trình truy xuất.

Truy vấn Đầu vào

Chỉ định truy vấn được sử dụng để tìm kiếm thông tin liên quan. Truy vấn này có thể được liên kết từ một thành phần khác hoặc nhập thủ công. Trong hầu hết các trường hợp, truy vấn đầu vào của bạn sẽ là Chat Input.

Số lượng Tài liệu

Thiết lập này giới hạn số lượng tài liệu mà flow sẽ truy xuất, đảm bảo kết quả vẫn liên quan và không mất quá nhiều thời gian để tạo ra.

Danh mục Tài liệu

Tùy chọn này cho phép bạn giới hạn truy xuất trong một danh mục mà bạn đã tạo ở màn hình Tài liệu của Nguồn Tri thức.

Lịch trình

Cho phép bạn giới hạn truy xuất trong một Lịch trình mà bạn đã chỉ định ở màn hình Lịch trình của Nguồn Tri thức.

Ngưỡng

Các nguồn trong cơ sở dữ liệu tri thức của bạn sẽ phù hợp với truy vấn ở các mức độ khác nhau. AI sẽ xếp hạng mức độ liên quan này từ 0 đến 1. Thiết lập này cho phép bạn kiểm soát mức độ tương đồng giữa đầu ra và truy vấn.

Ngưỡng cụ thể sẽ phụ thuộc vào trường hợp sử dụng, nhưng nhìn chung 0.7-0.8 được khuyến nghị cho các câu trả lời liên quan cao từ số lượng nguồn hợp lý.

Giả sử bạn đặt ngưỡng là 0.6 và có các bài viết sau:

• Bài viết A: 0.8
• Bài viết B: 0.65
• Bài viết C: 0.5
• Bài viết D: 0.9

Chỉ các bài viết có điểm liên quan trên 0.6 mới được đưa vào đầu ra, tức là chỉ có A, B và D.

• Ngưỡng cao, chẳng hạn 0.9, sẽ trả về kết quả rất phù hợp với truy vấn, nhưng có thể khó tìm đủ tài liệu và bỏ lỡ một số nội dung liên quan.
• Ngưỡng thấp, ví dụ dưới 0.5, sẽ lấy thông tin từ nhiều tài liệu hơn, nhưng có nguy cơ trả về thông tin không liên quan.

Cách kết nối Trình Tìm kiếm Tài liệu vào flow của bạn

Thành phần này chỉ có một cổng đầu vào và một cổng đầu ra:

• Truy vấn Đầu vào: Truy vấn có thể là bất kỳ kết quả văn bản nào. Trường hợp phổ biến là kết nối Chat Input của người dùng hoặc một Generator.
• Đầu ra: Đầu ra của bất kỳ thành phần retriever nào luôn là một Tài liệu.

Đầu ra Tài liệu chứa dữ liệu có cấu trúc không phù hợp để xuất ra chat cuối cùng. Tất cả thành phần nhận Tài liệu làm đầu vào sẽ chuyển đổi chúng sang dạng dễ đọc cho người dùng. Đó có thể là các thành phần Widget hoặc bộ chuyển đổi Tài liệu sang Văn bản.

Vì sao nên dùng Trình Tìm kiếm Tài liệu?

• Thực tế hóa mô hình AI: Nâng cao độ chính xác và tính liên quan của AI bằng cách cung cấp thông tin thực tiễn, có ngữ cảnh từ kho tri thức của tổ chức bạn.
• Bổ sung ngữ cảnh: Cung cấp cho LLM hoặc chatbot các tài liệu hỗ trợ hay tài liệu tham khảo để phản hồi chính xác hơn.
• Lọc linh hoạt: Tìm kiếm có thể được tinh chỉnh theo danh mục, lịch trình, URL, cấu trúc tài liệu hoặc metadata, đảm bảo chỉ lấy những thông tin liên quan nhất.
• Tùy chỉnh đầu ra: Lựa chọn số lượng nội dung truy xuất, cách chia nhỏ và metadata đi kèm, dễ dàng thích ứng cho các quy trình AI tiếp theo hoặc nhu cầu giao diện người dùng.
• Tích hợp Agent: Nhờ mô tả công cụ và đặt tên, thành phần này có thể được tham chiếu như một công cụ trong các kiến trúc dựa trên agent.

Các trường hợp sử dụng tiêu biểu

• Tạo sinh Tăng cường Truy xuất (RAG): Cung cấp tài liệu hỗ trợ cho LLM để tạo ra các phản hồi chính xác, có căn cứ tri thức.
• Chatbot và Trợ lý ảo: Nhanh chóng cung cấp các câu hỏi thường gặp hoặc tài liệu chính sách khi nhân viên/khách hàng hỏi.
• Làm giàu dữ liệu: Lấy thêm thông tin về sản phẩm, tác giả hoặc metadata khác để AI phân tích sâu hơn hoặc tự động hóa quy trình làm việc.

Ví dụ

Hãy thử ngay! Trước khi xây dựng flow, bạn cần đảm bảo đã tạo tài liệu hoặc lịch trình phù hợp. Nếu không có nguồn tốt, chatbot sẽ xin lỗi vì không thể trả lời.

Các bước thực hiện:

1. Bắt đầu với Chat Input.
2. Thêm Trình Tìm kiếm Tài liệu và kết nối Chat Input làm Truy vấn Đầu vào.
3. Đầu ra là Tài liệu, cần được chuyển đổi; trong ví dụ này, chúng ta sẽ dùng bộ chuyển đổi Tài liệu sang Văn bản.
4. Tiếp theo, kết nối AI Generator.
5. Bạn đã sẵn sàng chat rồi.

Giờ đây, Flow của bạn có thể tìm kiếm nguồn tri thức dựa trên truy vấn của con người, chuyển đổi dữ liệu có cấu trúc thành văn bản dễ đọc và chuyển cho AI tạo ra câu trả lời thân thiện với người dùng.

Kho Tri thức của chúng tôi có một lịch trình quét trang giá FlowHunt để luôn cập nhật thông tin mới nhất. Hãy thử hỏi bot về điều này: