ცოდნის ბაზის მიმოხილვა
AI SmartTalk-ის ცოდნის ბაზა საშუალებას იძლევა ჩატბოტის გამდიდრება სხვადასხვა ფაილების იმპორტით. ეს მიმოხილვა outlines მხარს უჭერს ფაილების ტიპებს და მათი პრაქტიკული გამოყენებები.
ცოდნის ბაზის ინტერფეისი არის ძირითადი მართვის კონსოლი თქვენი Retrieval-Augmented Generation (RAG) სისტემისთვის. იგი საშუალებას გაწვდოს, ფილტრავს, კლასიფიცირებს და ინარჩუნებს FAQ ჩანაწერებს და სხვა შინაარსს, რომელსაც თქვენი ჩატბოტი runtime-ზე იღებს.
🔍 ფილტრები
დააჭირეთ Filters-ს ფილტრის პანელის გაფართოებისთვის ან შეკუმშვისთვის. გამოიყენეთ ეს კონტროლები ჩანაწერების სიის ვიწროებისთვის:
- სტატუსი
აირჩიეთ ცხოვრების ციკლის ეტაპები (მაგ. აქტიური, წარმოების, არქივირებული) - კატეგორია
აირჩიეთ თქვენი ტაქსონომიიდან (მაგ. ბილინგი, ტექნიკური, სხვა – კლასიფიკაციისთვის) - წყარო
ფილტრეთ წარმოშობის მიხედვით (მაგ. FAQ, დახმარების ცენტრი, დოკუმე ნტები) - ყველას გასუფთავება
ყველა ფილტრი დააბრუნებს თავის თავდაპირველ მდგომარეობაში.
🛠️ ჯგუფური მოქმედებები
გამოიყენეთ Batch actions ჩამოსაშლელი მენიუ, რათა შეასრულოთ მასობრივი ოპერაციები არჩეულ ჩანაწერებზე:
- გააქტიურება / გამორთვა
- სტატუსის შეცვლა (მაგ.
არქივირება,გამოქვეყნება) - კატეგორიის გადანაწილება
- წაშლა
📋 მორგებული სვეტები
თქვენ შეგიძლიათ ჩართოთ ან გამორთოთ დამატებითი სვეტები თქვენი სამუშაო პროცესისთვის, როგორიცაა:
- ბოლო განახლება
- ავტორი
- ბოლო გამოყენება
📑 ჩანაწერების ცხრილი
| სვეტი | აღწერა |
|---|---|
| სახელი | FAQ/ცოდნის item's სათაური ან პირველი ხაზი (დააჭირეთ რედაქტირებისთვის). |
| გამოყენება | რამდენჯერ არის ეს ჩანაწერი ჩატბოტმა მიღებული ცოცხალ ჩატებში. |
| სტატუსი | არის თუ არა ჩანაწერი აქტიური, წარმოების, თუ არქივირებული. |
| კატეგორია | მაღალი დონის ტეგი (მაგ. “ბილინგი,” “ტექნი კური,” “სხვა – კლასიფიკაციისთვის”) გამოყენებული მარშრუტიზაციისა და ანალიტიკისთვის. |
| წყარო | შინაარსის წარმოშობა (მაგ. “FAQ”, “დახმარების ცენტრი”, “დოკუმენტები”). |
| მოქმედებები | კონტექსტური მენიუ (…) რედაქტირებისთვის, წინასწარი ნახვისთვის, წაშლისთვის ან ერთი item's ისტორიის სანახავად. |
🔄 გვერდების გადახვევა
- გადაადგილდით ჩანაწერების გვერდებზე Prev/Next ღილაკების გამოყენებით ან პირდაპირ გადადით გვერდის ნომერზე.
🚀 როგორ მუშაობს ჩეთბოტი
- მოწვდვა
როდესაც მომხმარებელი კითხვას უსვამს, ჩეთბოტი ამ ცოდნის ბაზას უკავშირდება ყველაზე შესაბამის ჩანაწერებზე. - გამდიდრება
მიღებული შინაარსი გადაეცემა ენის მოდელის პრომპტში, რათა მისი პასუხები თქვენი ოფიციალური დოკუმენტაციის საფუძველზე იყოს. - უკუკავშირი
გამოყენების მეტრიკა ( გამოყენება სვეტი) გეხმარებათ მაღალი ღირებულების ჩანაწერების და დაფარვის ხარვეზების იდენტიფიცირებაში, რათა მუდმივად გააუმჯობესოთ თქვენი RAG კორპუსი.
მხარდაჭერილი იმპორტის ტიპები
FAQ ფაილები (Excel/CSV)
ატვირთეთ სტრუქტურირებული კითხვებისა და პასუხების მონაცემები Excel ან CSV ფორმატში, რათა გააუმჯობესოთ ჩეთბოტის პასუხების სიზუსტე.
- საუკეთესოა: ხშირად დასმული კითხვები (FAQs) და წინასწარ განსაზღვრული მომხმარებლის კითხვები.
- მაგალითი ფორმატი:
- სვეტი 1: კითხვები
- სვეტი 2: პასუხები
- სვეტი 3 (არასავალდებულო): ლინკები ან დამატებითი კონტექსტი.
დეტალები: იმპორტირება FAQs Excel ან CSV-ით
დოკუმენტების ფაილები (DOC, DOCX, PDF)
იმპორტირეთ დეტალური დოკუმენტები, რათა ავტომატურად გენერირდეთ საძიებო ცოდნის ნაწილები.
- საუკეთესოა: კომპანიის სახელმძღვანელოები, ღრმა სახელმძღვანელოები ან სასწავლო მასალები.
- პროცესირება: ჭკვიანი ნაწილების შექმნა ეფექტური ჩეთბოტის ინტეგრაციისთვის.
დეტალები: დოკუმენტების ფაილების იმპორტი
Google Merchant Store ფაილები
ინტეგრირეთ ელექტრონული კომერციის პროდუქტის კვებები პირდაპირ ჩეთბოტის ცოდნის ბაზაში, რათა უზრუნველყოთ актуალური ინფორმაცია.
- საუკეთესო ა: პროდუქტის კატალოგები და ინვენტარიზაციის მართვა.
- მოთხოვნა: უნიკალური "პროდუქტის-id" სვეტი ტრეკინგისთვის და განახლებებისთვის.
დეტალები: Google Merchant Store ინტეგრაცია
ჩეთბოტის უკეთესი პასუხებისთვის, დარწმუნდით, რომ იმპორტირებული მონაცემები სუფთა, კატეგორიზებული და სწორად გაწვდილი არის.