Zlepšení výkonu vašeho chatbota ChatLab zahrnuje doladění jeho nastavení a metodiky trénování. Začněte tím, že vytrénujete svého chatbota, poté jej vyberte a v sekci Overview (Přehled) položte několik reálných zákaznických dotazů. Poznamenejte si očekávané odpovědi, měňte vždy jen jednu věc a stejné otázky zopakujte v nových konverzacích.
Vlastní pokyny pro roli (Custom Role Instructions) pro doladění odpovědí
Vlastní instrukce k roli (Custom Role Instructions) vám umožňují definovat konkrétní pravidla pro chování a tón chatbota a přizpůsobit jej potřebám vašeho publika. Zde je návod, jak tuto funkci efektivně nastavit a využívat:
-
Definujte roli bota: Jasně určete roli, kterou má chatbot převzít. Například „pracovník zákaznické podpory“, „obchodní asistent“ nebo „technický poradce“.
-
Nastavte pravidla chování: Přidejte pokyny týkající se tónu komunikace, jazyka a stylu odpovědí. Například:
- Tón: Přátelský, profesionální nebo formální.
- Jazyk: Používejte jednoduchá vysvětlení pro laické uživatele nebo odbornou terminologii pro zkušené publikum.
-
Zahrňte podrobnosti specifické pro kontext: Přidejte pokyny související s vaším podnikáním nebo oborem. Například:
- „Pokud se uživatel zeptá na možnosti doručení, přednostně zmiňte dopravu zdarma, je-li k dispozici.“
- „Při diskuzi o cenách vždy uveďte podrobnosti o množstevních slevách, pokud se uplatňují.“
-
Testujte a upravujte: Vyzkoušejte, jak chatbot reaguje s novými pokyny k roli, upravujte je na základě interakcí s uživateli a dolaďujte podle potřeby, abyste dosáhli požadovaného stylu a přesnosti odpovědí.
Toto nakonfigurujete v Settings > Role & Behavior (Nastavení > Role a chování). Přečtěte si více o nastavení role a chování.
Přechod na výkonnější model AI
Porovnejte modely nabízené v aktuálním výběru na stejných otázkách. Zkontrolujte, zda je odpověď přesná, zda se řídí vašimi pokyny a zda zvládá doplňující otázky. Dostupnost modelů a jejich kreditová váha se mění, proto se řiďte zobrazenými možnostmi a průvodcem kreditů za zprávy spíše než fixním ceníkem modelů.
Model můžete změnit v Settings > Model & Advanced (Nastavení > Model a pokročilé). Přečtěte si více o výběru modelů AI.
Optimalizace báze znalostí
Pomocí nástroje Knowledge Base Optimizer (Optimalizátor báze znalostí) zjistíte, které fragmenty odpovídají konkrétní otázce. Nástroj testuje vyhledávání pro samostatnou otázku, nikoli historickou popularitu zdrojů. Přečtěte si vrácený obsah a porovnejte jej s očekávanou odpovědí.
Vyberte svého chatbota a otevřete Training > Knowledge Base Optimizer (Trénování > Optimalizátor báze znalostí). Přečtěte si více o používání nástroje Optimalizátor báze znalostí.
Snížení kreativity modelu navíc může zajistit, že odpovědi budou přesnější a věcnější. Nižší kreativita může omezit odchylky, ale nedokáže doplnit chybějící informace ani zaručit faktickou přesnost. Dostupnost závisí na vybraném modelu. Toto nastavení můžete upravit v Settings > Model & Advanced (Nastavení > Model a pokročilé) pomocí posuvníku Creativity (Kreativita). Přečtěte si více o nastavení konverzace.
Rozšíření kontextu
Zvažte rozšíření kontextu, pokud se relevantní informace do stávajícího limitu nevejdou. Větší kontext pojme více materiálu, ale sám o sobě nezaručuje lepší odpověď. Zvyšuje také spotřebu kreditů za zprávy a větší velikosti vyžadují odpovídající funkci účtu.
ChatLab nabízí tři různé velikosti kontextu: 8 000, 16 000 nebo 32 000 tokenů, což přímo ovlivňuje schopnost chatbota uchovávat a využívat informace. Volba vhodné velikosti kontextu představuje kompromis mezi požadovanou kvalitou odpovědí a provozním rozpočtem.
Velikost kontextu nakonfigurujete v Settings > Model & Advanced (Nastavení > Model a pokročilé). Přečtěte si více o rozšíření velikosti kontextu chatu.
Cílené trénování - méně je více
Jedním z nejúčinnějších způsobů, jak zlepšit kvalitu odpovědí, je omezit nerelevantní obsah v trénovacích datech. ChatLab využívá architekturu RAG (Retrieval-Augmented Generation), která při odpovídání na otázky vyhledává nejrelevantnější části informací. Příliš mnoho obecného nebo opakujícího se obsahu vytváří šum, který může proces vyhledávání narušit.
Proč cílené trénování pomáhá:
- RAG hodnotí relevanci jednotlivých fragmentů obsahu - nerelevantní obsah snižuje kvalitu vyhledávání
- Opakující se prvky (menu, zápatí, záhlaví) na každé stránce zaplavují bázi znalostí šumem
- Umělá inteligence pak může namísto konkrétních a užitečných odpovědí vybrat fragmenty s nízkou hodnotou
Jak zacílit trénování:
- Používejte skenování souboru sitemap namísto procházení celého webu
- Vylučte opakující se prvky stránek, jako jsou záhlaví a zápatí
- Odfiltrujte nerelevantní sekce URL (novinky, obrázky, tiskové zprávy)
- Zaměřte se na hodnotný obsah: produktové stránky, FAQ, články nápovědy, dokumenty se zásadami
Podrobné pokyny k optimalizaci skenování webu naleznete v článku jak snížit počet trénovacích znaků při skenování webu.
Preferovaný formát trénovacích souborů
Při trénování chatbota zvolte formát souboru, který udržuje související fakta pohromadě. Text je vhodný pro souvislá vysvětlení, zatímco tabulky a soubory CSV fungují dobře pro tabulková data:
-
Textové soubory umožňují zahrnout kontextově související výrazy.
-
Zajišťují flexibilitu při strukturování informací.
Například při přidávání ceníku produktů zahrňte související výrazy:
- Výrazy pro ceník: „cena“, „ceny“, „ceník“, „sazby“, „poplatky“, „kalkulace“
Vyzkoušejte, zda dotazy jako „Jaké jsou vaše poplatky?“ nebo „Ukažte mi podrobnosti o ceně“ vyhledají správný zdroj a vytvoří očekávanou odpověď.
Přidávání oprav z historie konverzací (Chatlogs)
Projděte si historii konverzací chatbota a přidejte opravy, kdykoli narazíte na nesprávné nebo neoptimální odpovědi. Chatbot se tak učí ze svých chyb a zlepší své budoucí odpovědi na podobné otázky.
Přejděte na kartu Chatlogs (Historie konverzací), vyhledejte problematické konverzace a kliknutím na ikonu úprav vedle kterékoli odpovědi bota přidejte opravu. Přečtěte si více o přidávání a úpravě oprav.