Forbedring af din ChatLab-chatbots ydeevne indebærer finjustering af dens indstillinger og træningsmetoder. Start med at træne din chatbot, vælg den derefter, og brug Overview (Oversigt) til at stille et par reelle kundespørgsmål. Noter de forventede svar, ændr én ting ad gangen, og gentag de samme spørgsmål i helt nye samtaler.
Custom Role Instructions til finjustering af svar
Custom Role Instructions (Brugerdefinerede rolleinstruktioner) giver dig mulighed for at definere specifikke retningslinjer for din chatbots adfærd og tone, så den tilpasses din målgruppes behov. Sådan implementerer og udnytter du denne funktion effektivt:
-
Definer bottens rolle: Angiv tydeligt den rolle, som chatbotten skal påtage sig. For eksempel "kundeservicemedarbejder", "salgsassistent" eller "teknisk rådgiver".
-
Fastlæg retningslinjer for adfærd: Inkluder instruktioner om tone, sprog og svarstil. For eksempel:
- Tone: Venlig, professionel eller formel.
- Sprog: Brug enkle forklaringer til ikke-tekniske brugere eller fagudtryk til et mere specialiseret publikum.
-
Integrer kontekstspecifikke detaljer: Tilføj instruktioner relateret til din virksomhed eller dit fagområde. For eksempel:
- "Hvis en bruger spørger om leveringsmuligheder, skal du prioritere at nævne gratis fragt, hvis det er tilgængeligt."
- "Når der tales om priser, skal du altid inkludere oplysninger om mængderabatter, hvis det er relevant."
-
Test og gentag: Test, hvordan chatbotten svarer med de nye rolleinstruktioner, tilpas dem baseret på brugerinteraktioner, og juster efter behov for at opnå den ønskede svarstil og præcision.
Konfigurer dette i Settings > Role & Behavior (Indstillinger > Rolle og adfærd). Læs mere om indstillinger for rolle og adfærd.
Opgrader til en stærkere AI-model
Sammenlign modellerne i den aktuelle vælger ved at stille dem de samme spørgsmål. Tjek, om svaret er præcist, følger dine instruktioner og håndterer opfølgende spørgsmål. Modeltilgængelighed og credit-vægtning ændrer sig, så brug de viste valgmuligheder og vejledningen om besked-credits frem for en fast modelprisliste.
Skift din model i Settings > Model & Advanced (Indstillinger > Model og avanceret). Læs mere om valg af AI-modeller.
Optimer videnbase
Brug Knowledge Base Optimizer (Videnbase-optimering) til at se, hvilke fragmenter der matcher et bestemt spørgsmål. Den tester genfinding for et enkeltstående spørgsmål, ikke historisk kildepopularitet. Læs det returnerede indhold, og sammenlign det med dit forventede svar.
Vælg din chatbot, og åbn Training > Knowledge Base Optimizer (Træning > Videnbase-optimering). Læs mere om brug af Knowledge Base Optimizer.
Derudover kan en reduktion af modellens kreativitet gøre svarene mere præcise og fokuserede på emnet. Lavere kreativitet kan reducere variation, men kan ikke rette manglende oplysninger eller garantere faktuel nøjagtighed. Tilgængeligheden afhænger af den valgte model. Du kan justere dette i Settings > Model & Advanced (Indstillinger > Model og avanceret) ved hjælp af skyderen Creativity (Kreativitet). Læs mere om samtaleindstillinger.
Kontekstudvidelse
Overvej at udvide konteksten, når relevante oplysninger ikke kan være der. En større kontekst giver plads til mere materiale, men garanterer ikke et bedre svar. Det øger også forbruget af besked-credits, og større størrelser kræver den tilsvarende kontofunktion.
ChatLab tilbyder tre forskellige kontekststørrelser: 8.000, 16.000 eller 32.000 tokens, hvilket direkte påvirker chattens evne til at fastholde og udnytte information. Valget af den rette kontekststørrelse er en balancegang mellem ønsket svarkvalitet og driftsbudget.
Konfigurer kontekststørrelse i Settings > Model & Advanced (Indstillinger > Model og avanceret). Læs mere om udvidelse af chatkontekststørrelse.
Målrettet træning - mindre er mere
En af de mest effektive måder at forbedre svarkvaliteten på er at reducere irrelevant indhold i dine træningsdata. ChatLab bruger RAG (Retrieval-Augmented Generation)-arkitektur, som søger efter de mest relevante informationsblokke, når der svares på spørgsmål. For meget generelt eller gentaget indhold skaber støj, der kan forvirre søgeprocessen.
Hvorfor målrettet træning hjælper:
- RAG scorer indholdsblokke efter relevans - irrelevant indhold udvander søgekvaliteten
- Gentagne elementer (menuer, sidefødder, sidehoveder) på hver side oversvømmer videnbasen med støj
- AI'en kan finde blokke med lav værdi frem for specifikke, nyttige svar
Sådan målretter du din træning:
- Brug scanning af sitemap i stedet for fulde websitedurchgange
- Udeluk gentagne sideelementer såsom sidehoveder og sidefødder
- Filtrer irrelevante URL-sektioner fra (nyheder, billeder, pressemeddelelser)
- Fokuser på værdifuldt indhold: produktsider, ofte stillede spørgsmål, supportartikler, policydokumenter
For detaljerede instruktioner om optimering af dine websitescanninger, se hvordan du reducerer træningstegn ved scanning af et website.
Foretrukket format til træningsfiler
Når du træner din chatbot, skal du vælge et filformat, der holder sammenhængende fakta samlet. Tekst er nyttigt til forklarende beskrivelser, mens regneark og CSV-filer fungerer godt til tabellariske oversigter:
-
Tekstfiler giver dig mulighed for at inkludere kontekstuelt relaterede termer.
-
De sikrer fleksibilitet ved strukturering af information.
Når du for eksempel tilføjer en pristabel for produkter, bør du inkludere relaterede termer:
- Termer til pristabel: "pris", "priser", "takster", "gebyrer", "omkostninger", "tilbud"
Test, om forespørgsler som "Hvad koster det?" eller "Vis mig prisdetaljerne" finder den rigtige kilde og frembringer det forventede svar.
Tilføj rettelser fra chatlogs
Gennemgå din chatbots samtalehistorik, og tilføj rettelser, når du opdager forkerte eller utilstrækkelige svar. Dette lærer chatbotten af sine fejl og forbedrer fremtidige svar på lignende spørgsmål.
Gå til fanen Chatlogs (Samtalelogge), find samtaler med problemer, og klik på redigeringsikonet ud for ethvert botsvar for at tilføje en rettelse. Læs mere om tilføjelse og redigering af rettelser.