Der Knowledge Base Optimizer ist ein Test-Tool, das Ihnen zeigt, welche Fragmente Ihrer Trainingsdaten der Chatbot für eine beliebige Frage findet. Er nutzt den Wissensabruf und die Spracheinstellungen des Bots für eine einzelne, isolierte Frage. Er gibt nicht den gesamten Verlauf einer Unterhaltung wieder und ruft weder die Shop-Aktionen des Bots noch andere Aktionen auf - er ist also kein exaktes Protokoll jeder Live-Antwort.
Er ist rein lesend (read-only): Das Testen einer Frage hier ändert Ihre Trainingsdaten nicht und beeinflusst Ihren Chatbot in keiner Weise.
Wo Sie die Funktion finden
Wählen Sie Ihren Chatbot im Haupt-Dashboard aus und öffnen Sie den Reiter Training. Klicken Sie in der linken Spalte unter der Liste der Quellkategorien auf Knowledge Base Optimizer (Wissensdatenbank-Optimierer).
Wenn Sie Ihren Chatbot noch nicht trainiert haben, beginnen Sie zuerst mit dem Hinzufügen von Trainingsdaten - der Optimizer kann nur Wissen durchsuchen, das bereits trainiert wurde.
Frage testen
- Geben Sie eine Frage in das Feld Message (Nachricht) ein - am besten eine echte Frage Ihrer Besucher oder eine, die der Chatbot kürzlich unzureichend beantwortet hat.
- Klicken Sie auf Submit (Absenden).
- Nach einem Moment erscheinen darunter die passenden Wissensfragmente, sortiert nach Retrieval-Ranking und Sprachrichtlinie.
Ergebnisse lesen
Jede Ergebniszeile stellt ein Fragment Ihrer Trainingsdaten dar:
- Match (Übereinstimmung) - der Prozentsatz auf der linken Seite zeigt, wie genau das Fragment zu Ihrer Frage passt. Nutzen Sie ihn als Ähnlichkeitssignal, nicht als prozentuale Wahrscheinlichkeit dafür, dass eine Antwort korrekt ist. Spracheinstellungen und Reranking können die Reihenfolge ebenfalls beeinflussen.
- Source (Quelle) - die Zeilenüberschrift zeigt das Symbol des Quelltyps und den Namen, zum Beispiel die URL der trainierten Seite, einen Dateinamen oder einen Q&A-Eintrag.
- Language-Badge (Sprach-Badge) - das kleine Badge neben der Quelle zeigt, mit welcher Sprache das Fragment getaggt ist. Quellen ohne Sprach-Tag zeigen "any" an, was bedeutet, dass sie für jede Sprache verwendet werden.
- Fragment content (Fragmentinhalt) - klicken Sie auf eine Zeile, um sie aufzuklappen und den genauen Text zu lesen, den der Chatbot erhalten würde.
Die Reihenfolge spielt eine Rolle. Die Ergebnisse werden nach Relevanz sortiert, und der Chatbot liest sie in dieser Reihenfolge von oben nach unten, bis sein Wissens-Kontextbudget voll ist. Das Budget hängt von den Einstellungen des Bots für Chat Context Size (Chat-Kontextgröße) und den Speicher ab - Fragmente, die nicht in das Budget passen, werden von unten abgeschnitten. Wenn das von Ihnen erwartete Fragment fehlt oder sehr weit unten in der Liste steht, verwendet der Chatbot es beim Antworten höchstwahrscheinlich nicht.
Sprachrichtlinie
Über dem Nachrichtenfeld erklärt die Zeile Language policy (Sprachrichtlinie), wie Ihr Bot Quellsprachen während der Suche behandelt. Bei einem Bot ohne Sprachfilterung durchsucht er alle Quellen gemeinsam. Mit Mehrsprachigkeit kann die konfigurierte Richtlinie den Abruf auf die Hauptsprache oder die Sprache des Besuchers beschränken, zusammen mit dem ausgewählten Fallback und sprachunabhängigen Quellen. Lesen Sie die angezeigte Richtlinie, bevor Sie fehlende Ergebnisse interpretieren.
Bei mehrsprachigen Bots erscheint nach jeder Suche eine zusätzliche Infozeile unter dem Nachrichtenfeld. Sie zeigt die Detected message language (die Sprache, die das Tool in Ihrer Frage erkannt hat), die Searched languages (welche Quellsprachen in die Suche einbezogen wurden) und, falls das Tool Ihre Frage für eine bessere Suche umformuliert hat, die tatsächlich verwendete Refined query (verfeinerte Suchanfrage).
Wann Sie die Funktion nutzen sollten
- Der Chatbot antwortet falsch oder sagt, dass er es nicht weiß. Testen Sie dieselbe Frage hier. Wenn das passende Fragment fehlt, prüfen Sie zuerst die Originalquelle, den abgeschlossenen Trainingsstatus, das Sprach-Tag und die angezeigte Sprachrichtlinie. Fehlende Ergebnisse können auch am Ranking oder am Kontext-Budget liegen; sie beweisen nicht zwingend, dass die Information vollständig fehlt. Ergänzen oder korrigieren Sie Inhalte erst, nachdem Sie die Lücke identifiziert haben.
- Nach einem Neutraining. Wenn Sie Ihre Quellen neu trainieren, führen Sie einige typische Testfragen durch, um sicherzustellen, dass die aktualisierten Inhalte wie erwartet abgerufen werden.
- Vor dem Go-live. Testen Sie die häufigsten Fragen Ihrer Besucher und vergewissern Sie sich, dass jede davon relevante Fragmente weit oben liefert.
Wenn die Ergebnisse Lücken aufzeigen, verbessern Sie Ihre Trainingsdaten und testen Sie erneut - die Änderungen sind verfügbar, sobald das Training abgeschlossen ist. Prüfen Sie die Antwort anschließend unter Overview (Übersicht), einschließlich einer realistischen Nachfrage. Eine ausführlichere Anleitung finden Sie unter So verbessern Sie die Chatbot-Antworten.