Knowledge Base Optimizer (optimizador de la base de conocimiento) es una herramienta de prueba que te muestra qué fragmentos de tus datos de entrenamiento encuentra el chatbot para cualquier pregunta. Utiliza la recuperación de conocimiento y la configuración de idioma del bot para una pregunta independiente. No reproduce una conversación completa ni llama a la tienda del bot ni a otras acciones, por lo que no es un registro exacto de cada respuesta en vivo.
Es de solo lectura: probar una pregunta aquí no cambia tus datos de entrenamiento ni afecta a tu chatbot de ninguna manera.
Dónde encontrarlo
Selecciona tu chatbot en el panel principal y abre la pestaña Training (Entrenamiento). En la columna izquierda, debajo de la lista de categorías de fuentes, haz clic en Knowledge Base Optimizer.
Si aún no has entrenado a tu chatbot, comienza primero por añadir datos de entrenamiento - el optimizador solo puede buscar conocimiento que ya haya sido entrenado.
Probar una pregunta
- Escribe una pregunta en el campo Message (Mensaje) - lo ideal es una pregunta real que hagan tus visitantes, o una que el chatbot haya respondido mal recientemente.
- Haz clic en Submit (Enviar).
- Tras unos instantes, los fragmentos de conocimiento coincidentes aparecerán abajo, ordenados por la clasificación de recuperación y la política de idiomas.
Interpretar los resultados
Cada fila de resultados representa un fragmento de tus datos de entrenamiento:
- Match (Coincidencia) - el porcentaje de la izquierda muestra qué tan cerca coincide el fragmento con tu pregunta. Utilízalo como una señal de similitud, no como una probabilidad porcentual de que una respuesta sea correcta. Las preferencias de idioma y la reclasificación también pueden afectar al orden.
- Source (Fuente) - el encabezado de la fila muestra el icono del tipo de fuente y su nombre, por ejemplo la URL de la página entrenada, el nombre de un archivo o una entrada de preguntas y respuestas.
- Language badge (Etiqueta de idioma) - la pequeña insignia junto a la fuente muestra con qué idioma está etiquetado el fragmento. Las fuentes sin etiqueta de idioma muestran "any", lo que significa que se utilizan para todos los idiomas.
- Fragment content (Contenido del fragmento) - haz clic en una fila para desplegarla y leer el texto exacto que recibiría el chatbot.
El orden importa. Los resultados se clasifican por relevancia y el chatbot los lee en este orden, desde arriba, hasta agotar su presupuesto de contexto de conocimiento. El presupuesto depende de la configuración de memoria y de Chat Context Size del bot; los fragmentos que no caben dentro del presupuesto se cortan desde abajo. Si el fragmento que esperabas no aparece o se encuentra muy abajo en la lista, lo más probable es que el chatbot no lo esté utilizando al responder.
Política de idiomas
Encima del campo de mensaje, la línea Language policy (Política de idiomas) explica cómo trata tu bot los idiomas de origen durante la búsqueda. Para un bot sin filtrado de idiomas, busca en todas las fuentes juntas. Con Multi-language, la política configurada puede restringir la recuperación al idioma principal o al idioma del visitante, con el idioma de respaldo seleccionado y las fuentes independientes del idioma. Lee la política mostrada antes de interpretar los resultados ausentes.
En el caso de los bots multilingües, aparece una línea de información adicional debajo del campo de mensaje después de cada búsqueda. Muestra el Detected message language (Idioma del mensaje detectado - el idioma que la herramienta reconoció en tu pregunta), los Searched languages (Idiomas buscados - qué idiomas de origen se incluyeron en la búsqueda) y, cuando la herramienta reformuló tu pregunta para buscar mejor, la Refined query (Consulta refinada) que realmente utilizó.
Cuándo usarlo
- El chatbot responde incorrectamente o dice que no lo sabe. Prueba la misma pregunta aquí. Si falta el fragmento correcto, revisa primero la fuente original, su estado de entrenamiento completado, la etiqueta de idioma y la política de idiomas mostrada. Los resultados ausentes también pueden reflejar la clasificación o el presupuesto de contexto; no demuestran que la información falte por completo. Añade o corrige contenido solo después de identificar la discrepancia.
- Tras volver a entrenar. Cuando vuelvas a entrenar tus fuentes, ejecuta algunas preguntas típicas para comprobar que el contenido actualizado se recupera según lo previsto.
- Antes del lanzamiento. Prueba las preguntas más habituales que harán tus visitantes y confirma que cada una devuelve fragmentos relevantes cerca de los primeros puestos.
Si los resultados revelan vacíos de información, mejora tus datos de entrenamiento y vuelve a probar - los cambios estarán disponibles una vez completado el entrenamiento. Luego prueba la respuesta en Overview (Resumen), incluyendo una pregunta de seguimiento realista. Para consultar una guía más amplia, consulta Cómo mejorar las respuestas del chatbot.