A ChatLab chatbot teljesítményének javítása a beállítások és a trenírozási módszerek finomhangolásával érhető el. Kezdje a chatbot trenírozásával, majd válassza ki a chatbotot, és az Overview (Áttekintés) menüpontban tegyen fel néhány valódi ügyfélkérdést. Jegyezze fel a várt válaszokat, egyszerre csak egy dolgon változtasson, és ismételje meg ugyanazokat a kérdéseket új beszélgetésekben.
Egyéni szerepkör-utasítások a válaszok finomhangolásához
A Custom Role Instructions (Egyéni szerepkör-utasítások) lehetővé teszi, hogy pontos irányelveket határozzon meg a chatbot viselkedésére és hangnemére vonatkozóan, a célközönség igényeihez igazítva azt. Így vezethető be és használható hatékonyan ez a funkció:
-
Határozza meg a bot szerepét: Pontosan adja meg, milyen szerepet töltsön be a chatbot. Például: „ügyfélszolgálati munkatárs”, „értékesítési asszisztens” vagy „technikai tanácsadó”.
-
Állítson fel viselkedési irányelveket: Adjon meg instrukciókat a hangnemre, a nyelvezetre és a válaszadási stílusra vonatkozóan. Például:
- Hangnem: Barátságos, professzionális vagy formális.
- Nyelvezet: Használjon egyszerű magyarázatokat a nem technikai felhasználók számára, vagy szakszavakat a hozzáértő közönségnek.
-
Építsen be kontextusfüggő részleteket: Adjon hozzá a vállalkozására vagy szakterületére vonatkozó utasításokat. Például:
- „Ha egy felhasználó a szállítási lehetőségekről kérdez, helyezze előtérbe az ingyenes szállítás említését, amennyiben az elérhető.”
- „Az árak megbeszélésekor mindig térjen ki a mennyiségi kedvezmények részleteire, ha vannak ilyenek.”
-
Teszteljen és iteráljon: Tesztelje le, hogyan válaszol a chatbot az új szerepkör-utasításokkal, finomítsa őket a felhasználói interakciók alapján, és módosítsa a beállításokat szükség szerint a kívánt stílus és pontosság eléréséhez.
Ezt a Settings > Role & Behavior (Beállítások > Szerepkör és viselkedés) menüpontban állíthatja be. Tudjon meg többet a szerepkör- és viselkedési beállításokról.
Váltás erősebb AI-modellre
Hasonlítsa össze a választóban elérhető modelleket ugyanazokkal a kérdésekkel. Ellenőrizze, hogy a válasz pontos-e, követi-e az utasításokat, és kezeli-e a folytatólagos kérdéseket. A modellek elérhetősége és kreditsúlyozása változik, ezért a fix modell-árlista helyett a megjelenített opciókra és az üzenetkredit-útmutatóra támaszkodjon.
A modellt a Settings > Model & Advanced (Beállítások > Modell és haladó) felületen módosíthatja. Tudjon meg többet az AI-modellek kiválasztásáról.
Tudásbázis optimalizálása
Használja a Knowledge Base Optimizer (Tudásbázis-optimalizáló) eszközt annak ellenőrzésére, hogy mely szövegrészletek illeszkednek egy adott kérdéshez. Ez az eszköz az információ-visszakeresést egy önálló kérdésre teszteli, nem a források korábbi népszerűségét vizsgálja. Olvassa el a visszaadott tartalmat, és hasonlítsa össze az elvárt válasszal.
Válassza ki chatbotját, és nyissa meg a Training > Knowledge Base Optimizer (Trenírozás > Tudásbázis-optimalizáló) menüpontot. Tudjon meg többet a Knowledge Base Optimizer használatáról.
Ezenkívül a modell kreativitásának csökkentésével a válaszok pontosabbá és tárgyilagosabbá tehetők. Az alacsonyabb kreativitás mérsékelheti a variációkat, de a hiányzó információkat nem pótolja, és a tényszerű pontosságot sem garantálja. Az elérhetőség a kiválasztott modelltől függ. Ezt a Settings > Model & Advanced menüpontban, a Creativity (Kreativitás) csúszkával állíthatja be. Tudjon meg többet a beszélgetési beállításokról.
Kontextusbővítés
Fontolja meg a kontextus bővítését, ha a releváns információk nem férnek el a keretben. A nagyobb kontextus lehetővé teszi több anyag beillesztését, de nem garantál jobb választ. Emellett növeli az üzenetkredit-felhasználást is, a nagyobb méretekhez pedig a megfelelő fiókfunkció szükséges.
A ChatLab három különböző kontextusméretet kínál: 8 000, 16 000 vagy 32 000 tokent, ami közvetlenül befolyásolja a chatbot információ-megőrzési és -felhasználási képességét. A megfelelő kontextusméret kiválasztása egyensúlyt teremt a kívánt válaszminőség és a működési keret között.
A kontextusméretet a Settings > Model & Advanced menüpontban konfigurálhatja. Tudjon meg többet a csevegési kontextus méretének kiterjesztéséről.
Fókuszált trenírozás - a kevesebb több
A válaszminőség javításának egyik leghatékonyabb módja a nem releváns tartalmak csökkentése a trenírozási adatokban. A ChatLab RAG (Retrieval-Augmented Generation) architektúrát használ, amely kérdések megválaszolásakor a leginkább releváns információrészleteket keresi meg. A túl sok általános vagy ismétlődő tartalom zajt képez, ami megzavarhatja a visszakeresési folyamatot.
Miért segít a fókuszált trenírozás:
- A RAG relevancia alapján pontozza a tartalomrészleteket - a nem releváns tartalom rontja a keresés minőségét
- Az egyes oldalakon ismétlődő elemek (menük, láblécek, fejlécek) zajjal árasztják el a tudásbázist
- Az AI konkrét, hasznos válaszok helyett alacsony értékű részleteket kereshet vissza
Hogyan fókuszálhatja a trenírozást:
- A teljes webhelybejárás helyett használjon oldaltérkép-beolvasást
- Zárja ki az ismétlődő oldalelemeket, például a fejléceket és lábléceket
- Szűrje ki a nem releváns URL-szakaszokat (hírek, képek, sajtóközlemények)
- Fókuszáljon az értékes tartalomra: termékoldalakra, GYIK-re, ügyfélszolgálati cikkekre, szabályzatokra
A webhely-beolvasások optimalizálására vonatkozó részletes útmutatóért tekintse meg a trenírozási karakterek számának csökkentéséről webhelyek beolvasásakor szóló cikket.
Előnyben részesített formátum a trenírozási fájlokhoz
A chatbot trenírozásakor válasszon olyan fájlformátumot, amely egyben tartja az összetartozó tényeket. A szöveges formátum kiváló a leíró magyarázatokhoz, míg a táblázatok és a CSV-fájlok jól használhatók táblázatos rekordokhoz:
-
A szövegfájlok lehetővé teszik a kontextushoz kapcsolódó kifejezések beépítését.
-
Rugalmasságot biztosítanak az információk strukturálásában.
Például termékek ártáblázatának hozzáadásakor tüntesse fel a kapcsolódó kifejezéseket is:
- Ártáblázathoz kapcsolódó kifejezések: „költség”, „árazás”, „díjszabás”, „díjak”, „árajánlat”
Tesztelje le, hogy az olyan lekérdezések, mint a „Milyen díjakkal dolgoznak?” vagy a „Mutassa a költségek részleteit”, a megfelelő forrást hívják-e elő, és az elvárt választ eredményezik-e.
Javítások hozzáadása a beszélgetési előzményekből
Tekintse át chatbotja beszélgetési előzményeit, és fűzzön hozzá javításokat, ha helytelen vagy nem optimális válaszokat észlel. Ezáltal a chatbot tanul a hibáiból, és javulnak a jövőbeli válaszai a hasonló kérdésekre.
Nyissa meg a Chatlogs (Beszélgetési előzmények) lapot, keresse meg a problémás beszélgetéseket, majd a javítás hozzáadásához kattintson a szerkesztés ikonra a bot bármelyik válasza mellett. Tudjon meg többet a javítások hozzáadásáról és szerkesztéséről.