A Knowledge Base Optimizer egy olyan tesztelési eszköz, amely megmutatja, hogy a chatbot a betanítási adatok mely részleteit találja meg egy adott kérdésre. Pontosan ugyanazt a tudásbázis-keresést futtatja le, amelyet a chatbot a valós beszélgetések során végez, így az eredmények között látható tartalom megegyezik azzal, amit az AI a válaszadáskor megkap.
Az eszköz csak olvasható: egy kérdés tesztelése itt nem módosítja a betanítási adatokat, és semmilyen módon nem befolyásolja a chatbotot.
Hol található
Válassza ki a chatbotját a fő vezérlőpulton, és nyissa meg a Training (Betanítás) fület. A bal oldali oszlopban, a forráskategóriák listája alatt kattintson a kék Knowledge Base Optimizer (Tudásbázis-optimalizáló) gombra.
Ha még nem tanította be a chatbotját, először kezdje a betanítási adatok hozzáadásával - az optimalizáló csak olyan tudásanyagban tud keresni, amely már be lett tanítva.
Kérdés tesztelése
- Írjon be egy kérdést a Message (Üzenet) mezőbe - ideális esetben egy valódi kérdést, amelyet a látogatók szoktak feltenni, vagy egy olyat, amelyre a chatbot nemrégiben rosszul válaszolt.
- Kattintson a Submit (Beküldés) gombra.
- Egy pillanat múlva megjelennek az egyező tudásrészletek a mező alatt, a legjobb egyezéstől lefelé rangsorolva.
Az eredmények értelmezése
Minden egyes eredménysor a betanítási adatok egy-egy részletét jelenti:
- Match (Egyezés) - a bal oldalon látható százalékos érték azt mutatja, hogy a részlet mennyire felel meg a kérdésnek. A magasabb érték relevánsabb tartalmat jelent.
- Source (Forrás) - a sor fejléce megjeleníti a forrástípus ikonját és nevét, például a betanított oldal URL-címét, egy fájlnevet vagy egy Kérdés-válasz bejegyzést.
- Language badge (Nyelvi címke) - a forrás mellett található kis címke mutatja, hogy a részlet milyen nyelvvel van megjelölve. A nyelvi címke nélküli forrásoknál az "any" (bármely) felirat látható, ami azt jelenti, hogy minden nyelvnél felhasználásra kerülnek.
- Fragment content (Részlet tartalma) - kattintson egy sorra a kibontásához, és olvassa el pontosan azt a szöveget, amelyet a chatbot megkapna.
A sorrend számít. Az eredmények relevancia szerint vannak rangsorolva, és a chatbot felülről lefelé, ebben a sorrendben olvassa őket, amíg a tudásbázis-kontextus kerete el nem éri a limitet. A keret a bot Chat Context Size (Csevegési kontextus mérete) értékétől és a memóriabeállításoktól függ - a keretbe már nem illeszkedő részletek az aljáról levágásra kerülnek. Ha a várt részlet hiányzik vagy nagyon hátul szerepel a listán, a chatbot nagy valószínűséggel nem használja azt a válaszadás során.
Nyelvi irányelv
Az üzenetmező felett a Language policy (Nyelvi irányelv) sor ismerteti, hogyan kezeli a bot a források nyelvét a keresés során. Egynyelvű bot esetén az összes forrásban egyszerre keres. Ha a Multi-language (Többnyelvűség) funkció engedélyezve van, a keresés korlátozható a látogató nyelvére, valamint a nyelvfüggetlen forrásokra, és az eszköz is ezt a működést tükrözi.
Többnyelvű botoknál egy további információs sor jelenik meg az üzenetmező alatt minden keresés után. Ez mutatja a Detected message language (Észlelt üzenet nyelve - a kérdésben felismert nyelv), a Searched languages (Keresett nyelvek - a keresésbe bevont forrásnyelvek) mezőket, valamint - ha az eszköz a jobb keresési találatok érdekében átfogalmazta a kérdést - a ténylegesen használt Refined query (Pontosított lekérdezés) mezőt.
Mikor érdemes használni
- A chatbot helytelenül válaszol, vagy azt állítja, hogy nem tudja a választ. Tesztelje ugyanazt a kérdést itt. Ha a megfelelő részlet hiányzik az eredmények közül, az információ nincs benne a betanítási adatokban (vagy túlságosan eltérő megfogalmazású) - adja hozzá új forrásként vagy javításként.
- Újratanítás után. Amikor újratanítja a forrásait, futtasson le néhány tipikus kérdést ellenőrzésképpen, megbizonyosodva arról, hogy a frissített tartalom a várt módon visszakereshető.
- Élesítés előtt. Tesztelje a látogatók által leggyakrabban felteendő kérdéseket, és ellenőrizze, hogy mindegyik a releváns részleteket jeleníti-e meg a lista elején.
Ha az eredmények hiányosságokat tárnak fel, fejlessze a betanítási adatokat, és teszteljen újra - a módosítások a betanítás befejezése után azonnal érvénybe lépnek. Egy átfogóbb útmutatóért tekintse meg a Hogyan javíthatók a chatbot válaszai című cikket.