Knowledge Base Optimizer to narzędzie testowe, które pokazuje, jakie fragmenty Twoich danych treningowych chatbot znajduje dla dowolnego pytania. Używa ono mechanizmu wyszukiwania wiedzy bota oraz ustawień językowych dla pojedynczego pytania. Nie odtwarza całej rozmowy ani nie wywołuje akcji sklepu czy innych działań bota, więc nie jest dokładnym odzwierciedleniem każdej odpowiedzi na żywo.
Działa tylko w trybie odczytu: testowanie pytania w tym miejscu nie zmienia Twoich danych treningowych i w żaden sposób nie wpływa na Twojego chatbota.
Gdzie to znaleźć
Wybierz swojego chatbota w panelu głównym i otwórz zakładkę Training (Trenowanie). W lewej kolumnie, pod listą kategorii źródeł, kliknij Knowledge Base Optimizer (Optymalizator bazy wiedzy).
Jeśli Twój chatbot nie został jeszcze wytrenowany, zacznij najpierw od dodania danych treningowych - optymalizator może przeszukiwać wyłącznie wiedzę, która została już wytrenowana.
Testowanie pytania
- Wpisz pytanie w polu Wiadomość (Message) - najlepiej prawdziwe pytanie zadawane przez Twoich odwiedzających lub takie, na które chatbot ostatnio odpowiedział słabo.
- Kliknij Wyślij (Submit).
- Po chwili poniżej pojawią się pasujące fragmenty wiedzy, uszeregowane według rankingu wyszukiwania i zasad językowych.
Jak czytać wyniki
Każdy wiersz z wynikiem reprezentuje jeden fragment Twoich danych treningowych:
- Match (Dopasowanie) - wartość procentowa po lewej stronie wskazuje, jak dokładnie fragment odpowiada Twojemu pytaniu. Traktuj ją jako wskaźnik podobieństwa, a nie procentowe prawdopodobieństwo, że odpowiedź jest poprawna. Preferencje językowe oraz ponowne szeregowanie (reranking) mogą również wpływać na kolejność.
- Source (Źródło) - nagłówek wiersza przedstawia ikonę typu źródła oraz jego nazwę, na przykład adres URL wytrenowanej strony, nazwę pliku lub wpis Q&A.
- Language badge (Etykieta języka) - mała etykieta obok źródła pokazuje, jakim językiem oznaczono dany fragment. Źródła bez tagu językowego mają oznaczenie "any", co oznacza, że są używane dla każdego języka.
- Fragment content (Treść fragmentu) - kliknij wiersz, aby go rozwinąć i przeczytać dokładny tekst, który otrzyma chatbot.
Kolejność ma znaczenie. Wyniki są uporządkowane według trafności, a chatbot czyta je w tej kolejności - od góry - aż do wyczerpania limitu kontekstu wiedzy. Limit ten zależy od ustawień Chat Context Size (rozmiaru kontekstu czatu) i pamięci bota - fragmenty, które nie mieszczą się w budżecie, są odcinane od dołu. Jeśli oczekiwanego fragmentu brakuje lub znajduje się bardzo nisko na liście, chatbot najprawdopodobniej nie używa go podczas generowania odpowiedzi.
Polityka językowa
Nad polem wiadomości wiersz Polityka językowa (Language policy) wyjaśnia, jak Twój bot traktuje języki źródeł podczas wyszukiwania. W przypadku bota bez filtrowania językowego przeszukuje on wszystkie źródła jednocześnie. Dzięki funkcji Wielojęzyczność (Multi-language) skonfigurowana polityka może ograniczyć wyszukiwanie do języka głównego lub języka odwiedzającego, z uwzględnieniem wybranego języka zapasowego (fallback) oraz źródeł niezależnych od języka. Przeczytaj wyświetloną politykę przed interpretacją brakujących wyników.
W przypadku botów wielojęzycznych po każdym wyszukiwaniu pod polem wiadomości pojawia się dodatkowy wiersz informacyjny. Pokazuje on Wykryty język wiadomości (Detected message language - język rozpoznany przez narzędzie w Twoim pytaniu), Przeszukiwane języki (Searched languages - języki źródeł uwzględnione w wyszukiwaniu) oraz, jeśli narzędzie przeformułowało pytanie w celu dokładniejszego wyszukiwania, Doprecyzowane zapytanie (Refined query), które faktycznie zostało użyte.
Kiedy tego używać
- Chatbot odpowiada nieprawidłowo lub twierdzi, że nie wie. Przetestuj to samo pytanie tutaj. Jeśli brakuje właściwego fragmentu, sprawdź najpierw oryginalne źródło, status ukończenia jego trenowania, tag języka oraz wyświetlaną politykę językową. Brak wyników może również wynikać z rankingu lub budżetu kontekstu - nie dowodzi to, że informacji nie ma w bazie. Dodaj lub popraw treść dopiero po zidentyfikowaniu luki.
- Po ponownym trenowaniu. Kiedy ponownie trenujesz swoje źródła, zadaj kilka typowych pytań, aby upewnić się, że odświeżona treść jest pobierana zgodnie z oczekiwaniami.
- Przed wdrożeniem na żywo. Przetestuj najczęstsze pytania, które będą zadawać Twoi odwiedzający, i upewnij się, że każde z nich zwraca trafne fragmenty na samej górze.
Jeśli wyniki wykażą braki, popraw dane treningowe i przetestuj ponownie - zmiany staną się dostępne po zakończeniu trenowania. Następnie przetestuj odpowiedź w zakładce Test & Deploy (Testowanie i wdrożenie), zadając także realistyczne pytanie pomocnicze. Szerszy przewodnik znajdziesz w artykule Jak poprawić odpowiedzi chatbota.