Melhorar o desempenho do seu chatbot ChatLab envolve afinar as suas definições e metodologias de treino. Comece por treinar o seu chatbot, selecione-o e utilize Overview (Visão geral) para fazer algumas perguntas reais de clientes. Registe as respostas esperadas, altere uma coisa de cada vez e repita as mesmas perguntas em novas conversas.
Custom Role Instructions para afinar respostas
As Custom Role Instructions (Instruções de função personalizadas) permitem definir diretrizes específicas para o comportamento e tom do seu chatbot, adaptando-o às necessidades do seu público. Eis como implementar e utilizar esta funcionalidade de forma eficaz:
-
Defina a função do bot: especifique claramente a função que o chatbot deve assumir. Por exemplo, "agente de apoio ao cliente", "assistente de vendas" ou "consultor técnico".
-
Defina diretrizes comportamentais: inclua instruções sobre tom, linguagem e estilo de resposta. Por exemplo:
- Tom: amigável, profissional ou formal.
- Linguagem: utilize explicações simples para utilizadores não técnicos ou jargão técnico para públicos especializados.
-
Incorpore detalhes específicos do contexto: adicione instruções relacionadas com o seu negócio ou setor. Por exemplo:
- "Se um utilizador perguntar sobre opções de entrega, dê prioridade à menção de envio gratuito, se disponível."
- "Ao falar sobre preços, inclua sempre detalhes sobre descontos de quantidade, se aplicável."
-
Teste e itere: teste a forma como o chatbot responde com as novas instruções de função, refine-as com base nas interações dos utilizadores e ajuste conforme necessário para alcançar o estilo de resposta e a precisão pretendidos.
Configure isto em Settings > Role & Behavior (Definições > Função e comportamento). Saiba mais sobre as definições de função e comportamento.
Atualizar para um modelo de IA mais potente
Compare os modelos disponíveis no seletor atual com as mesmas perguntas. Verifique se a resposta é precisa, se segue as suas instruções e se lida bem com perguntas de seguimento. A disponibilidade dos modelos e os custos em créditos mudam, pelo que deve utilizar as opções apresentadas e o guia de créditos de mensagens em vez de uma tabela fixa de preços de modelos.
Altere o seu modelo em Settings > Model & Advanced (Definições > Modelo e avançadas). Saiba mais sobre como selecionar modelos de IA.
Otimizar a base de conhecimento
Utilize o Knowledge Base Optimizer (Otimizador da base de conhecimento) para ver quais os fragmentos que correspondem a uma pergunta específica. Esta ferramenta testa a recuperação para uma pergunta isolada e não a popularidade histórica da fonte. Leia o conteúdo devolvido e compare-o com a resposta esperada.
Selecione o seu chatbot e abra Training > Knowledge Base Optimizer (Treino > Otimizador da base de conhecimento). Saiba mais sobre como utilizar o Knowledge Base Optimizer.
Adicionalmente, reduzir a criatividade do modelo pode tornar as respostas mais precisas e focadas no tema. Uma criatividade mais baixa pode reduzir a variação, mas não consegue corrigir informações em falta nem garantir a precisão factual. A disponibilidade depende do modelo selecionado. Pode ajustar isto em Settings > Model & Advanced através do controlo deslizante Creativity. Saiba mais sobre as definições de conversa.
Expansão de contexto
Considere expandir o contexto quando a informação relevante não couber. Um contexto maior permite incluir mais material, mas não garante uma resposta melhor. Também aumenta o consumo de créditos de mensagens, e tamanhos maiores exigem a funcionalidade de conta correspondente.
O ChatLab oferece três tamanhos de contexto diferentes: 8.000, 16.000 ou 32.000 tokens, com impacto direto na capacidade do chatbot de reter e utilizar informação. Escolher o tamanho de contexto adequado é um equilíbrio entre a qualidade de resposta pretendida e o orçamento operacional.
Configure o tamanho do contexto em Settings > Model & Advanced. Saiba mais sobre como aumentar o tamanho do contexto de chat.
Treino focado - menos é mais
Uma das formas mais eficazes de melhorar a qualidade das respostas é reduzir o conteúdo irrelevante nos seus dados de treino. O ChatLab utiliza a arquitetura RAG (Retrieval-Augmented Generation), que procura os fragmentos de informação mais relevantes ao responder a perguntas. Demasiado conteúdo genérico ou repetitivo cria ruído que pode confundir o processo de recuperação.
Por que razão o treino focado ajuda:
- O RAG pontua os fragmentos de conteúdo por relevância - o conteúdo irrelevante reduz a qualidade da pesquisa
- Elementos repetitivos (menus, rodapés, cabeçalhos) em todas as páginas inundam a base de conhecimento com ruído
- A IA pode recuperar fragmentos de baixo valor em vez de respostas específicas e úteis
Como focar o seu treino:
- Utilize a leitura de sitemaps em vez de rastreios completos do website
- Exclua elementos repetitivos de páginas, como cabeçalhos e rodapés
- Filtre secções de URL irrelevantes (notícias, imagens, comunicados de imprensa)
- Concentre-se em conteúdo de valor: páginas de produtos, FAQs, artigos de suporte, documentos de políticas
Para instruções detalhadas sobre a otimização das leituras do seu website, consulte como reduzir caracteres de treino ao analisar um website.
Formato preferencial para ficheiros de treino
Ao treinar o seu chatbot, escolha um formato de ficheiro que mantenha factos relacionados juntos. O texto é útil para explicações narrativas, enquanto folhas de cálculo e CSVs funcionam bem para registos tabulares:
-
Os ficheiros de texto permitem incluir termos contextualmente associados.
-
Garantem flexibilidade na estruturação da informação.
Por exemplo, ao adicionar uma tabela de preços para produtos, inclua termos associados:
- Termos da tabela de preços: "custo", "preço", "tarifas", "taxas", "valores", "orçamento"
Teste se consultas como "Quais são os vossos valores?" ou "Mostre-me os detalhes dos custos" recuperam a fonte correta e geram a resposta esperada.
Adicionar correções a partir dos chatlogs
Reveja o histórico de conversas do seu chatbot e adicione correções sempre que detetar respostas incorretas ou aquém do ideal. Isto ensina o chatbot a partir dos seus erros e melhora as respostas futuras a perguntas semelhantes.
Aceda ao separador Chatlogs (Registos de chat), localize as conversas com problemas e clique no ícone de edição junto a qualquer resposta do bot para adicionar uma correção. Saiba mais sobre como adicionar e editar correções.