Markdown - это облегченный язык разметки, который добавляет структуру обычному тексту. Когда вы предоставляете обучающие данные с разметкой Markdown, ИИ может лучше понимать разделы, иерархию и ссылки в вашем контенте - а также использовать эту структуру при ответах пользователям. Сначала создайте чат-бота и ознакомьтесь с основами обучения.
Как работает Markdown в ChatLab
Markdown используется двумя способами в зависимости от источника обучения:
- Источники веб-сайтов - ChatLab извлекает читаемый контент и сохраняет ссылки в сохраненном тексте. Не предполагайте, что сканирование сохранит каждый заголовок, таблицу или другие элементы исходного форматирования страницы; проверяйте предварительный просмотр источника.
- Источники текста и Вопросов и ответов - вы пишете Markdown вручную. Текстовые поля принимают исходный синтаксис Markdown, который сохраняется без изменений и используется во время обучения.
В обоих случаях структурированные данные помогают ИИ распознавать разделы, выделять ключевую информацию и включать релевантные ссылки в свои ответы.
Markdown в источниках веб-сайтов
При обучении на основе веб-сайтов (Training > Links (Обучение > Ссылки)), ChatLab автоматически преобразует содержимое страницы в текстовый формат, сохраняющий ссылки. Внешние ссылки сохраняются с использованием синтаксиса ссылок Markdown, поэтому ИИ может ссылаться на них в ответах.
Чтобы посмотреть, как сохранена отсканированная страница, нажмите кнопку View (Просмотр) рядом с любой обученной ссылкой. В окне предварительного просмотра отображается сохраненный контент, включая любые ссылки в формате Markdown.
В приведенном выше примере адрес электронной почты сохранен как [info@yoursite.com](mailto:info@yoursite.com) - ссылка Markdown, которую ИИ может включать в виде кликабельной ссылки в свои ответы.
Markdown в источниках текста
Выберите своего чат-бота, перейдите в раздел Training > Text (Обучение > Текст) и нажмите Add New Training: Text (Добавить новое обучение: Текст). В поле Text вы можете вводить синтаксис Markdown напрямую.
В приведенном выше примере показана политика возврата, оформленная с помощью заголовков Markdown (#, ##), жирного шрифта (**30 days**), маркированных списков (-) и ссылок ([Returns Portal](https://example.com/returns)).
Markdown в источниках Вопросов и ответов
Перейдите в раздел Training > Questions & Answers (Обучение > Вопросы и ответы) и нажмите Add New Training: QA (Добавить новое обучение: Вопросы и ответы). Поле Answer поддерживает синтаксис Markdown, что позволяет вам структурировать ответы с помощью списков, жирного шрифта и ссылок.
Поддерживаемый синтаксис Markdown
Ниже приведен справочник элементов Markdown, которые вы можете использовать в источниках обучения «Текст» и «Вопросы и ответы»:
Заголовки - используйте # для главного заголовка, ## для подзаголовка, и так далее до ###### для самого маленького уровня заголовка.
# Main heading
## Subheading
### Smaller heading
Жирный и курсивный шрифт - обрамляйте текст **двойными звездочками** для получения жирного шрифта или *одинарными звездочками* для курсива.
**bold text**
*italic text*
Маркированные списки - начинайте каждую строку с - или *, за которыми следует пробел.
- First item
- Second item
- Third item
Нумерованные списки - начинайте каждую строку с цифры, за которой следуют точка и пробел.
1. First step
2. Second step
3. Third step
Ссылки - используйте формат [текст ссылки](URL), чтобы создавать кликабельные ссылки.
Visit our [Help Center](https://example.com/help)
Email us at [support@example.com](mailto:support@example.com)
Изображения - используйте  для добавления изображений. ИИ может описывать их или ссылаться на них в ответах.
Как Markdown выглядит в ответах чата
Виджет чата может отображать отформатированные ответы, включая маркированные списки, полужирный шрифт, нумерованные шаги и кликабельные ссылки. Наличие Markdown в обучающих данных не гарантирует, что чат-бот использует точно такое же форматирование в своем ответе.
Виджет чата поддерживает отображение заголовков, жирного текста, курсива, списков (нумерованных и маркированных), ссылок, изображений и надстрочных знаков.
Завершите обучение и протестируйте
Задайте название для вашего набора «Текст» или «Вопросы и ответы» и нажмите Start Training (Начать обучение) или Update (Обновить) при редактировании. Дождитесь статуса Training completed (Обучение завершено) в списке источников; время обработки зависит от объема контента и продолжается после принятия источника, даже если вы покинете страницу. Откройте Overview (Обзор) и задайте вопрос по источнику, чтобы проверить как сам ответ, так и его форматирование. Полные формы см. в статьях Добавление обычного текста или Добавление вопросов и ответов.
Расход символов
Символы синтаксиса Markdown (#, **, -, []() и т. д.) учитываются в лимите символов ваших обучающих данных. Дополнительный объем зависит от того, сколько заголовков, URL-адресов и других символов форматирования вы добавляете; фиксированного процента нет.
Например, ссылка [Help Center](https://example.com/help) использует больше символов, чем просто текст «Help Center», но дает ИИ URL-адрес, который он может включить в ответы.
Если вы приближаетесь к своему лимиту символов, вы можете уменьшить их расход, упростив разметку Markdown - например, используя меньше заголовков или сокращая текст ссылок.
Советы по эффективному обучению с помощью Markdown
- Используйте заголовки для структурирования тем - это помогает ИИ определять, какой раздел вашего контента относится к вопросу пользователя
- Используйте списки для вариантов, шагов или функций - ИИ часто повторяет эту структуру в своих ответах
- Добавляйте ссылки на важные страницы - ИИ сможет предоставлять эти ссылки при ответах на связанные вопросы
- Не усложняйте - базовый Markdown (заголовки, списки, полужирный шрифт, ссылки) наиболее эффективен. Сложное форматирование, такое как вложенные таблицы, может не улучшить качество ответов
Похожие статьи
- Добавление обычного текста - добавление и редактирование текстового контента
- Добавление вопросов и ответов - создание пар вопросов и ответов для точных реплик
- Обучение чат-бота: основы и лимиты - знакомство с лимитами обучающих данных
- Понимание лимитов обучающих данных - как работает подсчет символов