Knowledge Base Optimizer - це інструмент тестування, який показує, які фрагменти ваших навчальних даних чатбот знаходить для будь-якого запитання. Він виконує точно такий самий пошук по базі знань, який чатбот проводить у реальних розмовах, тому те, що ви бачите в результатах, - це саме те, що отримує штучний інтелект під час відповіді.
Цей інструмент працює лише в режимі читання: тестування запитання тут не змінює ваші навчальні дані та жодним чином не впливає на вашого чатбота.
Де його знайти
Виберіть свого чатбота на головній панелі керування та відкрийте вкладку Training (Навчання). У лівій колонці, під списком категорій джерел, натисніть синю кнопку Knowledge Base Optimizer.
Якщо ви ще не навчали свого чатбота, почніть спочатку з додавання навчальних даних - оптимізатор може шукати лише ті знання, які вже були вивчені.
Тестування запитання
- Введіть запитання в поле Message (Повідомлення) - в ідеалі реальне запитання, яке ставлять ваші відвідувачі, або те, на яке чатбот нещодавно дав невдалу відповідь.
- Натисніть Submit (Надіслати).
- За мить нижче з'являться відповідні фрагменти знань, відсортовані від найкращого збігу до гіршого.
Інтерпретація результатів
Кожен рядок результату представляє один фрагмент ваших навчальних даних:
- Match (Збіг) - відсоток ліворуч показує, наскільки точно фрагмент відповідає вашому запитанню. Чим вищий показник, тим релевантніший фрагмент.
- Source (Джерело) - заголовок рядка показує піктограму типу джерела та його назву, наприклад URL-адресу навченої сторінки, назву файлу або запис «Запитання та відповіді».
- Language badge (Позначка мови) - невелика мітка поруч із джерелом показує, якою мовою позначено цей фрагмент. Джерела без мовної мітки показують «any», що означає, що вони використовуються для всіх мов.
- Fragment content (Вміст фрагмента) - натисніть на рядок, щоб розгорнути його та прочитати точний текст, який отримає чатбот.
Порядок має значення. Результати ранжуються за релевантністю, і чатбот читає їх саме в цьому порядку, зверху вниз, доки не вичерпається бюджет контексту знань. Цей бюджет залежить від налаштувань Chat Context Size (Розмір контексту чату) та пам'яті вашого бота - фрагменти, які не поміщаються в бюджет, відсікаються знизу. Якщо потрібний вам фрагмент відсутній або розташований дуже низько в списку, чатбот, швидше за все, не використовує його під час відповіді.
Мовна політика
Над полем повідомлення рядок Language policy (Мовна політика) пояснює, як ваш бот ставиться до мов джерел під час пошуку. Для одномовного бота пошук відбувається за всіма джерелами разом. Якщо у вас увімкнено Multi-language, пошук може бути обмежений мовою відвідувача плюс мовно-незалежні джерела, і цей інструмент відображає саме таку поведінку.
Для багатомовних ботів після кожного пошуку під полем повідомлення з'являється додатковий інформаційний рядок. Він показує Detected message language (Визначена мова повідомлення - мова, яку інструмент розпізнав у вашому запитанні), Searched languages (Мови пошуку - які мови джерел були включені в пошук), і, якщо інструмент перефразував ваше запитання для кращого пошуку, Refined query (Уточнений запит - запит, який він фактично використав).
Коли його використовувати
- Чатбот відповідає неправильно або каже, що не знає відповіді. Протестуйте те саме запитання тут. Якщо потрібний фрагмент відсутній у результатах, інформація відсутня у ваших навчальних даних (або сформульована занадто інакше) - додайте її як нове джерело або через виправлення.
- Після перенавчання. Коли ви виконуєте перенавчання своїх джерел, запустіть кілька типових запитань, щоб перевірити, чи оновлений контент підтягується належним чином.
- Перед запуском. Перевірте найпоширеніші запитання, які ставитимуть ваші відвідувачі, і переконайтеся, що для кожного з них релевантні фрагменти з'являються у верхній частині списку.
Якщо результати виявляють прогалини, покращіть свої навчальні дані та протестуйте знову - зміни застосовуються одразу після завершення навчання. Детальніші рекомендації див. у статті Як покращити відповіді чатбота.