Knowledge Base & RAG
Knowledge Base คือหัวใจของ Clienta.ai — AI จะตอบคำถามลูกค้าจากเอกสารที่คุณอัปโหลด ไม่ใช่ตอบจากความรู้ทั่วไป
การอัปโหลดเอกสาร
heading.anchorLabel- ไปที่หน้า Knowledge ในเมนูซ้าย
- คลิก อัปโหลดเอกสาร
- เลือกไฟล์ — รองรับ PDF, DOCX, TXT
- ระบบจะประมวลผลอัตโนมัติ: แยกข้อความ → สร้าง embeddings → จัดเก็บใน vector database
สร้างจากข้อความ (Create from Text)
heading.anchorLabelนอกจากอัปโหลดไฟล์ คุณสามารถพิมพ์หรือวางข้อความโดยตรงเพื่อสร้างเอกสารใหม่ได้ — เหมาะกับ FAQ สั้นๆ หรือข้อมูลที่ยังไม่มีไฟล์
RAG (Retrieval-Augmented Generation)
heading.anchorLabelเมื่อลูกค้าถามคำถาม ระบบจะ:
- ค้นหาเอกสาร ที่เกี่ยวข้องด้วย Hybrid Search (Vector + Keyword)
- ปรับคำถาม อัตโนมัติ (Query Rewriting) เพื่อจับ context ได้ดีขึ้น
- จัดอันดับ ผลลัพธ์ด้วย AI Re-ranking เพื่อเลือกข้อมูลที่ตรงที่สุด
- สร้างคำตอบ จาก context ที่ค้นพบ พร้อมอ้างอิงแหล่งที่มา
เทคโนโลยี RAG ที่เปิดใช้งาน
heading.anchorLabel| ฟีเจอร์ | คำอธิบาย |
|---|---|
| Hybrid Search | ค้นหาทั้ง vector similarity และ keyword matching — ได้ผลลัพธ์ครอบคลุม |
| Query Rewriting | AI ปรับคำถามอัตโนมัติก่อนค้นหา — จับ intent ได้แม่นขึ้น |
| Re-ranking | จัดลำดับผลลัพธ์ด้วย Cohere AI — เลือก context ที่ดีที่สุด |
| Smart Model Routing | เลือกโมเดล AI อัตโนมัติตาม confidence — ประหยัดต้นทุน ไม่เสียคุณภาพ |
Guardrail Modes
heading.anchorLabelควบคุมความเข้มงวดในการตอบ — ตั้งค่าที่หน้า AI Settings
| โหมด | เหมาะกับ |
|---|---|
| Strict | ธุรกิจที่ต้องการความแม่นยำสูง — ตอบเฉพาะเมื่อมีข้อมูลรองรับ |
| Hybrid | ใช้งานทั่วไป — ตอบจาก knowledge base + เสริมความรู้ทั่วไปเมื่อจำเป็น |
| Open | ต้องการให้ AI ตอบได้อิสระ — เหมาะกับ creative use case |
Test Bot
heading.anchorLabelไปที่หน้า Test Bot เพื่อทดสอบก่อนเปิดให้ลูกค้าใช้:
- ถามคำถามและดูคำตอบ real-time
- ดู debug signals: confidence score, source chunks ที่ใช้ตอบ, โมเดลที่เลือก
- ปรับ guardrail mode แล้วทดสอบความแตกต่าง