skipLink.label

Knowledge Base & RAG

Knowledge Base คือหัวใจของ Clienta.ai — AI จะตอบคำถามลูกค้าจากเอกสารที่คุณอัปโหลด ไม่ใช่ตอบจากความรู้ทั่วไป

การอัปโหลดเอกสาร

heading.anchorLabel
  1. ไปที่หน้า Knowledge ในเมนูซ้าย
  2. คลิก อัปโหลดเอกสาร
  3. เลือกไฟล์ — รองรับ PDF, DOCX, TXT
  4. ระบบจะประมวลผลอัตโนมัติ: แยกข้อความ → สร้าง embeddings → จัดเก็บใน vector database

สร้างจากข้อความ (Create from Text)

heading.anchorLabel

นอกจากอัปโหลดไฟล์ คุณสามารถพิมพ์หรือวางข้อความโดยตรงเพื่อสร้างเอกสารใหม่ได้ — เหมาะกับ FAQ สั้นๆ หรือข้อมูลที่ยังไม่มีไฟล์

RAG (Retrieval-Augmented Generation)

heading.anchorLabel

เมื่อลูกค้าถามคำถาม ระบบจะ:

  1. ค้นหาเอกสาร ที่เกี่ยวข้องด้วย Hybrid Search (Vector + Keyword)
  2. ปรับคำถาม อัตโนมัติ (Query Rewriting) เพื่อจับ context ได้ดีขึ้น
  3. จัดอันดับ ผลลัพธ์ด้วย AI Re-ranking เพื่อเลือกข้อมูลที่ตรงที่สุด
  4. สร้างคำตอบ จาก context ที่ค้นพบ พร้อมอ้างอิงแหล่งที่มา

เทคโนโลยี RAG ที่เปิดใช้งาน

heading.anchorLabel
ฟีเจอร์คำอธิบาย
Hybrid Searchค้นหาทั้ง vector similarity และ keyword matching — ได้ผลลัพธ์ครอบคลุม
Query RewritingAI ปรับคำถามอัตโนมัติก่อนค้นหา — จับ intent ได้แม่นขึ้น
Re-rankingจัดลำดับผลลัพธ์ด้วย Cohere AI — เลือก context ที่ดีที่สุด
Smart Model Routingเลือกโมเดล AI อัตโนมัติตาม confidence — ประหยัดต้นทุน ไม่เสียคุณภาพ

Guardrail Modes

heading.anchorLabel

ควบคุมความเข้มงวดในการตอบ — ตั้งค่าที่หน้า AI Settings

โหมดเหมาะกับ
Strictธุรกิจที่ต้องการความแม่นยำสูง — ตอบเฉพาะเมื่อมีข้อมูลรองรับ
Hybridใช้งานทั่วไป — ตอบจาก knowledge base + เสริมความรู้ทั่วไปเมื่อจำเป็น
Openต้องการให้ AI ตอบได้อิสระ — เหมาะกับ creative use case

ไปที่หน้า Test Bot เพื่อทดสอบก่อนเปิดให้ลูกค้าใช้:

  • ถามคำถามและดูคำตอบ real-time
  • ดู debug signals: confidence score, source chunks ที่ใช้ตอบ, โมเดลที่เลือก
  • ปรับ guardrail mode แล้วทดสอบความแตกต่าง