Skip to content
Clienta.ai

Knowledge Base & RAG

Knowledge Base & RAG

Section titled “Knowledge Base & RAG”

Knowledge Base သည် သင်၏ AI bot ၏ အခြေခံအုတ်မြစ် ဖြစ်သည်။ သင်၏ အဖွဲ့အစည်း၏ စစ်မှန်သော စာရွက်စာတမ်းများကို တင်လိုက်ပါ — bot သည် ဤဒေတာမှ သင်ကြားပြီး ထက်မြက်သော RAG (Retrieval-Augmented Generation) pipeline ကို အသုံးပြု၍ မေးခွန်းများကို ဖြေဆိုသည်။

Knowledge Base — Document List

စာရွက်စာတမ်းများ တင်ခြင်း

Section titled “စာရွက်စာတမ်းများ တင်ခြင်း”

  1. ဘယ်ဘက် menu တွင် Knowledge Base သို့ သွားပါ။

  2. Upload Document ကို နှိပ်ပြီး ဖိုင်တစ်ခု (PDF, DOCX, သို့မဟုတ် TXT) ကို ရွေးပါ။

  3. စနစ်မှ စာရွက်စာတမ်းကို စီမံဆောင်ရွက်ပြီး index တင်သည်အထိ စောင့်ပါ။ ပြီးမြောက်သောအခါ status တွင် Ready ဟု ပြသမည်။

  4. တင်ထားသော စာရွက်စာတမ်းမှ bot မေးခွန်းများ ဖြေနိုင်မနိုင် စစ်ဆေးရန် ညာဘက်ရှိ Test Bot panel တွင် bot ကို စမ်းသပ်ပါ။

Upload Document Dialog

စာသားမှ ဖန်တီးခြင်း

Section titled “စာသားမှ ဖန်တီးခြင်း”

ဖိုင် တင်ခြင်းများ အပြင် စာသားမှ တိုက်ရိုက် knowledge base entries များ ဖန်တီးနိုင်သည်—

  1. Create from Text ကို နှိပ်ပါ
  2. လွယ်ကူသောရည်ညွှန်းမှုအတွက် Title တစ်ခု ထည့်ပါ
  3. text editor တွင် အကြောင်းအရာကို paste လုပ်ပါ သို့မဟုတ် ရိုက်ထည့်ပါ
  4. Save ကို နှိပ်ပါ — စနစ်မှ ချက်ချင်း index တင်မည်

ဤနည်းသည် ဖိုင်မလိုဘဲ တိုက်ရိုက် ရေးသားလိုသည့် FAQ များ၊ မူဝါဒများ သို့မဟုတ် မည်သည့် အကြောင်းအရာများအတွက်မဆို အသုံးဝင်သည်။

RAG Pipeline

Section titled “RAG Pipeline”

အသုံးပြုသူ တစ်ဦးမှ မေးခွန်းတစ်ခု မေးသောအခါ စနစ်မှ ၄ ဆင့် RAG pipeline မှတဆင့် ဆောင်ရွက်သည်—

  1. Hybrid Search — keyword နှင့် semantic vector search နှစ်မျိုးစလုံးကို တပြိုင်တည်း အသုံးပြုကာ စာရွက်စာတမ်းအားလုံးကို ရှာဖွေပြီး သက်ဆိုင်သော အကြောင်းအရာ မကျန်ကြောင်း သေချာစေသည်။

  2. Query Rewriting — မေးခွန်းများ မှေးမှိန်နေသောအခါတွင်ပင် ရယူမှု တိကျမှုကို မြှင့်တင်ရန် အသုံးပြုသူ၏ မေးခွန်းကို ပိုမို တိကျပြီး ရှာဖွေမှုနှင့် သင့်လျော်သောပုံစံသို့ ပြန်ရေးသည်။

  3. Re-ranking — ရယူလာသော စာရွက်စာတမ်း chunks များကို သက်ဆိုင်မှုအလိုက် အဆင့်သတ်မှတ်ပြီး ပြန်စီသောကြောင့် အသင့်တော်ဆုံး အကြောင်းအရာကို AI model သို့ ဦးစွာ ပေးပို့သည်။

  4. Generate Answer — AI model မှ ရယူလာသော အကြောင်းအရာကို အခြေခံ၍ source ကိုးကားချက်များနှင့်အတူ သဘာဝဘာသာ ဖြေကြားချက်ကို ထုတ်ပေးသည်။

RAG လုပ်ဆောင်ချက်များ

Section titled “RAG လုပ်ဆောင်ချက်များ”
လုပ်ဆောင်ချက်ဖော်ပြချက်
Hybrid Searchပိုမိုမြင့်မားသော recall အတွက် keyword + semantic vector search ကို ပေါင်းစပ်သည်
Query Rewritingရယူမှု တိကျမှုကို မြှင့်တင်ရန် အသုံးပြုသူ မေးခွန်းများကို အလိုအလျောက် ပြန်ပြောင်းသည်
Re-rankingအသင့်တော်ဆုံး chunks များကို ထုတ်ပေါ်စေရန် cross-encoder re-ranking ပြုလုပ်သည်
Smart Model Routingရှုပ်ထွေးမှုနှင့် ကုန်ကျစရိတ်အပေါ် မူတည်၍ queries များကို သင့်တော်သော model သို့ လမ်းကြောင်းညွှန်သည်

Guardrail Modes

Section titled “Guardrail Modes”

bot သည် knowledge base အတွင်း မည်မျှတင်းကျပ်စွာ ရှိနေသည်ကို ထိန်းချုပ်ပါ—

Modeအပြုအမူ
StrictBot သည် တင်ထားသော စာရွက်စာတမ်းများမှသာ ဖြေဆိုသည်။ သက်ဆိုင်သော အကြောင်းအရာ မတွေ့ပါက ဖြေဆိုရန် ငြင်းပယ်သည်။
HybridBot သည် knowledge base ကို အဓိကအသုံးပြုသော်လည်း လိုအပ်သောအခါ ယေဘုယျ အသိပညာဖြင့် ဖြည့်စွက်နိုင်သည်။
OpenBot သည် knowledge base ကို context အဖြစ် အသုံးပြုသော်လည်း မိမိ training data မှ လွတ်လပ်စွာ ဖြေဆိုနိုင်သည်။

Test Bot

Section titled “Test Bot”

မတည်မငြိမ် မဖြစ်မီ knowledge base ကို စစ်ဆေးရန် Test Bot panel ကို အသုံးပြုပါ—

Test Bot Page

  • အသုံးပြုသူကဲ့သို့ မေးခွန်းများ ရိုက်ထည့်ပါ
  • ဖြေဆိုချက်များ သင်၏ စာရွက်စာတမ်းများကို အခြေခံနေကြောင်း စစ်ဆေးပါ
  • bot မှ ရယူသည့် စာရွက်စာတမ်း chunks များကို ကြည့်ရန် Source view ကို အသုံးပြုပါ
  • လိုအပ်ပါက guardrail mode ကို ချိန်ညှိပြီး ပြန်စမ်းသပ်ပါ

Knowledge base ပြောင်းလဲမှုများသည် Test Bot တွင် ချက်ချင်း အကျိုးသက်ရောက်သည် — ပြန်လည် deploy ပြုလုပ်ရန် မလိုအပ်ပါ။

KB Auto-Suggest Drafts

Section titled “KB Auto-Suggest Drafts”
v1.6.0

KB Auto-Suggest

auto-suggest လုပ်ဆောင်ချက်သည် Analytics dashboard မှ ဖြေဆိုမရသော မေးခွန်းများ ကို ခွဲခြမ်းစိတ်ဖြာပြီး အကြောင်းအရာ ကွာဟချက်များကို ဖြည့်ဆည်းရန် knowledge base ဆောင်းပါး မူကြမ်းများကို အလိုအလျောက် ထုတ်ပေးသည်—

  1. စနစ်မှ သက်ဆိုင်သော စာရွက်စာတမ်း မရှိသည့် ဖြေဆိုမရသော မေးခွန်းများမှ အကြောင်းအရာများကို ဖော်ထုတ်သည်
  2. မေးခွန်း ပုံစံများကို အခြေခံ၍ အကြံပြုချက် အကြောင်းအရာနှင့်အတူ မူကြမ်း စာရွက်စာတမ်းတစ်ခု ကို ထုတ်ပေးသည်
  3. မူကြမ်းများသည် “Suggested Draft” badge နှင့်အတူ Analytics → Unanswered section တွင် ပေါ်လာသည်
  4. မူကြမ်းကို ပြန်လည်စစ်ဆေး၍ တည်းဖြတ်ပြီး ချက်ချင်း bot coverage မြှင့်တင်ရန် ထုတ်ဝေပါ
Section titled “Cross-Lingual Search”
v1.6.10

RAG pipeline သည် cross-lingual retrieval ကို ထောက်ပံ့သည် — ဧည့်သည်များသည် ဘာသာစကားတစ်မျိုးဖြင့် မေးခွန်းများ မေးကာ မတူညီသော ဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းများမှ ရယူထားသော ဖြေဆိုချက်များကို ရရှိနိုင်သည်။

ယင်းသည် ယန္တရားနှစ်ခုမှတဆင့် လုပ်ဆောင်သည်—

  1. Query translation — query rewrite service မှ English ဘာသာမဟုတ်သော queries များကို ရှာဖွေမတိုင်မီ အလိုအလျောက် English သို့ ဘာသာပြန်သောကြောင့် ဧည့်သည်၏ ဘာသာစကားကို မသက်ဆိုင်ဘဲ English ဘာသာ စာရွက်စာတမ်းများကို ရှာဖွေတွေ့ရှိနိုင်သည်။
  2. Wider search net — reranker ကို ဖွင့်ထားသောအခါ cosine similarity နည်းသော်လည်း semantic relevance မြင့်မားသည့် cross-lingual နှင့် ဒေသိယ queries များကို reranker မစစ်ဆေးမီ ဖယ်ထုတ်မခံရစေရန် စနစ်မှ ပိုမိုနိမ့်သော ကနဦး similarity threshold ကို အသုံးပြုသည်။

ဘာသာပြင်ဆင်မှု မလိုအပ်ပါ — RAG pipeline ၏ query rewriting နှင့် reranking လုပ်ဆောင်ချက်များ ဖွင့်ထားပါက cross-lingual search ကို မူလပြင်ဆင်မှုဖြင့် ဖွင့်ထားသည်။ query translation မရရှိနိုင်ပါက စနစ်မှ မူလ query ဖြင့် ရှာဖွေမှုသို့ fallback ပြုလုပ်သည်။ English ဘာသာ knowledge bases ဖြင့် ဘာသာစကားစုံ ဧည့်သည်များကို ဝန်ဆောင်မှုပေးသော အဖွဲ့အစည်းများအတွက် တိုးတက်မှုသည် အထူးသိသာသည်။