คลังความรู้ & RAG
คลังความรู้ & RAG
Section titled “คลังความรู้ & RAG”คลังความรู้คือรากฐานของบอท AI ของคุณ อัปโหลดเอกสารจริงขององค์กร — บอทจะเรียนรู้จากข้อมูลเหล่านี้และตอบคำถามผ่านกระบวนการ RAG (Retrieval-Augmented Generation) อัจฉริยะ
การอัปโหลดเอกสาร
Section titled “การอัปโหลดเอกสาร”-
ไปที่ คลังความรู้ ในเมนูด้านซ้าย
-
คลิก อัปโหลดเอกสาร และเลือกไฟล์ (PDF, DOCX หรือ TXT)
-
รอให้ระบบประมวลผลและจัดทำดัชนีเอกสาร สถานะจะแสดง พร้อมใช้งาน เมื่อเสร็จสมบูรณ์
-
ทดสอบบอทในแผง ทดสอบบอท ทางด้านขวาเพื่อยืนยันว่าบอทสามารถตอบคำถามจากเอกสารที่อัปโหลดได้
อัปโหลดหลายไฟล์
Section titled “อัปโหลดหลายไฟล์”ขณะนี้คุณสามารถ อัปโหลดเอกสารหลายไฟล์ในครั้งเดียว ได้ แทนที่จะเพิ่มไฟล์ทีละไฟล์ ให้เลือกไฟล์ PDF, DOCX หรือ TXT หลายไฟล์ในการอัปโหลดแบบกลุ่มครั้งเดียว แต่ละไฟล์จะถูกประมวลผลและจัดทำดัชนีอย่างอิสระ และคุณจะได้รับผลลัพธ์รายไฟล์เพื่อให้เห็นได้ทันทีว่าเอกสารใดสำเร็จและเอกสารใดต้องการความสนใจ
ดาวน์โหลดเอกสาร
Section titled “ดาวน์โหลดเอกสาร”คุณสามารถ ดาวน์โหลด เอกสารที่คุณอัปโหลดไว้กลับเครื่องของคุณได้ — มีประโยชน์สำหรับการตรวจสอบ การแชร์ไฟล์ต้นฉบับ หรือการย้ายเนื้อหาระหว่างพื้นที่ทำงาน การดาวน์โหลดมีการตรวจสอบสิทธิ์และจำกัดขอบเขตเฉพาะองค์กรของคุณ ดังนั้นเฉพาะสมาชิกในทีมของคุณเท่านั้นที่ดึงไฟล์ของคุณได้ เส้นทางดาวน์โหลดจะถูกตรวจสอบเทียบกับระเบียนเอกสาร ซึ่งป้องกัน path-traversal และรับประกันว่าคุณจะได้รับเฉพาะไฟล์ที่เชื่อมโยงกับเอกสารนั้นๆ เท่านั้น
สร้างจากข้อความ
Section titled “สร้างจากข้อความ”นอกจากการอัปโหลดไฟล์ คุณยังสามารถสร้างรายการคลังความรู้ได้โดยตรงจากข้อความ:
- คลิก สร้างจากข้อความ
- ป้อน ชื่อเรื่อง เพื่อใช้อ้างอิง
- วางหรือพิมพ์เนื้อหาในตัวแก้ไขข้อความ
- คลิก บันทึก — ระบบจะจัดทำดัชนีทันที
วิธีนี้เหมาะสำหรับ FAQ, นโยบาย หรือเนื้อหาใดๆ ที่คุณต้องการเขียนโดยตรงโดยไม่ต้องใช้ไฟล์
กระบวนการ RAG
Section titled “กระบวนการ RAG”เมื่อผู้ใช้ถามคำถาม ระบบจะประมวลผลผ่านกระบวนการ RAG 4 ขั้นตอน:
-
Hybrid Search — ค้นหาในเอกสารทั้งหมดโดยใช้ทั้งการค้นหาด้วยคีย์เวิร์ดและการค้นหาเวกเตอร์เชิงความหมายพร้อมกัน เพื่อให้แน่ใจว่าไม่มีเนื้อหาที่เกี่ยวข้องถูกพลาด
-
Query Rewriting — เขียนคำถามของผู้ใช้ใหม่ให้แม่นยำและเหมาะสมกับการค้นหามากขึ้น ช่วยเพิ่มความแม่นยำในการค้นหาแม้คำถามจะไม่ชัดเจน
-
Re-ranking — ให้คะแนนและจัดลำดับชิ้นส่วนเอกสารที่ค้นพบใหม่ตามความเกี่ยวข้อง เพื่อให้เนื้อหาที่เกี่ยวข้องที่สุดถูกส่งให้โมเดล AI ก่อน
-
Generate Answer — โมเดล AI สร้างคำตอบในภาษาธรรมชาติโดยอิงจากเนื้อหาที่ค้นพบ พร้อมอ้างอิงแหล่งที่มา
ฟีเจอร์ RAG
Section titled “ฟีเจอร์ RAG”| ฟีเจอร์ | คำอธิบาย |
|---|---|
| Hybrid Search | รวมการค้นหาด้วยคีย์เวิร์ด + เวกเตอร์เชิงความหมายเพื่อเพิ่ม recall |
| Query Rewriting | เขียนคำถามผู้ใช้ใหม่อัตโนมัติเพื่อเพิ่มความแม่นยำในการค้นหา |
| Re-ranking | จัดลำดับใหม่ด้วย cross-encoder เพื่อดึงชิ้นส่วนที่เกี่ยวข้องที่สุดขึ้นมา |
| Smart Model Routing | กำหนดเส้นทางคำถามไปยังโมเดลที่เหมาะสมตามความซับซ้อนและต้นทุน |
โหมด Guardrail
Section titled “โหมด Guardrail”ควบคุมความเข้มงวดที่บอทยึดติดกับคลังความรู้:
| โหมด | พฤติกรรม |
|---|---|
| Strict | บอทตอบจากเอกสารที่อัปโหลดเท่านั้น ปฏิเสธที่จะตอบหากไม่พบเนื้อหาที่เกี่ยวข้อง |
| Hybrid | บอทใช้คลังความรู้เป็นหลัก แต่อาจเสริมด้วยความรู้ทั่วไปเมื่อจำเป็น |
| Open | บอทใช้คลังความรู้เป็นบริบท แต่สามารถตอบได้อย่างอิสระจากข้อมูลที่ฝึกมา |
ทดสอบบอท
Section titled “ทดสอบบอท”ใช้แผง ทดสอบบอท เพื่อยืนยันคลังความรู้ของคุณก่อนเปิดใช้งานจริง:
- พิมพ์คำถามในแบบที่ผู้ใช้จะถาม
- ตรวจสอบว่าคำตอบอิงจากเอกสารของคุณ
- ใช้มุมมอง Source เพื่อดูว่าบอทดึงชิ้นส่วนเอกสารใดมาใช้
- ปรับโหมด Guardrail และทดสอบใหม่หากจำเป็น
การเปลี่ยนแปลงคลังความรู้มีผลทันทีในทดสอบบอท — ไม่ต้องนำไปใช้งานใหม่
KB Auto-Suggest Drafts
Section titled “KB Auto-Suggest Drafts”
ฟีเจอร์ Auto-Suggest วิเคราะห์ คำถามที่ไม่มีคำตอบ จากแดชบอร์ด Analytics และสร้างร่างบทความคลังความรู้โดยอัตโนมัติเพื่อเติมเต็มช่องว่างของเนื้อหา:
- ระบบระบุหัวข้อจากคำถามที่ไม่มีคำตอบซึ่งไม่มีเอกสารที่ตรงกัน
- ระบบสร้าง ร่างเอกสาร พร้อมเนื้อหาที่แนะนำโดยอิงจากรูปแบบคำถาม
- ร่างจะปรากฏในส่วน Analytics → Unanswered พร้อมป้าย “Suggested Draft”
- ตรวจสอบ แก้ไข และเผยแพร่ร่างเพื่อปรับปรุงการครอบคลุมของบอทได้ทันที
การค้นหาข้ามภาษา
Section titled “การค้นหาข้ามภาษา”กระบวนการ RAG รองรับ การค้นหาข้ามภาษา — ผู้เยี่ยมชมสามารถถามคำถามในภาษาหนึ่งและรับคำตอบที่มาจากเอกสารที่เขียนในภาษาอื่น
ทำงานผ่านสองกลไก:
- การแปลคำถาม — บริการเขียนคำถามใหม่จะแปลคำถามที่ไม่ใช่ภาษาอังกฤษเป็นภาษาอังกฤษโดยอัตโนมัติก่อนค้นหา ทำให้เอกสารภาษาอังกฤษสามารถค้นพบได้โดยไม่คำนึงถึงภาษาของผู้เยี่ยมชม
- ขยายขอบเขตการค้นหา — เมื่อเปิดใช้งาน reranker ระบบจะใช้เกณฑ์ความคล้ายคลึงเริ่มต้นที่ต่ำกว่า เพื่อให้แน่ใจว่าคำถามข้ามภาษาและภาษาพูดที่มีความคล้ายคลึง cosine ต่ำกว่าแต่มีความเกี่ยวข้องเชิงความหมายสูงจะไม่ถูกกรองออกก่อนที่ reranker จะประเมิน
ไม่จำเป็นต้องตั้งค่าใดๆ — การค้นหาข้ามภาษาเปิดใช้งานโดยค่าเริ่มต้นเมื่อฟีเจอร์ query rewriting และ reranking ของกระบวนการ RAG ทำงานอยู่ หากการแปลคำถามไม่พร้อมใช้งาน ระบบจะถอยกลับไปค้นหาด้วยคำถามเดิม ผลลัพธ์ที่ดีขึ้นจะเห็นได้ชัดเป็นพิเศษสำหรับองค์กรที่มีคลังความรู้ภาษาอังกฤษที่ให้บริการผู้เยี่ยมชมหลายภาษา