Skip to main content

案例研究 - 應用知識庫 Part 1

應用知識庫 Part 1​

進入客服情境後，我們應該要去匯總用戶的問題並去找到最適合的答案，本章節將延續飯店的案例，來示範建立飯店 QA 知識庫並檢索該知識庫的內容用於 AI 客服。

Step 1：建立知識庫並上傳FAQ檔案​

Step 1-1：建立知識庫​

在左側的功能列點擊 Knowledge，這邊是知識庫(Knowledge Base)的功能，操作就像資料夾一樣簡單，首先我們先為飯店 QA 的 AI 客服建立一個專用的知識庫，點擊「Add New Knowledge Base」新增一個空白的知識庫。

info

輸入名稱(Name)與知識庫別名(Alias Name)，別名限英文字母小寫開頭，接受英文、數字、底線的組合。

此處我們輸入飯店KB與hotel_kb易於識別。

成功建立新知識庫

空白的知識庫包含了 Files 與 Tags

Step 1-2：匯入檔案​

點擊右上方的「Add」選擇 xlsx 類型檔案以繼續上傳。

Import File​

按照步驟指示選擇要上傳的檔案並點擊下一步

Processing​

匯入 xlsx 檔案前可先預覽並設定分段，分段是決定文件如何處理的方式。

  • 選擇匯入的工作表分頁。若需要選取其他更多分頁，可後續新增 segment 並選取需要的分頁，此處先選擇工作表 1 並繼續。
  • Skip header 設定是否跳過資料的第一列。假如第一列為標題列，此處可以勾選 Skip header，若第一列就是資料列，建議不要勾選Skip header。
  • 勾選需要匯入的欄位。
  • 選擇用於識別的欄位。當文件沒有 primary key 時，建議此處全選，範例檔案中為 title+question+answer。識別的欄位會作為後續 Enhancement 的計算。

Finish​

完成匯入檔案與分段（Segment）設定

回到檔案列表時，可以看到剛剛上傳的檔案正在處理中，請靜待系統處理檔案完成，完成後狀態會由 Processing 變成 Ready，代表該份文件已經被系統處理完成，知識已經可以被 AI 所使用。

Ready 的狀態

Step 1-3：檢視檔案與增強分段說明​

增強(Enhancement)有三種類型：

  • Supplement：用於補充說明該知識。
  • Question問題：選擇的該分段知識如為問題，可以去新增 enhancement 作為該問題的不同問法。
  • Answer答案：選擇的該分段知識如為問題，可以去新增 enhancement 作為該問題的其他不同的回答方式。
  • Tag：用於篩選。

其他功能說明

  • Upload 重新上傳，用於既有檔案資料的更新，比如原有50筆，新增到60筆時可以使用此上傳功能，套用相同的分段設定，不需要重新操作。Enhancement 會根據適當的 primary key 去 migrate 到新的檔案版本，不會消失。
  • 下載檔案
  • 刪除檔案
  • 新增分段設定，若 xlsx 有其他分頁，可以在此新增新的分段設定並選擇其他分頁，操作與匯入時相同。

若檔案有多個以上的分段，可以在上方的 Current Segment 切換檢視。

Step 2：使用 LLM Completion 產生檢索的關鍵字​

LLM 呼叫 LLM 來產生用於知識庫檢索的關鍵字。

  • Completion Model 選擇已經設定好的大型語言模型，或是可以點擊「Add」以新增 Completion Model 設定。
  • Prompt 選擇 Template(Advance) 並輸入以下範例請求 AI：
你是飯店的客服助手，每當客戶向你提出問題的時候，你都會先思考應該要輸入哪些`關鍵字句`到飯店的 FAQ 搜尋引擎進行搜尋相關的知識。你的目標是找出最合適的`關鍵字句`
* 由於飯店的 FAQ 搜尋引擎採用了先進的語意搜索模式，因此這些`關鍵字句`可以是多個同義的單詞或是多句同義的句子，你會盡可能的想出最能搜尋到符合客戶提問的知識。
* 這是你跟客戶過去的對話紀錄:

```
{{{history historyStart -1}}}
```

  • Output Schema

searchQuery 用以存放 LLM 產生的關鍵字句。

question 多輪問答，保留前一個問題的欄位。

{
  "type": "object",
  "properties": {
    "searchQuery": {
      "type": "string",
      "description": "searchQuery 是你經過思考後，你認為最適合拿去 FAQ 知識庫搜索的 1 ~ 3 個關鍵字句"
    },
    "question": {
      "type": "string",
      "description": "question 以第一人稱問句的形式彙整了客戶主要想問的問題"
    }
  },
  "required": [
    "searchQuery",
    "question"
  ]
}
note

詳細 JSON Schema 寫法，請參考JSON Schema

  • MaxTokens 設定消耗 Token 上限，此處選擇 Literal 類型並填入 4096 。Token 上限請依據選用的模型支援的範圍去設定，此處僅為範例。
  • 儲存設定

Step 3：Push Message​

將 LLM 生成的內容使用 Push Message 印出來。

  • Message 選擇 Expression 的類型，並輸入底下範例
  • Optional: 可以將 Processor 的 Description 改成容易識別的描述幫助工作流程的編排易讀性，例如改成「產生的關鍵字句」
  • 儲存設定
(() => {
  // return the result of the expression
  return "關鍵字: " + searchQuery + ", 問題:" + question;
})()

可先預覽一下目前產生的關鍵字句是什麼，是否有如預期的生成。

Step 4：Retrieve Knowledge​

將生成的關鍵字用於檢索知識庫。

  • Knowledge Base 選擇第一步時建立並匯入好檔案的知識庫，或是可以點擊「Add」以新增知識庫設定，注意知識庫內記得匯入檔案。
  • Text Query 用於檢索的關鍵字句，可以放剛剛建立的 searchQuery
(() => {
  // return the result of the expression
  return searchQuery;
})()

  • Similarity Threshold 填入 0 ~ 1 之間的數字，1 代表最相似，以此遞減。範例使用 0.4 這個數值。
  • Max Results 最多回覆幾筆，可以根據資料量與筆數來判斷，範例使用 5 表示最多回覆 5 筆。
  • Result Field 儲存結果的變數陣列，範例使用 faqs 來儲存。
  • Filter Tag 可以過濾增強的 Tag。
  • Sample K 預設 20。

Step 5：Push Message​

將 Retrieve Knowledge 的內容使用 Push Message 印出來。

  • Message 選擇 Expression 的類型，並輸入底下範例
  • Optional: 可以將 Processor 的 Description 改成容易識別的描述幫助工作流程的編排易讀性，例如改成「retrieve content」
  • 儲存設定
(() => {
  // return the result of the expression
  return JSON.stringify(faqs);
})()

Step 6：預覽 Bot​

點擊 Preview 來預覽工作流程是否有檢索到對應的問題回答。當用戶問了與知識庫相關的問題時，AI 應該要能精準搜尋到對應的回答。

▶️ 下一步​

note

可能會有 AI 找不到回答的情境

因此 Part 2 的範例我們會加上 Router、Update Context、Stream LLM Completion Message 去處理不同路徑的流程，近一步完善 Workflow。