Optymalizacja baz wiedzy dla dużych zbiorów danych.

Agent AI 3CX to niezwykle skuteczne narzędzie, które zmienia sposób interakcji z klientami i usprawnia obsługę zgłoszeń. Ale co zrobić, gdy Twój agent zaczyna zwalniać lub ma trudności z odnalezieniem informacji w gąszczu danych?

Dzisiaj przyjrzymy się najlepszym praktykom strukturyzowania źródeł wiedzy Agenta AI (często nazywanych bazami wiedzy). Dowiesz się, jak zadbać o ich najwyższą wydajność, by za każdym razem dostarczały szybkie, dokładne i trafne odpowiedzi – szczególnie w przypadku pracy z dużymi zbiorami danych.

Wybierz odpowiednie narzędzie: źródło wiedzy vs. dane na żywo

Jedno z najczęstszych pytań, jakie otrzymujemy, dotyczy wykorzystywania źródeł wiedzy do sprawdzania stanów magazynowych lub innych dynamicznych danych. Choć wgranie dużego pliku CSV z 50 000 wierszy produktów i stanów magazynowych może wydawać się intuicyjne, nie jest to idealne rozwiązanie dla Agentów AI 3CX.

Dlaczego duże pliki CSV z inwentarzem nie działają najlepiej

  • Precyzja i szybkość: Źródła wiedzy są zaprojektowane dla informacji opisowych – sekcji FAQ, polityk firmy, opisów produktów, instrukcji rozwiązywania problemów i ogólnych wskazówek. W przypadku wyszukiwania konkretnych kodów SKU czy dostępności towaru potrzebujesz odpowiedzi, która jest precyzyjna, błyskawiczna i aktualna.
  • Ograniczenia w wyszukiwaniu: Obecnie źródła wiedzy Agenta AI 3CX nie są budowane jako silniki do sprawdzania stanów magazynowych w czasie rzeczywistym. Nawet jeśli podzielisz duży plik CSV na mniejsze części, nie będzie to tak rzetelne ani wydajne, jak bezpośrednie zapytanie do Twojego systemu magazynowego. Technologia OpenAI, która napędza naszych agentów, pozwala na przesyłanie plików CSV, ale nie są one optymalizowane pod kątem tak specyficznego, precyzyjnego pobierania danych w czasie rzeczywistym.

Dla danych dynamicznych, takich jak stany magazynowe, najlepiej sprawdzają się zapytania do bazy danych lub API. Na ten moment unikaj używania źródeł wiedzy dla ogromnych spisów produktów i zachowaj je dla informacji ogólnych, na które AI może odpowiedzieć w sposób wiarygodny.

Optymalizacja źródeł wiedzy pod kątem szybkości i dokładności

Sprawdźmy teraz, do czego bazy wiedzy nadają się najlepiej i jak sprawić, by działały wydajnie. Jeśli zauważysz, że Twój Agent AI odpowiada wolniej po podpięciu źródła wiedzy, zazwyczaj wynika to ze sposobu strukturyzacji danych.

Kluczem do szybkiego wyszukiwania informacji jest ich odpowiedni podział, jasny opis oraz zapisanie w przejrzystym, uporządkowanym formacie, takim jak Markdown.

Jak maksymalnie przyspieszyć pobieranie informacji

  1. Dziel według tematów, a nie rozmiaru: Zamiast jednego gigantycznego pliku z wymieszanymi informacjami, podziel swoje źródła na jasne i odrębne tematy. Każdy plik lub źródło powinno mieć konkretny cel. Przykład: Jeśli sprzedajesz poduszki i jaśki, stwórz dwa oddzielne źródła wiedzy: „Informacje o poduszkach” i „Informacje o jaśkach”. Pomoże to AI wyizolować istotne dane i przetworzyć najmniejszy możliwy zestaw informacji.
  2. Unikaj dużych, wielotematycznych plików: Bardzo duże pliki, w których zgrupowano niepowiązane ze sobą tematy, nieuchronnie spowalniają wyszukiwanie i zmniejszają dokładność odpowiedzi. AI musi przebić się przez masę nieistotnych informacji, by znaleźć to, czego szuka.
  3. Wybieraj format Markdown dla plików źródłowych: Aby uzyskać najlepsze rezultaty, strukturyzuj treść swoich źródeł wiedzy w formacie Markdown (.md), o ile to możliwe. Pliki te są lekkie, przejrzyste i łatwe do odczytu, podziału oraz precyzyjnego pobierania danych przez systemy AI. Pozwalają one na stosowanie nagłówków, podnagłówków, wypunktowań, tabel i wyraźnych sekcji, co pomaga sztucznej inteligencji lepiej zrozumieć strukturę informacji.
  4. Stosuj jasne opisy: Tworząc wiele źródeł wiedzy, segreguj informacje tak, by się nie pokrywały. Bardzo ważne jest, aby nadać każdemu źródłu jasny opis. Służy on jako drogowskaz dla AI, pomagając jej wybrać najbardziej odpowiednie źródło na podstawie pytania użytkownika.
  5. Inteligentnie strukturyzuj pliki: Jeśli używasz plików CSV dla danych opisowych (nie dla stanów magazynowych na żywo), upewnij się, że ich zawartość jest łatwa do zidentyfikowania przez metryki bliskości (proximity metrics). Na przykład, jeśli masz dwa pliki CSV, upewnij się, że pierwsza kolumna jasno definiuje typ produktu lub dodaj na samej górze wiersz z wyraźnym opisem zawartości. Dzięki temu system będzie miał pewność, że tylko najbardziej trafny plik zostanie dopasowany do zapytania.

Przykład

Zamiast przesyłać pliki PDF, dokumenty Word lub zwykłe pliki tekstowe w ich pierwotnej, nieuporządkowanej formie, najpierw skonwertuj je na format Markdown (możesz do tego wykorzystać AI). Jest to szczególnie przydatne w przypadku firmowych baz wiedzy, sekcji FAQ, dokumentacji produktów, poradników rozwiązywania problemów i regulaminów.

Przykład dobrze ustrukturyzowanego pliku Markdown może wyglądać następująco:

# Product Returns Policy
## Return Window
Customers can return products within 30 days of purchase.
## Conditions
- The product must be unused.
- The original receipt is required.
- Damaged items must be reported within 48 hours.
## Refund Process
Refunds are processed within 5 business days.

Dołącz do dyskusji

Zapraszamy do dyskusji o 3CX na naszych dedykowanych forach dla Partnerów i Klientów. Obserwuj nas na X oraz LinkedIn, aby być na bieżąco z nowościami i premierami funkcji.