360D

خانه · همه خدمات · آموزش هوش مصنوعی روی دانش شما

آموزش هوش مصنوعی روی دانش شما

RAG و قطعه‌بندی.

اسناد شرکت به قطعه‌های معنادار تبدیل می‌شوند و چت‌بات فقط از همان قطعه‌ها جواب می‌دهد. کنار هر پاسخ، نام سند و بخش آن می‌آید تا تیم شما بتواند جواب را با منبع اصلی تطبیق دهد.

از سند تا جواب مشتری

منابع دانش

آموزش از اسنادی شروع می‌شود که تیم شما همین حالا به آن‌ها رجوع می‌کند: PDF دستورالعمل، صفحات سایت، فایل اکسل قیمت، کاتالوگ محصول، پرسش‌های پرتکرار و تیکت‌های بسته‌شده پشتیبانی. هر منبع با تاریخ و مسئول مشخص وارد پایگاه می‌شود تا بعداً معلوم باشد جواب از کدام فایل آمده است.

نسخه تکراری، سند منسوخ و فایلی که متن قابل‌خواندن ندارد کنار گذاشته می‌شود. اگر قیمت یا یک قانون عوض شود، فقط همان سند به‌روز می‌شود و لازم نیست مدل را از اول بسازید.

قطعه‌بندی متن

متن بلند به قطعه‌هایی تقسیم می‌شود که هر کدام یک موضوع را کامل بگوید. مرز قطعه‌ها روی عنوان، پاراگراف و جدول می‌نشیند. بین دو قطعه هم‌پوشانی می‌گذاریم تا اگر جواب روی مرز دو بخش باشد، هر دو تکه در جستجو پیدا شوند.

اندازه قطعه با نوع سند تنظیم می‌شود: بند کوتاه برای سوالات پرتکرار، قطعه بلندتر برای قرارداد و دفترچه فنی. این همان Chunking است. مدل در هر سوال همین قطعه‌ها را می‌خواند، نه کل فایل را.

بردار معنایی

هر قطعه به یک بردار عددی تبدیل می‌شود که معنی جمله را نگه می‌دارد. جستجو به عین کلمه محدود نمی‌ماند. سوال «مهلت گارانتی چقدر است» می‌تواند بندی را پیدا کند که در آن «ضمانت هجده‌ماهه» نوشته شده، حتی اگر واژه گارانتی در سند نیامده باشد.

بردار با مدلی ساخته می‌شود که فارسی را درست بفهمد. نام محصول، کد کالا و عددها داخل متن قطعه می‌مانند تا جستجوی معنایی و جستجوی دقیق کنار هم کار کنند.

پایگاه برداری

بردارها در یک پایگاه برداری ذخیره می‌شوند. با هر سوال، نزدیک‌ترین قطعه‌ها از نظر معنی برمی‌گردند؛ چند بند مرتبط، نه کل آرشیو. بازیابی را می‌توان به یک محصول، یک زبان یا یک دسته سند محدود کرد تا جواب فروش با جواب پشتیبانی مخلوط نشود.

وقتی سندی عوض می‌شود، فقط قطعه‌های همان سند دوباره ساخته و جایگزین می‌شوند. پایگاه برای حجم کاتالوگ و آرشیو تیکت اندازه گرفته می‌شود و زمان پیدا کردن بند مناسب را کوتاه نگه می‌دارد.

تولید پاسخ

مدل زبانی قطعه‌های پیدا‌شده را می‌خواند و جواب را به زبان مشتری می‌نویسد. اگر در آن قطعه‌ها پاسخی نباشد، موضوع را حدس نمی‌زند؛ می‌گوید در منابع فعلی نیست یا گفتگو را به همکار شما می‌سپارد.

بسته به سختی سوال از GPT، Claude، Gemini یا یک مدل متن‌باز استفاده می‌کنیم. سوال ساده با مدل سبک‌تر و سوال فنی با مدل دقیق‌تر جواب می‌گیرد. مشتری یک پاسخ واحد می‌بیند و انتخاب مدل در لایه مسیریابی انجام می‌شود.

پاسخ به مشتری

همان جواب، همراه با نام سند و بخش، در ویجت سایت، واتس‌اپ، تلگرام، بله، روبیکا و ایتا فرستاده می‌شود. مشتری یک گفتگوی عادی می‌بیند و تیم شما در پنل منبع را چک می‌کند.

اگر اطمینان مدل پایین باشد، گفتگو با خلاصه و قطعه‌های پیدا‌شده به اپراتور می‌رسد. اپراتور پرونده را از صفر نمی‌خواند؛ زمینه سوال و بندهای مرتبط جلوی اوست.

کنار مسیر آموزش

  • یک API برای همه مدل‌ها

    ChatGPT، Claude، Gemini، DeepSeek و مدل‌های متن‌باز از یک اتصال در دسترس‌اند. تعویض مدل، قرارداد جدا با هر شرکت لازم ندارد.

  • مسیریابی و کنترل هزینه

    هر سوال به مدلی می‌رود که برای همان کار از نظر کیفیت و قیمت مناسب است. اگر یک سرویس قطع باشد، مدل بعدی جواب می‌دهد و مصرف توکن در پنل دیده می‌شود.

  • پاسخ مستند و داخل سازمان

    جواب فقط از منابع شما ساخته می‌شود و سندش کنارش می‌آید. در پلن سازمانی مدل می‌تواند روی سرور خودتان باشد تا داده از شرکت خارج نشود.

مسیر کار

  1. جمع‌آوری منابع

    فایل‌ها، آدرس سایت و تیکت‌های منتخب را یک‌جا می‌گیریم و موارد تکراری یا منسوخ را کنار می‌گذاریم.

  2. ساخت پایگاه دانش

    متن قطعه‌بندی می‌شود، بردار معنایی می‌گیرد و در پایگاه برداری ذخیره می‌شود. یک دور نمونه سوال روی همین پایگاه تست می‌شود.

  3. انتشار روی کانال‌ها

    همان دانش به ویجت سایت و پیام‌رسان‌ها وصل می‌شود. تیم شما منبع هر جواب را در پنل می‌بیند و در صورت نیاز گفتگو را تحویل می‌گیرد.

درخواست مشاوره رایگان

RAG و قطعه‌بندی سند چطور چت‌بات را به دانش شرکت محدود می‌کند

مدل زبانی شرکت شما را بلد نیست

ChatGPT و مدل‌های مشابه متن عمومی بلدند، نه تعرفه و آیین‌نامه داخلی. اگر بدون منبع از آن‌ها جواب بخواهید، یا حدس می‌زنند یا دانش قدیمی را قاطی می‌کنند.

RAG یعنی هنگام سوال، قطعه‌های مرتبط از اسناد خودتان پیدا شود و مدل فقط با همان متن جواب بسازد. نام سند کنار پاسخ می‌آید تا قابل چک باشد.

قطعه‌بندی اگر معنا را ببرد، جستجو هم خراب می‌شود

نصف کردن PDF از وسط جمله، برداری می‌سازد که نه سوال را جواب می‌دهد نه به قطعه بعدی وصل است. هر قطعه باید به‌تنهایی قابل فهم باشد و با قطعه کناری هم‌پوشانی داشته باشد.

جدول قیمت، بند قرارداد و سوال پرتکرار یک جور تکه نمی‌شوند. نوع سند تعیین می‌کند مرز قطعه کجا باشد.

منبع را قبل از مدل تمیز کنید

PDF تکراری، صفحه منسوخ سایت و کاتالوگ سال قبل را اگر وارد پایگاه کنید، مدل همان را با اطمینان نقل می‌کند. جمع‌آوری یعنی دور ریختن نسخه قدیمی، نه فقط آپلود همه‌چیز.

منابع معمول: PDF، صفحات سایت، اکسل، کاتالوگ، سوالات پرتکرار و تیکت‌های قبلی. تیکت خوب است به شرطی که جواب انسانی‌اش هنوز معتبر باشد.

مدل قابل تعویض است، پایگاه دانش نه

بعد از Embedding، می‌توان GPT، Claude، Gemini یا یک مدل متن‌باز را روی همان قطعه‌ها گذاشت. تعویض مدل ارزان‌تر از ساختن دوباره دانش است.

اگر سیاست شرکت این است که داده خارج نشود، مدل را روی سرور خودتان می‌گذاریم و بازیابی همچنان از همان پایگاه انجام می‌شود. جزئیات اتصال در صفحه API مدل‌ها آمده است و چت‌بات فقط همان قطعه‌ها را برای مشتری می‌خواند.