Salesforce در راهنمای تازهای توضیح داده است که دقت پاسخ عاملهای هوش مصنوعی، پیش از هر چیز به کیفیت و ساختار مقالات پایگاه دانش وابسته است. به گزارش Salesforce، این محتوا باید به بخشهای مستقل، روشن و دقیق تقسیم شود تا سامانه بتواند قسمت مرتبط را بازیابی کند و پاسخی متکی بر منبع ارائه دهد.
این شرکت میگوید عامل هوش مصنوعی هنگام پاسخگویی، تمام کتابخانه محتوا را از ابتدا تا انتها نمیخواند؛ بلکه در سازوکارهای رایج RAG چند قطعه مرتبط با پرسش را بازیابی میکند. بنابراین، قرار گرفتن چند فرایند نامرتبط در یک مقاله طولانی یا پنهان ماندن شروط مهم در میان پاراگرافهای متراکم میتواند به پاسخ ناقص یا نادرست منجر شود. Salesforce همچنین اعلام کرده است که اکنون ۴۰ درصد از تعاملات حل پرونده که هوش مصنوعی در آنها نقش دارد، بهطور کامل و خودکار انجام میشوند.
مقاله دانشی مناسب عامل هوش مصنوعی چه ویژگیهایی دارد؟
پیشنهاد اصلی Salesforce این است که هر مقاله فقط بر یک قصد یا فرایند مشخص کاربر تمرکز کند. پاسخ مستقیم باید در ابتدای مطلب قرار گیرد و عنوان، خلاصه و دستهبندی داده نیز بهعنوان نشانههای مهم بازیابی با دقت نوشته شوند. تیترها باید ترتیبی و بخشها مستقل باشند؛ بهگونهای که هر قطعه پس از جدا شدن از متن اصلی همچنان معنای کامل خود را حفظ کند.
در این الگو، شرایط، استثناها، هزینهها، مجوزهای لازم و هشدارهای امنیتی باید صریح نوشته شوند. منطق شرطی نیز نباید مبهم باشد؛ مسیر هر حالت، واحدها، زمانها و نام دقیق گزینههای رابط کاربری باید مشخص باشد. Salesforce توصیه میکند هشدارهای حساس پیش از مرحلهای قرار گیرند که ممکن است باعث از دست رفتن داده شود. دستورهای اصلی نیز نباید فقط داخل اسکرینشات، فایل صوتی یا ویدئو باقی بمانند و باید نسخه متنی قابل بازیابی داشته باشند.
ممیزی ۲۰ امتیازی برای اولویتبندی محتوا
Salesforce برای ارزیابی کتابخانه موجود، یک چارچوب ۲۰ امتیازی پیشنهاد کرده است. امتیاز ۱۶ تا ۲۰ نشان میدهد مقاله میتواند پس از کنترلهای ضروری و آزمون بازیابی و پاسخ، گزینه مناسبی برای RAG باشد. مطالب با امتیاز ۱۰ تا ۱۵ به اصلاح هدفمند نیاز دارند و امتیاز صفر تا ۹، بازطراحی ساختار مقاله را ضروری میکند.
این ارزیابی علاوه بر ساختار و دقت، تازگی محتوا و تعیین مالک مسئول برای بازبینی را نیز در نظر میگیرد. پیام نهایی راهنما برای تیمهای محتوا و اتوماسیون روشن است: اصلاح پرامپت بهتنهایی کافی نیست و هر پاسخ ناموفق باید به بازبینی، انتشار دوباره و ایندکس مجدد مقاله دانشی مرتبط منجر شود.




