Langkau ke kandungan
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
Asas Ejen AI

RAG untuk Sokongan Pelanggan: Panduan Mudah untuk PKS

Sidang Editorial AI SNS CHATDiterbitkan 6 minit bacaan

Fahami RAG (janaan dipertingkat carian) dalam bahasa mudah: cara AI menjawab pelanggan WhatsApp dan laman web berdasarkan maklumat sebenar perniagaan anda.

Pelanggan bertanya di WhatsApp pukul 11 malam, "Boleh tukar saiz kalau tak muat?" AI yang hanya bergantung pada pengetahuan umum akan meneka, dan tekaan itulah punca jawapan yang salah tentang polisi, harga atau waktu operasi. RAG ialah kaedah yang membolehkan AI merujuk dokumen perniagaan anda sebelum menjawab. Dalam artikel ini anda akan faham cara ia berfungsi, di mana ia boleh tersasar, dan cara menyediakan bahan yang betul supaya jawapannya boleh dipercayai.

Apa itu RAG dalam bahasa mudah

RAG ialah singkatan bagi Retrieval-Augmented Generation, iaitu janaan jawapan yang dipertingkat dengan carian. Idea asasnya mudah: sebelum AI menulis jawapan, sistem mencari dahulu petikan yang berkaitan daripada bahan anda sendiri, kemudian meminta AI menjawab berdasarkan petikan itu.

Bayangkan pekerja baharu di kedai anda. Dia pandai berbahasa dan sopan, tetapi belum hafal polisi pemulangan atau senarai poskod yang dilayan penghantaran. Pekerja yang baik tidak menjawab ikut perasaan. Dia membuka buku panduan, mencari muka surat yang betul, lalu menerangkan kepada pelanggan. RAG meniru tabiat itu.

Ada tiga bahagian dalam RAG:

  • Bahan rujukan: FAQ, katalog, polisi, fail PDF atau halaman laman web anda.
  • Carian: langkah yang memilih beberapa petikan paling hampir dengan soalan pelanggan.
  • Penjanaan: AI menulis jawapan dalam bahasa semula jadi, dengan petikan tadi sebagai sumber.

Mengapa pasukan sokongan memilih RAG

Ada beberapa cara untuk memberi AI pengetahuan tentang perniagaan anda. Setiap satu mempunyai tempatnya, tetapi untuk sokongan pelanggan harian, RAG biasanya paling praktikal kerana maklumat PKS sentiasa berubah: promosi bulanan, harga baharu, cuti perayaan.

Pendekatan
Kelebihan dan had
Tampal semua maklumat dalam arahan (prompt)
Mudah untuk bahan yang sangat pendek. Menjadi sukar diurus apabila bahan bertambah, dan setiap perubahan perlu disunting dalam satu teks panjang.
Latih semula model dengan data anda
Boleh mengubah gaya dan nada. Kurang sesuai untuk fakta yang kerap berubah kerana perubahan tidak muncul serta-merta, dan sukar dijejak punca sesuatu jawapan.
RAG: cari dahulu, jawab kemudian
Kemas kini cukup dengan menukar dokumen. Jawapan boleh dikaitkan semula dengan sumbernya, dan bahan boleh bertambah tanpa menyentuh arahan asas.
Tiga cara memberi AI pengetahuan perniagaan andaContoh ilustrasi

Sebab utama RAG sesuai untuk sokongan:

  1. Mudah dikemas kini. Harga naik? Ubah satu dokumen, bukan latih semula apa-apa.
  2. Boleh disemak. Apabila jawapan salah, anda boleh menyemak petikan mana yang digunakan dan membetulkan sumbernya.
  3. Satu sumber, banyak saluran. Bahan yang sama boleh menjawab soalan di laman web, WhatsApp dan Instagram.
  4. Kurang meneka. AI diarahkan menjawab berdasarkan bahan yang ada, dan mengaku tidak tahu apabila bahan tiada.

Bagaimana satu jawapan RAG dibina, langkah demi langkah

Daripada perspektif pelanggan, jawapan muncul dalam beberapa saat. Di belakang tabir, ada urutan yang jelas.

  1. 01Pelanggan hantar soalan
  2. 02Sistem cari petikan berkaitan
  3. 03Petikan dan soalan dihantar kepada AI
  4. 04AI tulis jawapan dan hantar ke saluran
Perjalanan satu jawapan RAGContoh ilustrasi

Langkah 1: Soalan diterima

Pelanggan menulis, contohnya, "Kain ni boleh basuh mesin ke?" Soalan ini jarang sama seperti ayat dalam dokumen anda. Dokumen mungkin menulis "Arahan penjagaan fabrik". Di sinilah carian yang memahami maksud, bukan sekadar perkataan yang sama, memainkan peranan.

Langkah 2: Petikan berkaitan dicari

Sistem memilih beberapa petikan teratas daripada pangkalan pengetahuan. Hanya petikan yang relevan diambil, bukan seluruh fail. Ini menjimatkan masa dan mengurangkan risiko AI keliru dengan maklumat yang tidak berkaitan.

Langkah 3: AI menerima soalan beserta petikan

AI diberi soalan pelanggan, petikan yang dijumpai, dan arahan persona anda, contohnya "jawab dengan mesra dalam Bahasa Melayu, jangan reka maklumat". Kualiti arahan ini sama penting dengan kualiti dokumen.

Langkah 4: Jawapan ditulis dan dihantar

AI mengolah petikan menjadi jawapan yang ringkas dan sopan. Jika petikan tidak mencukupi, jawapan yang betul ialah memohon maaf dan menyerahkan perbualan kepada manusia, bukan mereka-reka sesuatu.

Di mana RAG gagal, dan cara mencegahnya

RAG mengurangkan tekaan, tetapi tidak menghapuskannya. Jawapan tetap hanya sebaik bahan dan carian di belakangnya. Berikut kegagalan yang paling biasa.

1. Bahan tiada atau tidak lengkap

Pelanggan bertanya tentang penghantaran ke Sabah, tetapi dokumen anda hanya menyebut Semenanjung. Tanpa bahan, AI mungkin cuba menjawab berdasarkan pengetahuan umum.

Pencegahan: tulis jelas dalam persona bahawa AI tidak boleh menjawab di luar bahan yang diberikan, dan sediakan laluan serah kepada manusia. Semak soalan yang tidak terjawab secara berkala, lalu tambah bahan yang hilang.

2. Bahan bercanggah

Satu fail menyebut tempoh pemulangan 7 hari, fail lama menyebut 14 hari. Carian mungkin memilih yang mana-mana.

Pencegahan: buang versi lama. Satu topik, satu sumber yang sahih.

3. Petikan yang salah dipilih

Soalan "berapa harga pos?" mungkin menarik petikan tentang harga produk kerana kedua-duanya mengandungi perkataan "harga".

Pencegahan: tulis dokumen dengan tajuk yang jelas dan satu topik bagi setiap bahagian, dan uji soalan sebenar pelanggan sebelum dilancarkan.

4. Bahan yang sudah lapuk

Promosi Hari Raya sudah tamat, tetapi masih ada dalam pangkalan pengetahuan.

Pencegahan: tetapkan tarikh semakan bulanan, dan letakkan tarikh sah laku dalam teks promosi.

Membina pangkalan pengetahuan yang mudah dicari

Anda tidak perlu mula dengan ratusan halaman. Mulakan dengan soalan yang paling kerap ditanya.

Mulakan daripada perbualan sebenar

Buka semula sejarah WhatsApp dan DM Instagram anda. Senaraikan 20 hingga 30 soalan yang berulang: harga, penghantaran, bayaran, pemulangan, waktu operasi, cara tempah. Soalan-soalan ini biasanya meliputi sebahagian besar permintaan harian.

Tulis seperti anda bercakap dengan pelanggan

Gunakan ayat penuh dan konkrit. Bandingkan:

  • Kurang baik: "Pemulangan: 7 hari."
  • Lebih baik: "Pelanggan boleh memulangkan barang dalam tempoh 7 hari selepas diterima, dengan syarat barang belum dipakai dan tag masih ada. Kos pos pemulangan ditanggung pelanggan kecuali barang rosak."

Versi kedua mengandungi syarat dan pengecualian, jadi AI tidak perlu meneka.

Satu topik, satu bahagian

Pecahkan dokumen panjang kepada bahagian pendek dengan tajuk yang jelas, seperti "Penghantaran ke Sabah dan Sarawak" atau "Kaedah bayaran yang diterima". Carian lebih tepat apabila setiap bahagian bercakap tentang satu perkara sahaja.

Contoh andaian

Katakan sebuah kedai tudung dalam talian menerima kira-kira 300 perbualan sebulan (angka andaian untuk contoh). Jika anda menyusunnya mengikut topik dan mendapati penghantaran, saiz dan pemulangan menjadi tiga soalan paling kerap, maka tiga dokumen yang ditulis dengan baik sudah boleh menjadi permulaan yang kukuh. Selepas itu, tambah bahan berdasarkan soalan yang AI tidak dapat jawab.

Elakkan maklumat peribadi dalam bahan

Jangan masukkan nombor kad, kata laluan atau butiran peribadi pelanggan ke dalam dokumen rujukan. Pangkalan pengetahuan ialah bahan yang boleh dipaparkan kepada orang yang bertanya, jadi simpan hanya maklumat yang memang untuk dikongsi.

Melakukannya dalam AI SNS CHAT

Dalam AI SNS CHAT, lapisan RAG disusun melalui sumber data ejen anda. Anda tidak perlu menulis kod untuk menyambungkannya.

Tambah sumber data

Pergi ke Data sources di bar sisi. Pilihan yang tersedia termasuk Files, Text snippets, Website, Q&A, Notion, Social, Tickets dan Suggestions. Untuk permulaan yang pantas:

  • Gunakan Q&A untuk soalan llazim yang jawapannya anda mahu kawal perkataannya.
  • Gunakan Text snippets untuk polisi pendek seperti penghantaran dan pemulangan.
  • Gunakan Website jika maklumat sudah ada di laman web anda.
  • Gunakan Files untuk katalog atau panduan dalam bentuk dokumen.

Jika dokumen anda sudah ada di tempat lain, bahagian Channels menyediakan penyambung seperti Confluence, GitBook, Zendesk Guide, Google Drive, OneDrive, Dropbox, Box dan SharePoint. Penyambung wiki mempunyai had 1.5 juta aksara dan 400 halaman bagi setiap penyegerakan, dan jika kandungan dipotong, anda akan dimaklumkan. Ruang storan berbeza mengikut pelan, bermula dengan 30 MB pada pelan Free dan 200 MB pada Hobby.

Uji sebelum dilancarkan

Buka Playground dan taip soalan seperti yang pelanggan anda akan tulis, termasuk bahasa pasar dan singkatan. Jika jawapan tersasar, semak dan baiki sumbernya. Anda juga boleh membandingkan model melalui Playground A/B.

Baiki melalui perbualan sebenar

Di Activity → Chat logs, anda boleh menyemak perbualan, menanda yang bermasalah dan melihat penilaian ibu jari ke atas atau ke bawah. Anda juga boleh menyunting satu balasan menjadi jawapan ideal supaya ejen belajar daripadanya. Bahagian analitik pula menunjukkan sejarah soalan, yang berguna untuk mengenal pasti topik yang belum ada bahan.

Satu ejen, banyak saluran

Ejen yang sama boleh digunakan pada chat laman web, WhatsApp, Instagram dan Messenger melalui Channels, jadi anda tidak perlu menyelenggara pangkalan pengetahuan berasingan bagi setiap saluran. Anda boleh menyemak senarai penuh saluran di /connections.

Serah kepada manusia

Apabila bahan tiada, ambil alih perbualan secara manual atau gunakan penyerahan kepada ahli pasukan. Di bawah Helpdesk → Scheduling anda boleh menetapkan syif mengikut orang dan zon waktu, dan penyerahan akan diberikan kepada yang bertugas. Fungsi Helpdesk memerlukan pelan Standard atau lebih tinggi. Semak butiran pelan di /pricing dan ciri lain di /features.

Carian web tidak menggantikan pangkalan pengetahuan

Carian web automatik apabila pangkalan pengetahuan tiada jawapan hanya tersedia pada saluran LINE WORKS. Untuk ejen lain, tindakan Tavily menyediakan carian web masa nyata, tetapi ia memerlukan pelan Hobby atau lebih tinggi. Bagi maklumat perniagaan anda sendiri, bahan yang anda tulis tetap sumber yang paling tepat.

Kesimpulan

RAG bukan sihir. Ia ialah disiplin yang kemas: kumpulkan jawapan yang betul, tulis dengan jelas, uji dengan soalan sebenar, dan baiki apabila ada jurang. Untuk PKS yang menjawab pelanggan terutamanya di WhatsApp dan Instagram, pendekatan ini menjimatkan masa kerana soalan berulang dijawab secara konsisten, manakala kes yang sukar diserahkan kepada orang. Mulakan kecil dengan 20 soalan teratas, ukur, dan kembangkan sedikit demi sedikit. Anda boleh mencuba dengan mendaftar di /signup.

Soalan lazim

Adakah RAG sama dengan melatih AI menggunakan data saya?

Tidak sama. Melatih model mengubah model itu sendiri, manakala RAG membiarkan model asal tidak berubah dan hanya memberinya petikan daripada bahan anda semasa menjawab. Kerana itu, mengemas kini jawapan cukup dengan menyunting dokumen.

Bolehkah RAG masih memberi jawapan yang salah?

Boleh. Jika bahan tiada, bercanggah atau lapuk, atau carian memilih petikan yang kurang tepat, jawapan boleh tersasar. Kurangkan risiko dengan bahan yang bersih, arahan persona yang tegas, ujian di Playground dan semakan Chat logs secara berkala.

Berapa banyak kandungan yang perlu saya sediakan untuk bermula?

Tidak perlu banyak. Dokumen ringkas yang meliputi soalan paling kerap, seperti harga, penghantaran, pemulangan dan waktu operasi, sudah memadai untuk permulaan. Tambah bahan berdasarkan soalan yang ejen gagal jawab.

Adakah pangkalan pengetahuan yang sama berfungsi di chat laman web, WhatsApp dan Messenger?

Ya, kerana bahan dikaitkan dengan ejen, dan ejen yang sama boleh dipasang pada beberapa saluran melalui Channels. Anda hanya perlu menyelenggara satu set bahan. Ketersediaan setiap saluran boleh disemak di /connections.

Patutkah saya guna carian web dan bukannya membina pangkalan pengetahuan?

Tidak untuk maklumat perniagaan anda. Laman web luar tidak tahu harga, polisi atau stok anda, dan hasilnya sukar dikawal. Carian web sesuai sebagai tambahan untuk soalan umum, sementara pangkalan pengetahuan kekal sebagai sumber utama.

#RAG#pangkalan pengetahuan#ejen AI#sokongan pelanggan#WhatsApp

Praktikkan dengan AI SNS CHAT

Bina ejen AI yang dilatih dengan kandungan anda sendiri dan sambungkan ke laman web, WhatsApp, LINE dan banyak lagi. Percuma untuk bermula, tiada kad kredit diperlukan.