优化知识库，促进检索增强生成

您可以调整知识库中的内容，使其更容易被检索增强生成（RAG）模式的人工智能生成模型访问。 通过调整内容以适应生成式人工智能，您可以提高从内容中生成的人工智能响应的质量。 根据您的内容和 RAG 解决方案，您可以弥补工具的限制或消除对某些类型处理的需求。

您可以通过在 RAG 解决方案中测试内容和制定指南来调整知识库内容。

您可以创建主动式指南，为人工智能准备好内容；也可以创建被动式指南，在人工智能回答不充分时修复内容。 下表总结了创建和实施准则以准备或修复内容的不同之处。

为人工智能方法调整内容的比较
指导原则的目的 制定准则的方法 内容更新的范围 内容更新的时间安排
为人工智能准备内容 在 RAG 解决方案中测试您的内容。 - 所有现有内容或关键内容
- 所有新内容		 - 在将 RAG 解决方案投入生产之前
- 在编写新内容期间
为人工智能修复内容 收集用户对 RAG 解决方案的反馈意见 - 特定主题或段落
- 相似主题或段落		 收到用户对人工智能答案的负面反馈后
重要： 地基模型在不断改进。 您今天制定的准则将来可能不再需要。 更新 RAG 解决方案后，重新测试指导原则。

为人工智能内容编写指南

通过创建和应用为人工智能准备内容的指南，您可以为人类和人工智能提高内容质量。

为了制定指导原则，请使用生成式人工智能对内容进行测试。 使用消耗知识库的 RAG 解决方案进行测试，可以获得最准确的结果。 如果您使用与最终 RAG 解决方案不同的系统测试内容，结果可能会有所不同，您可能需要重新测试并调整指导原则。

为人工智能内容的准备工作制定指导原则：

  1. 收集有代表性的问题和回答这些问题的主题。 为了达到最佳效果，请收集用户提出的问题，而不是猜测用户可能会问什么。 客户问题可帮助您锁定 RAG 解决方案最有可能检索到的内容。 您不需要测试每篇内容、每种类型的内容或每种内容格式。
  2. 测试模型是否能根据您的内容生成足够的问题答案。 为获得最佳效果，请直接在 RAG 溶液中进行测试。 或者，您也可以在提示符中输入问题和内容中的适用文本，然后检查生成的答案。
  3. 当人工智能的答案不充分时，可以尝试调整内容，直到获得充分的答案。 见适应技术。
  4. 根据趋势制定指导方针。 参见指导原则范例。

为人工智能准备内容的适应技术

如果您发现 RAG 解决方案生成的问题答案不够充分，而您的知识库中已有答案，请尝试调整该内容。 例如，您可以尝试以下技巧来改进答案：

  • 更改内容格式或重新排列内容。 例如，你可以尝试用项目符号列表代替长段落或简化表格。
  • 澄清概念或改进关键术语的定义。
  • 添加上下文，以明确主题或内容范围。 例如，您可以添加章节标题。
  • 添加长内容摘要。
  • 用特定名词替换模糊代词。 例如，确保每个带有代词的句子都包含其所指代的名词。
提示： 计划重新格式化内容时要谨慎。 例如，如果您的 LLM 不能很好地处理表格，就不要计划删除表格。 表格对人类读者非常有用，当您更换表格时，您的 RAG 解决方案可能已经能够处理它们了。 只有在能提高内容整体质量的情况下，才进行大范围修改。

为人工智能准备内容的指南范例

以下关于为人工智能准备内容的指导原则示例可能适用于您的内容：

解释文本中的概念图形
通过用文字清晰地解释概念图形，可以澄清图形中的模糊之处，避免从图像到文字模型的花费。 使用图形来说明文字，但不能取代文字。 图形可能会过度简化概念，因为它们省略了信息或没有明确指出哪些项目是可选的。 通过在文本中解释一个过程或概念，就好像你没有图形一样，这样可以避免读者和法律硕士产生混淆。
在文本中包含图标名称
通过在文本中包含图标和其他用户界面元素的名称，而不是只显示它们的图像，可以为人工智能提供完整的句子。 例如，如果没有图标的图像，"要编辑资产，请单击 编辑图标的图像"这句话就不完整。 不过，"要编辑资产，请单击编辑图标 "这句话在没有图标图像的情况下还是可以理解的。
总结冗长的程序和教程
如果您的程序或教程较长，法律硕士可能无法在答案中容纳全部内容。 添加步骤摘要有助于法律硕士回答问题。 摘要还为用户设定了期望值。
为列表添加清晰的引导句
如果没有引导句，法律硕士可能很难确定列表的主题。
删除非常简短的主题
非常简短的题目可能无法提供足够的信息，让法律硕士对问题做出适当的回答。 例如，一个非常简短的父主题可以用来组织目录中的子主题，但包含的有价值内容却很少。 非常简短的主题可能会导致人工智能无法提供充分的答案，并使访问这些主题的用户感到失望。 您可以删除非常简短的主题，或者为其添加有价值的内容。

制定人工智能内容修复指南

最好的办法是通过实施反馈机制，确定如何修正人工智能导致答案不充分的内容。 您的人工用户可以指出答案的错误之处。 存储反馈、问题、答案和检索到的主题。

制定指导方针：

  1. 收集用户对人工智能答案的负面反馈。
  2. 确定答案不充分的原因。
  3. 如果合适，更新目标主题，直到人工智能给出更好的答案。 用原题的几个变式来测试你的改动。 参见 " 技术适应 "。
  4. 当您看到您更新的主题的趋势时，请创建一个指南。 参见指导原则范例。

为人工智能修复内容的适应技术

要修复您的内容，您可以对其进行更改或添加。

下表介绍了一些修复导致人工智能回答不充分的内容的技巧。

解决答案不充分问题的办法
问题 解决方案
内容不存在。
不要添加不属于知识库的内容。
内容是存在的，但法律硕士没有找到。 尝试更新主题标题、章节标题和主题中的术语。
法学硕士不了解内容。 更新主题中的信息，以明确内容。
更新信息的格式。
法律硕士提供了部分答案。 尝试重新调整信息的格式，或提供冗长内容的摘要。

当用户对人工智能答案提出负面反馈时，你不能总是通过修改内容来解决。 您可能会发现导致答案不充分的其他原因，但这些原因并不容易或不可能解决。 用户提出的问题可能不够清晰、完整或格式化，法律硕士无法理解。 例如，用户问题就可能存在这类问题：

  • 拼写错误的单词
  • 没有足够信息的模糊问题
  • 语法错误
  • 术语不正确
  • 与您的知识库无关的主题
提示： 谨慎更改内容。 不要试图解决每一个不恰当的回答或负面反馈。 根据趋势制定指导方针。

人工智能内容修复指南范例

以下关于人工智能内容修复指南的示例可能适用于您的内容：

澄清容易混淆的内容
您可以澄清含糊不清、细节过多或缺乏上下文的内容。
为缺失信息添加内容
您可以添加内容来弥补文档中的不足，或提及缺失功能的替代方案。 例如，假设客户经常向植物苗圃询问购买蔬菜种子的事宜，而苗圃并不出售蔬菜种子。 育苗聊天机器人会用 "不知道 "或 "不 "回答有关种子的问题。 苗圃工作人员可以在知识库中加入这样一句话："我们不卖种子，但我们有大量的蔬菜秧苗可供选择" 这样，法律硕士就能提供有用的答案。
添加或更改术语
用户使用的术语可能与您在文档中使用的不同。 如果您发现了一种趋势，您可以提及替代术语，以便法律硕士找到它。 例如，可以说 "法律硕士的错误回答有时被称为幻觉"。