Erweiterte Funktionen aufbauen und anwenden
Dieser Abschnitt erklärt erweiterte Knowledge Bot-Funktionen, mit denen Sie Einstellungen für bessere Genauigkeit, optimierte Suchergebnisse und verbesserte Antworten anpassen können.
Knowledge Bot Einstellungen
In der oberen linken Ecke des Knowledge Bots finden Sie das Zahnradsymbol, das die Bot-Einstellungen öffnet. Hier können Sie verschiedene Funktionen anpassen und aktivieren, um den Bot an Ihre Bedürfnisse anzupassen.
Fähigkeiten & Fertigkeiten: Passen Sie Suchmethoden an und aktivieren Sie erweiterte Funktionen
LLM-Modelle: Wählen Sie das Sprachmodell, das die Antworten Ihres Bots steuert, und sorgen Sie für ein ausgewogenes Verhältnis zwischen Leistung, Genauigkeit und Kosten.
Datenbank Quelle: Wählen Sie die Standarddatenbank Quelle für alle Datenräume
Prompts: Einrichten oder Aktivieren von anpassbaren Eingabeaufforderungen für eine effizientere Nutzung
Automatisierungen: Einrichten von Workflows für eine effizientere Eingabeaufforderung
Aktionseinstellungen: Fügt der Knowledge-Bot-Navigation Schnellzugriffsschaltflächen hinzu und aktiviert erweiterte Funktionen wie Intent Agent und System Agent für eine verbesserte Suche und Automatisierung
Hinweis: Wenn Sie keine Bot-Einstellungen sehen, haben Sie möglicherweise keinen Zugriff auf diese Einstellungen. Erkundigen Sie sich beim Administrator des Bots nach dessen Zugriff.
Large Language Models (LLMs)
Blockbrain ermöglicht es den Benutzern, aus einer Vielzahl von Large Language Models(LLMs) zu wählen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind. Jedes Modell hat einzigartige Stärken in Bezug auf Antwortqualität, Geschwindigkeit, Kosteneffizienz und spezielle Fähigkeiten. Einige andere Faktoren, die zu berücksichtigen sind, sind: Größe des Kontextfensters, Leistung und Hosting-Standort.
Modellmodifikatoren
Mit den Modellmodifikatoren können Sie das Verhalten Ihres Knowledge Bots fein abstimmen, indem Sie die wichtigsten Parameter anpassen, die Einfluss darauf haben, wie er Antworten verarbeitet und generiert. Diese Einstellungen tragen dazu bei, ein Gleichgewicht zwischen Kreativität, Präzision und Relevanz herzustellen, je nach Art der Aufgabe.
Warum Modellmodifikatoren verwenden?
Durch die Anpassung von Modellmodifikatoren können Sie:
Sicherstellen, dass die Antworten mit den spezifischen Geschäftszielen übereinstimmen
Die Ergebnisse für kreative, technische oder forschungsbasierte Aufgaben optimieren
Die Effizienz und Konsistenz der KI-generierten Ergebnisse verbessern
Wissensdatenbank-Management
Einbettungsmodelle
Wenn Sie eine Datenbank Quelle in Blockbrain erstellen, werden Sie aufgefordert, ein Einbettungsmodell auszuwählen. Diese Modelle konvertieren Text (z. B. Dokumente, Dateien oder Daten) in numerische Darstellungen, die als Einbettungen bezeichnet werden. Auf diese Weise kann das System relevante Inhalte auf der Grundlage der Bedeutung zu suchen, vergleichen und abrufen und eben nicht nur über Schlüsselwörter.
Prompts
Prompts sind wiederverwendbare, anpassbare Prompt-Shortcuts, die dabei helfen, Aufgaben zu optimieren, Zeit zu sparen und die Produktivität zu steigern. Sie ermöglichen die Automatisierung spezifischer Anfragen und gewährleisten Konsistenz und Effizienz bei den Antworten.
Warum Prompts nutzen?
Effizienz – Reduzieren Sie sich wiederholendes Tippen und automatisieren Sie häufig verwendete Prompts.
Konsistenz – Stellen Sie sicher, dass Antworten einem strukturierten und standardisierten Format folgen, besonders in wachsenden Teams.
Anpassbarkeit – Passen Sie Prompts an spezifische Arbeitsabläufe und Ihre Bedürfnisse an.
Zusammenarbeit – Teilen Sie Prompts innerhalb Ihrer Organisation für einheitliche Antworten.
Schnellere Entscheidungsfindung – Generieren Sie sofort Berichte, Zusammenfassungen und Empfehlungen.
Es ist möglich, benutzerdefinierte Prompts zu erstellen oder Blockbrains vorgefertigte Prompts für eine schnelle und einfache Implementierung zu nutzen. Aktivieren Sie einfach die vorgefertigten Prompt oder erstellen Sie den eigenen benutzerdefinierten Prompt Ihrer Organisation über die Bot-Einstellungen.
Workflows
Workflows ermöglichen es Ihnen, mehrstufige Prompts zu automatisieren und machen komplexe Interaktionen strukturierter und effizienter. Im Gegensatz zu Prompts, die als Einzelprompt-Shortcuts fungieren, führen Workflows die KI durch eine Sequenz von Prompts, um eine genauere und verfeinerte Endantwort sicherzustellen. Wenn in einem einzelnen Prompt zu viel verlangt wird, kann die KI Schwierigkeiten haben, präzise Antworten zu verarbeiten und zu liefern. Workflows unterteilen komplexe Anfragen in überschaubare Schritte und verbessern so die Genauigkeit und Relevanz in jeder Phase.
Warum Workflows nutzen?
Verbesserte Genauigkeit – Die KI liefert präzisere Antworten bei strukturierten, schrittweisen Prompts.
Bessere Kontextbeibehaltung – Jeder Schritt baut auf vorherigen Antworten auf und führt zu einem kohärenteren Endergebnis.
Skalierbarkeit – Automatisieren Sie wiederkehrende, mehrstufige Aufgaben, um Zeit zu sparen und die Effizienz zu steigern.
Intent Agent
Der Intent Agent ist eine Funktion, die Benutzer aktivieren können, um die KI-Effizienz zu steigern. Durch die Bereitstellung von Beschreibungen für Ordner ermöglicht der Intent Agent der KI, die Datenbank Quelle zu durchsuchen und zu bewerten, welche Informationen für die Benutzer am relevantesten sind. Die KI verwendet diese Ordnerbeschreibungen, um die Ordner zu identifizieren und zu priorisieren, die am ehesten relevante Informationen enthalten.
Diese Funktion verwandelt Datenbank Quellen von einfachen Dateispeichern in strukturierte Ressourcen, die für einen schnellen und genauen Datenabruf optimiert sind.
Warum sollte ich einen Intent Agent verwenden?
Verbesserte Effizienz: Reduziert den Zeitaufwand für das Durchsuchen irrelevanter Ordner, indem die Suche auf relevante Bereiche eingegrenzt wird.
Optimierte Arbeitsabläufe: Vereinfacht den Prozess des Auffindens des richtigen Ordners, insbesondere bei größeren und komplexeren Datenbank Quellen.
Schnellere Ergebnisse: Schnelles Erkennen und Abrufen der wichtigsten Informationen, wodurch Zeit gespart wird.
Ressourcen-Optimierung: Spart Rechenressourcen, indem die Verarbeitung relevanter Daten priorisiert wird.
Einblicke
Einblicke sind textbasierte Notizen, die Sie selbst eingeben können, oder gespeicherte AI-Interaktionen, die Sie abrufen und wiederverwenden können. Dies erleichtert die Nutzung früherer Gespräche und sorgt für Konsistenz in Antworten sowie für die Bewahrung wichtiger Erkenntnisse innerhalb von Teams.
Diese gespeicherten Einblicke dienen als persönliche Wissensdatenbank, helfen Nutzern, AI-generierte Informationen zu behalten, Arbeitsabläufe zu optimieren und Konsistenz über mehrere Interaktionen hinweg zu gewährleisten. Im Gegensatz zu Datenbank Quellen werden Einblicke im vollständigen Kontext ohne Chunking gespeichert, sodass die ursprüngliche Nachrichtenstruktur erhalten bleibt und die Wiederverwendung verbessert wird.
Wann sollten Einblicke genutzt werden?
Wenn frühere AI-generierte Antworten häufig referenziert werden müssen.
Wenn Teammitglieder verfeinerte Prompts oder zentrale Erkenntnisse aus Data Rooms teilen.
Wenn spezifisches Kontextwissen für den schnellen Zugriff gespeichert werden soll.
Wissen beisteuern
Mit Contribute Knowledge können Sie einen Insight - eine KI-generierte Nachricht oder Unterhaltung - direkt in Ihrer Datenbank Quelle speichern. Der Inhalt wird nicht im Bereich Einblicke gespeichert, sondern in einer ausgewählten Datenbank Quelle, so dass alle Teammitglieder, die Zugriff auf diese Datenbank Quelle haben, darauf zugreifen können.
Diese Methode ist ideal für die Zusammenarbeit, da sie sicherstellt, dass wichtige Erkenntnisse systematisch in einer gemeinsamen Wissensdatenbank gespeichert und strukturiert werden. Außerdem erhalten Teammitglieder, die die Datenbank Quelle abonniert haben, E-Mail-Benachrichtigungen über neue Beiträge, so dass alle Beteiligten ohne manuelle Koordination auf dem Laufenden bleiben. Da die Datenbank Quellen jedoch einem Chunking-Verfahren unterzogen werden, können die Informationen in kleinere Abschnitte unterteilt werden, was sich je nach Abfrage leicht auf die Abfragegenauigkeit auswirken kann.
Last updated