Daten mit Ihrem Knowledge Bot verbinden
Arten von verknüpfbaren Daten
Blockbrain unterstützt verschiedene Arten von Daten, die Sie verbinden und als Kontext in Ihren Chatrooms verwenden können.
Einblicke: Verwenden Sie gespeicherte KI-Antworten oder persönliche Notizen wieder, um konsistente, kontextbezogene Ergebnisse zu erzielen.
Datei-Upload: Laden Sie Dateien hoch, wobei die gesamte Struktur, Formatierung und Bilder erhalten bleiben (kein Chunking).
Datenbankquelle: Verbinden Sie große, in Chunks unterteilte und durchsuchbare Dokumentensammlungen, die von mehreren Teams gemeinsam genutzt werden.
E-Mail-Dienst: Importieren Sie Gmail-Threads, um wichtige Konversationen zugänglich und durchsuchbar zu machen.
Zusätzlicher Kontext: Fügen Sie benutzerdefinierte Details oder Hintergrundinformationen hinzu, um die Genauigkeit der KI zu verbessern.Editor
Insights
Insights sind textbasierte Notizen, die Sie selbst eingeben können oder die es Ihnen ermöglichen, zuvor gespeicherte KI-Interaktionen zu speichern und abzurufen, so dass Sie Wissen aus früheren Gesprächen leicht wiederverwenden können. Dies ist nützlich, um die Konsistenz der Antworten zu gewährleisten und wichtige Erkenntnisse teamübergreifend zu speichern.
Diese gespeicherten Insights fungieren als persönliche Wissensdatenbank, die Benutzern dabei hilft, wichtige KI-generierte Informationen zu behalten, Arbeitsabläufe zu rationalisieren und die Konsistenz über mehrere Interaktionen hinweg zu wahren. Im Gegensatz zu Datenbank Quellen werden Insights im vollständigen Kontext und ohne Chunking gespeichert, so dass die ursprüngliche Nachrichtenstruktur für eine bessere Wiederauffindung und Wiederverwendung erhalten bleibt.
Wann sollte man Insights verwenden?
Wenn auf frühere KI-generierte Antworten häufig Bezug genommen werden muss
Wenn Teammitglieder verfeinerte Prompts oder wichtige Erkenntnisse aus Datenräumen austauschen
Wenn spezifisches kontextbezogenes Wissen für den schnellen Zugriff gespeichert werden soll
Datei-Upload
Dateien werden als ganze Einheiten ohne Unterteilung hochgeladen, so dass die vollständige Struktur und ursprüngliche Formatierung des Dokuments erhalten bleibt. Im Gegensatz zu Datenbank Quellen, die den Inhalt in Abschnitte unterteilen, bleibt bei Dateien der Kontext in seiner Gesamtheit erhalten.
Wann sollten Sie stattdessen Dateien verwenden?
Wenn die Struktur eines Dokuments von entscheidender Bedeutung ist (z. B. bei juristischen Verträgen, Forschungsarbeiten, Berichten).
Wenn exakte Formulierungen referenziert werden müssen, anstatt sie in Stücken zu verarbeiten.
Wenn ein kleineres, eigenständiges Dokument für die KI-Abfrage verwendet wird und nicht für umfangreiche Suchanfragen
Wenn Bilder wie Infografiken, Diagramme, normale Bilder, Poster und Kataloge für die Anfrage relevant sind
Anwendungsbeispiel für das Hochladen von Dateien
Analysieren von Infografiken, die eine Grafik schwer
Analysieren aller Teile von Verträgen
Datenbank Quelle
Datenbank Quellen sind ideal für die Speicherung und Verarbeitung großer Mengen von Dokumenten, insbesondere wenn sie von verschiedenen Teams gemeinsam genutzt werden. Hochgeladene Dokumente werden gechunked, das heißt, sie werden für die KI-Verarbeitung in kleinere Segmente unterteilt.
Wie sich Chunking auf die Genauigkeit auswirkt
Chunking ermöglicht der KI das effiziente Scannen und Abrufen von Informationen, kann aber die Kontextkontinuität in großen Dokumenten verringern.
Kleinere Chunks verbessern die Genauigkeit bei direkten Abfragen, während größere Chunks dazu beitragen, den Kontext beizubehalten, aber die Genauigkeit beeinträchtigen können, wenn sie zu groß sind.
Die Standardgröße von Chunks beträgt 2000 Zeichen mit einer Überlappung von 300 Zeichen, um ein Gleichgewicht zwischen Genauigkeit und Kontext zu gewährleisten.
Wann sollten Datenbank Quellen verwendet werden?
Bei der Verwaltung großer Dokumentensammlungen, auf die mehrere Benutzer zugreifen müssen
Wenn Skalierbarkeit für die langfristige Datenverwaltung erforderlich ist
Wenn umfangreiche KI-Abfragen über viele Dokumente hinweg durchgeführt werden müssen
Summarizing email threads
E-Mail-Dienst
Mit dem E-Mail-Dienst können Sie Gmail-Threads direkt in Ihren Datenraum importieren. Dadurch werden wichtige E-Mail-Konversationen durchsuchbar und können als Teil des KI-Kontexts verwendet werden, insbesondere wenn auf frühere Entscheidungen, Anweisungen von Stakeholdern oder projektbezogene Diskussionen Bezug genommen wird.
Derzeit wird nur Gmail für die E-Mail-Integration unterstützt.
Wann sollte die E-Mail-Integration verwendet werden?
Wenn E-Mail-Threads wichtige Informationen oder Anweisungen enthalten, die für die Aufgabe relevant sind.
Wenn Kunden- oder Teamdiskussionen direkt aus dem E-Mail-Verlauf verfolgt werden sollen.
Wenn KI-Antworten mit der laufenden Kommunikation oder früheren Entscheidungen in Einklang stehen müssen.
Beispiel für die Verwendung der E-Mail-Integration
Verweis auf Kundenanweisungen, die per E-Mail besprochen wurden.
Zusammenfassung von E-Mail-Threads.
Zusätzlicher Kontext
Zusätzlicher Kontext ermöglicht Ihnen benutzerdefinierte Notizen, Erläuterungen oder Hintergrundinformationen direkt in den Datenraum einfügen, um die KI effektiver anzuleiten. Dies ist besonders hilfreich, wenn Ihr Workflow mehrere Kontextquellen umfasst (z. B. Datenbankquellen, Dateien, E-Mails) und Sie Beziehungen definieren, Begriffe erklären oder aufgabenspezifische Anweisungen geben müssen. So wird sichergestellt, dass die KI wichtige Kontexte konsistent berücksichtigt, ohne dass Sie diese in jeder Eingabeaufforderung wiederholen müssen.
Wann sollte zusätzlicher Kontext verwendet werden?
Wenn der Datenraum mehrere Kontexttypen enthält und Klarheit erforderlich ist (z. B. Dateien + Datenbankquelle + E-Mails)
Wenn es spezielle Anweisungen, Geschäftsregeln oder interne Nuancen zu erklären gibt
Wenn Sie steuern müssen, wie die KI bestimmte Inhalte interpretiert oder priorisiert
Beispiel für die Verwendung von zusätzlichem Kontext
Klarstellung, dass „Dokument A” in Workflows mit gemischten Quellen Vorrang vor „Dokument B” haben soll
Definition von Rollen oder Begriffen, die in mehreren Dokumenten vorkommen (z. B. „AM” = Account Manager)
So funktioniert es
Vorteile
Umfassende Datenintegration
Flexibler Zugriff auf verschiedene Wissensquellen
Nahtlose Kontextverbesserung
Effizientes Wissensmanagement
Last updated