چتبات هوش مصنوعی با پایگاه دانش — ربات شما شرکت شما را میشناسد
چت باتی های عمومی هوش مصنوعی پاسخ های عمومی می دهند. Zentor App چت باتی های مصنوعی را با پایگاه دانش شما متصل می کند: ربات فقط بر اساس متن های شرکت شما پاسخ می دهد دقیق، سازگار و بدون اطلاعات ساختگی.
مشکل رباتهای گفتگوی عمومی
یک چتبات هوش مصنوعی که صرفاً به دانش آموزشی عمومی یک مدل زبانی متکی است، نمیتواند به سوالات مشتریان شما بهطور قابل اعتماد پاسخ دهد. مدل، شرکت شما را نمیشناسد، ساختار قیمتگذاری شما را نمیشناسد، شرایط خدمات شما را نمیشناسد و محصولات فعلی شما را نمیشناسد. نتیجه، پاسخهای مبهم، کلی یا در بدترین حالت نادرست است — و این به اعتماد مشتریان شما آسیب میزند.
چارتباتهای مبتنی بر قانون نسل اول این مشکل را به شیوهای دیگر حل میکنند: آنها بهصورت ثابت برنامهریزی شدهاند و فقط به کلمات کلیدی دقیق واکنش نشان میدهند. این امر به گفتگوهای خشک و انعطافناپذیر منجر میشود — به محض اینکه مشتری سؤالی را متفاوت از آنچه پیشبینی شده بیان کند، سیستم از کار میافتد.
Zentor App بهترینهای هر دو رویکرد را ترکیب میکند: پاسخها بر اساس محتوای کنترلشده و اختصاصی شما هستند (مانند رویکرد مبتنی بر قاعده) — اما مدل هوش مصنوعی زبان طبیعی مشتری را میفهمد و میتواند بهطور انعطافپذیر پاسخ دهد (مانند یک چتبات مدرن هوش مصنوعی). نتیجه چتباتی است که واقعاً میداند شما چه کسی هستید. اینکه این اصل چگونه بهطور مشخص با یک ربات عمومی تفاوت دارد، در چتبات هوش مصنوعی اختصاصی بهجای ربات عمومی.
دانشنامه چیست — و RAG چیست؟
پایگاه دانش در زمینه چتباتهای هوش مصنوعی، مجموعهای ساختاریافته از تمام محتواهایی است که بات بر اساس آنها باید به سوالات پاسخ دهد. شما اسناد سوالات متداول، متون محصولات، اطلاعات خدمات و راهنمای فرآیندها را بارگذاری میکنید — چتبات در هر درخواست به این مجموعه دسترسی پیدا میکند.
مکانیزم فنی پشت این کار Retrieval-Augmented Generation یا به اختصار RAG نام دارد. این روش در دو مرحله کار میکند: ابتدا سیستم پایگاه دانش شما را برای یافتن بخشهای متنی مرتبط با درخواست مشتری جستجو میکند (Retrieval). سپس این محتوای یافتشده را همراه با درخواست مشتری به مدل هوش مصنوعی تحویل میدهد تا از آن پاسخی قابل فهم و مرتبط با زمینه formulate کند (Generation).
نتیجه: ربات چیزی را اختراع نمیکند. او فقط به آنچه در پایگاه دانش شما وجود دارد پاسخ میدهد — به زبان طبیعی، بدون اجبار به اسکریپت، و با درک عبارتبندیهای مشتریان شما. یک ارزیابی فنی دقیق از Retrieval و Generation را در مقاله ما بخوانید. فناوری RAG توضیح داده شده.
محتوای شما — پاسخهای شما
پایگاه دانش Zentor App برای تمام محتوای متنی که مربوط به مشتریان است مناسب است. هر چیزی که می خواهید به چت باتی خود یاد دهید، از طریق داشبورد آپلود کنید بدون برنامه نویسی، بدون تنظیمات فنی. نگاهی دقیق تر به سوالات عمومی، PDF و محتوای محصول، صفحه ما را ارائه می دهد چتبات با دادههای خود.
سوالات متداول و پاسخها — کلاسیک هر پایگاه دانش. ساختاریافته بهصورت سند پرسشوپاسخ یا بهصورت متن روان.
ویژگیها، مزایا، انواع و حوزههای کاربرد محصولات شما. ربات میتواند به طور هدفمند به تک تک محصولات بپردازد.
ساعات کاری (به معنای زمانهای سرویس چتبات)، شرایط تحویل، فرآیندهای بازگشت و سایر اطلاعات مرتبط با خدمات.
راهنمای گامبهگام داخلی یا خارجی که به مشتری در استفاده از محصولات یا خدمات شما کمک میکند.
اینکه شما چه کسی هستید، چه چیزی ارائه میدهید و چرا مشتریان با شما کار میکنند. برای تماسهای اولیه و گفتگوهای آشنایی عمومی مفید است.
لیست قیمتها، نمای کلی تعرفهها و شرایط — بدون دادههای شخصی، اما با تمام اطلاعاتی که مشتریان معمولاً پرسوجو میکنند.
استارتر: 1.000 مگابایت حافظه دانش
طرح شروع کننده Zentor App شامل 1000 MB حافظه دانش (در صورت درخواست قابل گسترش) است. این در ابتدا به نظر می رسد یک شاخص فنی است ارزش دارد که در رابطه با آن قرار گیرد: یک سند متنی با 50،000 کلمه به طور معمول کمتر از 500 KB را می گیرد. بنابراین با 1000 MB می توانید مقدار بسیار زیادی از متون تجاری، اسناد سوالات عمومی، توضیحات محصول و دستورالعمل ها را بدون مشکل ظرفیت ذخیره کنید.
برای بیشتر شرکتهای کوچک و متوسط، این حافظه بسیار بیشتر از کافی است تا تمام اطلاعات مرتبط مشتریان را پوشش دهد. چتبات به این پایگاه دسترسی پیدا میکند و پاسخهای باکیفیت ارائه میدهد — صرفنظر از اینکه چه تعداد گفتگو بهطور همزمان انجام شود.
شما در هر زمان محتوای پایگاه دانش را از طریق داشبورد مدیریت میکنید: افزودن، بهروزرسانی یا حذف اسناد. تغییرات بلافاصله اعمال میشوند — چتبات از گفتگوی بعدی بر اساس محتوای بهروزرسانیشده پاسخ میدهد.
Vector-RAG در پکیج اختصاصی
برای شرکتهایی که پایگاههای دانش گسترده یا الزامات کیفیت بالاتری دارند، Zentor App در بسته Individuell-Paket Vector-RAG را ارائه میدهد. تفاوت با جستجوی استاندارد: به جای جستجو بر اساس کلمات کلیدی، Vector-RAG هم محتوای دانش و هم درخواست مشتری را به بردارهای ریاضی تبدیل میکند. این بردارها محتوای معنایی — یعنی معنا — یک متن را نشان میدهند.
این امکان جستجوی شباهت معنایی را فراهم میکند: وقتی مشتری میپرسد «چگونه میتوانم لغو کنم؟»، سیستم بخشی را که با عنوان «فسخ قرارداد» مشخص شده است نیز پیدا میکند — حتی اگر هیچ کلمه کلیدی مشترکی وجود نداشته باشد. دقت نتایج بازیابی اطلاعات به این ترتیب بهطور قابل توجهی افزایش مییابد که مستقیماً در کیفیت پاسخهای چتبات بازتاب مییابد.
Vector-RAG در بسته Individuell با مدلهای هوش مصنوعی محلی قابل ترکیب است: پایگاه دانش شما و پردازش هوش مصنوعی بهطور کامل در زیرساخت خودتان باقی میماند. حداکثر حاکمیت داده همراه با کیفیت جستجوی معنایی.
پرسشهای متداول درباره پایگاه دانش
فناوری RAG چیست؟
RAG مخفف Retrieval-Augmented Generation است. این روش دو مرحله را ترکیب میکند: ابتدا سیستم پایگاه دانش شما را برای یافتن محتوای مرتبط با درخواست جستجو میکند (Retrieval). سپس مدل هوش مصنوعی از این محتوای یافتشده برای فرمولبندی پاسخی دقیق و زمینهمحور استفاده میکند (Generation). نتیجه، پاسخهایی است که بر اساس متون شرکت خود شما هستند — نه بر اساس دانش عمومی آموزش مدل هوش مصنوعی.
چه محتوایی میتوانم در پایگاه دانش بارگذاری کنم؟
شما میتوانید تمام محتوای متنی که مربوط به مشتریان شماست را بارگذاری کنید: مستندات سوالات متداول (FAQ)، توضیحات محصولات، شرایط خدمات، لیست قیمتها (بدون اطلاعات شخصی)، راهنمای فرآیندها، راهنمای استفاده از محصول یا اطلاعات عمومی شرکت. پایگاه دانش از طریق داشبورد اپلیکیشن Zentor قابل مدیریت است — بدون نیاز به دانش فنی.
چقدر حافظه موجود است؟
در پلن استارتر، ۱٬۰۰۰ مگابایت حافظه دانش در دسترس است (قابل افزایش در صورت درخواست). این معادل حجم بسیار زیادی از اسناد متنی است — برای بیشتر شرکتهای متوسط، این حافظه بیش از اندازه کافی است. در پکیج اختصاصی، در صورت نیاز، حافظه بیشتر و همچنین جستجوی معنایی Vector-RAG قابل پیکربندی است.
آیا چتبات فقط از پایگاه دانش پاسخ میدهد؟
در پیکربندی استاندارد، چتبات سوالات را صرفاً بر اساس محتوای پایگاه دانش شما پاسخ میدهد. این کار از ارائه پاسخهای کلی یا نادرست توسط ربات از دانش آموزشی عمومی مدل هوش مصنوعی جلوگیری میکند. اگر برای یک درخواست محتوای مناسبی یافت نشود، میتوان چتبات را طوری پیکربندی کرد که مشتری را به یک کارمند ارجاع دهد به جای اینکه پاسخی نامطمئن بدهد.
تفاوت بین Starter و Individuell در پایگاه دانش چیست؟
در پلن استارتر، چتبات از بازیابی کلاسیک مبتنی بر کلمه کلیدی از پایگاه دانش شما استفاده میکند: ربات به دنبال کلمات کلیدی از درخواست مشتری میگردد. در بستهٔ Individuell، بهعلاوه Vector-RAG در دسترس است: در اینجا درخواستها و محتوای دانش به بردارهای معنایی تبدیل میشوند، بهطوری که ربات حتی زمانی که مشتری سؤالی را متفاوت از آنچه در پایگاه دانش ثبت شده بیان میکند، پاسخهای مناسبی پیدا میکند — که نرخ تطابق را بهطور قابل توجهی بهبود میبخشد.
آیا میتوانم پایگاه دانش را بهطور خودکار از سیستمهای خارجی پر کنم؟
Zentor App از واردات اسناد از طریق رابط داشبورد پشتیبانی می کند. برای واردات خودکار از سیستم های خارجی (CMS، مدیریت اسناد، CRM) در بسته فردی API دسترسی و گردش کار n8n در دسترس است که می تواند از طریق آن محتوا به صورت ساختاری وارد و به روز شود بدون آپلود دستی از طریق داشبورد.
تغییرات در پایگاه دانش با چه سرعتی اعمال میشوند؟
تغییرات شما در داشبورد Zentor App بلافاصله پردازش می شود. از مکالمه بعدی، چت باتی بر اساس محتوای به روز شده پاسخ می دهد. هیچ تاخیر از چرخه های خنثی سازی دستی وجود ندارد سیستم RAG محتوای فعلی را در هر درخواست مستقیماً از پایگاه دانش می خواند.
وقتی چتبات پاسخ مناسبی پیدا نمیکند، چه اتفاقی میافتد؟
هنگامی که سیستم RAG-System در پایگاه دانش محتوایی متناسب با درخواست پیدا نکند، چتبات بهصورت قابل تنظیم واکنش نشان میدهد: میتواند به مشتری اعلام کند که پاسخی ندارد و انتقال به کارمند را آغاز کند، یا یک سؤال کلی بپرسد. واکنش دقیق در صورت عدم تطابق را میتوان در داشبورد Zentor App-Dashboard تعریف کرد — بدون پاسخهای نامطمئن از دانش عمومی آموزش هوش مصنوعی.
چتبات خود را به متخصص شرکت خود تبدیل کنید
Zentor App چت باتی هوش مصنوعی را با پایگاه دانش در دمو امتحان کنید یا درباره برنامه های مناسب برای شرکت خود اطلاعات کسب کنید.
صفحات مرتبط:
Mehr dazu im Hilfe-Center