Chatbot com dados próprios — base de conhecimento e RAG
FAQ, PDFs, informações de produtos e documentos de serviço como base de conhecimento. A IA responde com precisão a partir das informações da empresa.
Um chatbot com dados próprios responde não apenas com conhecimento geral, mas com os conteúdos disponibilizados ao tenant. Na Zentor App existem três vias: entradas manuais, crawl do website e uploads. São adequados FAQ, produtos, processos, PDFs, HTML, texto e exportações WordPress. O tamanho máximo de upload é 100 MB. O crawl processa até 300 páginas, respeita `robots.txt`, está limitado a oito minutos e pode ser repetido a cada 24 horas.
Os conteúdos são processados na base de conhecimento do respetivo tenant. A separação é aplicada no servidor; dados de outro tenant não podem aparecer como fonte. O chatbot procura conteúdos adequados e utiliza apenas a informação encontrada como contexto. RAG está desativado por defeito e tem de ser ativado por tenant.
Para bons resultados, os conteúdos devem ser claros, atuais e não contraditórios. Textos duplicados, antigos ou parcialmente válidos pioram a seleção de fontes. Antes de publicar, teste perguntas realistas, incluindo casos em que a resposta não está na base. O bot não deve inventar informação ausente, mas limitar-se às fontes ou acionar handover.
A base de conhecimento não substitui manutenção editorial. Após alterações a produtos, contratos ou processos, atualize ou volte a importar as fontes. Verifique também o estado de processamento após crawl ou upload. Um documento carregado só é utilizável após terminar o processamento. Para Starter e Individual (Individuell) estão confirmados 1.000 MB de armazenamento e 100 entradas de conhecimento. Expansões não devem ser assumidas sem acordo explícito.
Para manutenção contínua, cada fonte deve ter responsável e data de revisão. Especialmente preços, condições de entrega ou processos jurídicos tornam-se problemáticos quando ficam desatualizados. Após correções, verifique também se versões antigas do crawl ou uploads continuam a conter a afirmação anterior.
Como funciona RAG
Retrieval-Augmented Generation: o chatbot procura na base de conhecimento e combina os resultados com compreensão de linguagem por IA.
- Os seus documentos como fonte de conhecimento
- Pesquisa vetorial encontra conteúdos relevantes em milissegundos
- A IA formula respostas a partir dos seus conteúdos
- Tracking de fontes: cada resposta é rastreável
Fontes de conhecimento suportadas
A Zentor App processa vários tipos de documentos como base do chatbot.
- Documentos PDF e DOCX
- Entradas manuais diretamente no dashboard
- Crawling do website para importação automática de conteúdo
- Listas FAQ e conjuntos de dados estruturados
Os seus dados permanecem seguros
Todos os dados de conhecimento são armazenados na UE. Sem acesso de partes externas sem consentimento. Opção on-premises no pacote Individual (Individuell).
Perguntas frequentes
Tenho de «treinar» o chatbot?
Não no sentido clássico de machine learning. Preenche a base de conhecimento com os seus documentos.
Posso carregar PDFs?
Sim. A Zentor App processa PDFs, documentos de texto e entradas diretas.
O que é RAG?
Retrieval-Augmented Generation: o chatbot procura na base de conhecimento e combina os resultados com compreensão de linguagem por IA.
Quão atuais são as respostas?
Tão atuais quanto a sua base de conhecimento. Atualizações têm efeito imediatamente após o upload.
Que tipos de documentos são suportados?
PDF, DOCX, TXT, entradas manuais e crawling do website conforme configuração.
Chatbot com os seus próprios dados
Teste como a Zentor App transforma a sua base de conhecimento em respostas precisas.