Nexura DigitalAI · Automasi · Pemasaran
Perkhidmatan Nexura Digital

Pangkalan pengetahuan AI (RAG) yang menjawab daripada dokumen anda dan menyatakan sumbernya

Pasukan anda bertanya dalam bahasa biasa dan pembantu menjawab dengan apa yang sebenarnya dinyatakan dalam dokumen anda, sambil memautkan sumber yang tepat. Apabila jawapannya tiada, ia ditetapkan untuk memberitahu demikian.

Pangkalan pengetahuan AI yang dibina atas RAG (retrieval-augmented generation) mencari petikan yang relevan dalam dokumen syarikat anda dan menulis jawapan daripadanya, dengan menyatakan sumbernya. Kami melaksanakannya untuk pasukan yang kehilangan masa mencari maklumat dalaman atau mengulang jawapan yang sama. Anda bermula dengan percubaan 7 hari pada satu sumber, menggunakan soalan sebenar pasukan anda.

Apa yang termasuk: sumber, kebenaran dan petikan

Sumber yang disambung dan diselaraskan

Kami menyambungkan Google Drive, SharePoint, Notion, Confluence atau pusat bantuan anda. Setiap petikan disimpan bersama tajuk, tarikh dan pautannya, dan penyelarasan mengesan dokumen yang berubah atau dipadam.

Kebenaran yang dipatuhi

Setiap petikan membawa metadata pasukan atau tahap akses, dan carian ditapis mengikut siapa yang bertanya. Apa-apa yang tidak sepatutnya boleh dicari kekal di luar indeks, dan kami bersetuju dengan anda cara memantulkan kebenaran yang sangat terperinci.

Jawapan dengan petikan

Setiap jawapan memautkan dokumen dan bahagian asalnya supaya sesiapa pun boleh menyemaknya, dan pembantu diarahkan untuk menyatakan bahawa ia tidak menemui sesuatu dan bukannya mereka-reka. RAG mengurangkan jawapan rekaan tetapi tidak menghapuskannya sepenuhnya.

Untuk siapa ia, dan untuk siapa ia tidak

Sesuai jika

Pasukan anda menyemak prosedur, lembaran spesifikasi, dasar atau sejarah sokongan setiap hari, dan dokumentasi itu wujud serta agak terkini.

Tidak sesuai jika

  • Anda hanya mempunyai beberapa dokumen: halaman FAQ yang baik sudah memadai
  • Dokumen anda bercanggah dan tiada siapa menentukan yang mana betul
  • Anda memerlukan angka tepat daripada pangkalan data langsung: integrasi atau pelayan MCP lebih sesuai
  • Kesilapan akan membawa akibat yang serius dan tiada semakan manusia

Bagaimana kami mengukur kualiti jawapan

Pembantu yang tidak dinilai hanyalah demo, jadi kami mengujinya dengan soalan sebenar sebelum pasukan menggunakannya.

Apa yang kami semak

  • Sama ada carian memperoleh dokumen yang betul
  • Sama ada jawapan berpegang pada apa yang diperoleh
  • Sama ada petikan menunjuk ke tempat yang betul
  • Sama ada ia mengakui tidak tahu apabila maklumat itu tiada

Cara kami menyemaknya

Pasukan anda menulis soalan dengan jawapan yang dijangka dan sumbernya. Kami menyemak secara manual dan dengan model kedua sebagai penilai, dan menjalankan semula set itu selepas setiap perubahan pada model, pemecahan teks atau arahan. Setelah digunakan, undian pengguna dan soalan yang tidak terjawab mendedahkan jurang dokumentasi.

Bagaimana kami melancarkannya

Persediaan

  • Pilih sumber, pemilik dan perkara yang dikecualikan
  • Buang versi pendua atau yang sudah lapuk
  • Tentukan kumpulan akses dan saluran yang akan digunakan

Pembinaan

  • Penyerapan dan penyelarasan dengan n8n atau kod
  • Indeks vektor dengan carian hibrid, dalam Qdrant atau dalam Postgres dengan pgvector
  • Pembantu dalam Slack, Microsoft Teams atau sembang dalaman
  • Penilaian, penalaan dan pelancaran secara berperingkat

Apa yang kekal selepas itu

Hasil kerja

  • Aliran kerja penyerapan dan penyelarasan pada pelayan anda
  • Indeks vektor dalam akaun atas nama anda
  • Pembantu yang disediakan dalam saluran yang anda pilih
  • Peta sumber dan kebenaran
  • Set penilaian dengan keputusannya

Langkah pertama: percubaan 7 hari dengan satu sumber

Pembantu yang terskop dan diukur

Kami memilih satu sumber bersama anda, contohnya folder prosedur satu jabatan, dan satu saluran. Kami membina pembantu dengan petikan, menjalankan soalan pasukan anda dan menyemak hasilnya bersama sebelum menambah sumber. Skop, tarikh dan terma dipersetujui secara bertulis sebelum kami bermula.

Soalan lazim

Soalan lazim

Adakah dokumen saya akan digunakan untuk melatih model?

Dengan RAG, model tidak dilatih semula dengan dokumen anda; ia hanya menerima petikan yang diperlukan untuk setiap jawapan. Kami memilih pembekal yang syarat API mereka mengecualikan data itu daripada latihan dan, jika data tidak boleh meninggalkan infrastruktur anda, kami melihat model terbuka pada pelayan anda sendiri. Penilaian undang-undang terserah kepada penasihat anda.

Bolehkah ia menghormati kebenaran yang sudah ada dalam Drive atau SharePoint?

Boleh, dengan beberapa syarat. Kami menapis mengikut kumpulan atau koleksi berdasarkan siapa yang bertanya, selagi saluran seperti Slack atau Teams mengenal pasti orang itu. Memantulkan kebenaran folder yang sangat terperinci dengan tepat adalah lebih rumit, jadi kami bersetuju tentang model akses yang jelas sebelum pengindeksan.

Adakah ia berfungsi dengan PDF yang diimbas, jadual atau fail Excel?

PDF yang diimbas memerlukan OCR, dan jadual kompleks kehilangan strukturnya jika dipecah dengan teruk, jadi kami mengendalikannya secara berasingan. Hamparan yang penuh dengan angka lebih sesuai ditanya melalui integrasi langsung, kerana pembantu tidak sepatutnya mengira daripada serpihan. Semasa penilaian, kami menandakan dokumen yang akan menimbulkan masalah.

Siapa yang menyelenggara pangkalan pengetahuan selepas itu?

Pasukan anda memiliki kandungan: apabila sesuatu prosedur berubah, pembantu akan mencerminkannya selepas penyelarasan seterusnya. Kami kekalkan penyerapan secara automatik, memberi amaran jika penyelarasan gagal dan menyediakan panduan untuk menambah sumber. Jika anda mahu kami terus menyemak penilaian dan penalaan, ia dipersetujui secara berasingan.

Hubungi kami

Apakah soalan yang paling kerap ditanya oleh pasukan anda?

Hantarkan kami satu contoh dan beritahu di mana jawapannya terdapat hari ini. Kami akan mencadangkan percubaan 7 hari pada sumber itu, dengan keputusan untuk anda semak sebelum membuat keputusan.

Telefon+34 603 636 249
↗
Emailnexuradigital2026@gmail.com
↗