Een RAG-chatbot voor websites, documentatie en helpcentra die uit uw eigen content ophaalt in plaats van te raden. ChattyBox beantwoordt vragen zoals “Wat is inbegrepen in het Pro-abonnement?” vanuit uw gepubliceerde pagina's en citeert de bron — zonder aangepaste retrieval-infrastructuur te bouwen of te hosten.
RAG combineert een taalmodel met opgehaalde broncontent. Voordat een antwoord wordt gegenereerd, doorzoekt de chatbot uw gepubliceerde pagina's op passages die bij de vraag passen.
Als vertrouwen in antwoorden prioriteit heeft, combineer deze retrieval-workflow dan met een gegronde AI-chatbot die verzonnen antwoorden vermijdt via bronbeperkingen en fallbackgedrag.
Wanneer een bezoeker een vraag stelt, doorzoekt ChattyBox geïndexeerde website-, documentatie-, help- en CMS-content op relevante passages.
Die bronpassages worden als context toegevoegd, zodat het model iets specifieks heeft om vanuit te antwoorden.
Het model genereert een beknopt antwoord en kan bronlinks bevatten, zodat bezoekers de details kunnen verifiëren.
Een betrouwbaar RAG-systeem is een keten van testbare fasen, niet één modelaanroep. Deze referentiearchitectuur scheidt contentvoorbereiding, retrieval, generatie en bronvermelding, zodat teams fouten kunnen lokaliseren en gewijzigde bronnen opnieuw kunnen indexeren zonder een model opnieuw te trainen.
Beoordeeld wanneer het retrievalgedrag verandert en ten minste elke zes maanden.
| Fase | Wat gebeurt er | Te verifiëren controle |
|---|---|---|
| 1. Crawlen | Ontdek toegestane pagina’s via URL’s en sitemaps. | Verwachte URL’s zijn aanwezig; uitgesloten en privépaden ontbreken. |
| 2. Parsen | Extraheer koppen, tekst, lijsten, tabellen, code, canonieke URL’s en metadata. | Navigatieruis wordt verwijderd zonder opdrachten of versielabels weg te laten. |
| 3. Opdelen | Deel content op in samenhangende passages die de identiteit van pagina en sectie behouden. | Elke passage is afzonderlijk begrijpelijk en behoudt de vereisten. |
| 4. Embedden | Zet passages om voor semantische matching en sla bronmetadata op. | Elke vector verwijst naar één actuele, toegestane bronpassage. |
| 5. Ophalen | Rangschik een kleine set passages op basis van de vraag van de bezoeker. | Recall@k-tests plaatsen de referentiepassage in de contextset. |
| 6. Prompten | Combineer de vraag, passages, bronmetadata en fallbackregels. | Instructies kunnen machtigingen niet uitbreiden of fallbackregels overschrijven. |
| 7. Beantwoorden | Genereer alleen ondersteunde details of weiger wanneer het bewijs onvoldoende is. | Wezenlijke claims volgen de context; ontbrekend bewijs activeert fallback. |
| 8. Citeren | Voeg de canonieke pagina en sectie toe die het antwoord ondersteunen. | Links werken, komen overeen met de versie en ondersteunen de claim rechtstreeks. |
Een bronwijziging kan pas worden opgehaald nadat de betreffende pagina opnieuw is gecrawld, geparset, opgedeeld en geëmbed. Houd bronrevisies bij, vervang verouderde chunks in plaats van duplicaten toe te voegen, verwijder verwijderde pagina’s en test representatieve antwoorden na herindexering. Baseer de recrawlfrequentie op het kortste aanvaardbare venster voor verouderde antwoorden over prijzen, beleid en documentatieversies.
Openbare pagina’s kunnen één crawlscope delen. Privé-, tenant-, werknemers- of accountgegevens vereisen geauthenticeerde opname en autorisatie tijdens retrieval voordat passages in de prompt terechtkomen. Robots-regels zijn geen toegangscontrole. Indexeer nooit geheimen en test dat niet-geautoriseerde identiteiten geen titels, fragmenten, URL’s of antwoorddetails uit beperkte bronnen kunnen ophalen.
Gebruik een versiegebonden vragenset met bekende bronpassages, verwachte claims en verwachte fallbackgevallen. Voer deze uit na wijzigingen in bronnen, chunking, embeddings, rangschikking of prompts en inspecteer fouten vervolgens per fase.
| Signaal | Hoe dit te meten | Fout die hierdoor zichtbaar wordt |
|---|---|---|
| Recall@k | Aandeel beantwoordbare vragen waarbij een referentiepassage in de top k-resultaten verschijnt. | Ontbrekende crawldekking, zwakke chunks, niet-overeenkomende woordenschat of verouderde embeddings. |
| Rangschikkingskwaliteit | Registreer reciprocal rank of nDCG voor als relevant beoordeelde passages. | Er bestaat een relevante pagina, maar ruis of een verouderde versie staat hoger gerangschikt. |
| Ondersteuning van claims | Beoordeel elke wezenlijke claim aan de hand van de passages die aan het model zijn verstrekt. | Het antwoord combineert aannames met bewijs of overdrijft wat de bron zegt. |
| Nauwkeurigheid van bronvermeldingen | Controleer of elke bronvermelding werkt en de bijbehorende claim rechtstreeks ondersteunt. | Het juiste antwoord linkt naar een slechts gerelateerde pagina of de verkeerde versie. |
| Precisie en recall van fallback | Neem onbeantwoordbare vragen en vragen met tegenstrijdige bronnen op; beoordeel correcte weigeringen en gemiste antwoorden. | De bot gokt zonder bewijs of weigert ondanks voldoende bewijs. |
| Actualiteitsvertraging | Meet de tijd vanaf een gepubliceerde bronwijziging tot een correct opgehaald antwoord. | Vertraging bij opnieuw crawlen, dubbele verouderde chunks of mislukte doorvoering van verwijderingen. |
| Methode | Beste keuze | Belangrijke beperking |
|---|---|---|
| Zoeken op trefwoorden of site | Gebruikers willen gerangschikte pagina’s en lezen de bron zelf. | Stelt geen antwoord samen en kan semantische overeenkomsten missen. |
| RAG | Kennis verandert, bronvermeldingen zijn belangrijk en antwoorden omvatten enkele passages. | Kwaliteit hangt af van crawldekking, retrieval, machtigingen en bronkwaliteit. |
| Fine-tuning | Leer een stabiele stijl, indeling, classificatie of taakgedrag aan. | Geen betrouwbare vervanging voor actuele feiten, bronvermeldingen of bronverwijdering. |
| Prompting met lange context | Een afgebakende documentset past in de context en elk item is relevant. | Kosten en ruis nemen toe met de context; machtigingen en actualiteit vereisen nog steeds beheer. |
Stel dat op de geïndexeerde installatiepagina staat dat het widgetscript direct vóór de afsluitende body-tag hoort. Retrieval moet die passage selecteren, de prompt moet niet-ondersteund plaatsingsadvies verbieden en het antwoord moet de instructie geven met de installatiepagina als bewijs.
Ga verder met de gidsen over bronvermeldingen, beheer van niet-ondersteunde antwoorden, chatbots voor ontwikkelaarsdocumentatie en het evaluatiekader voor technische documentatie.
Uw website-, documentatie-, helpcentrum- en CMS-pagina's worden geïndexeerd, zodat de chatbot de content kan doorzoeken die u al publiceert.
Embeddings helpen bezoekersvragen te koppelen aan relevante bronpassages, zelfs als de formulering verschilt.
Voor elke vraag haalt ChattyBox een kleine set relevante passages op in plaats van het model uit het geheugen te laten antwoorden.
De antwoordstap is beperkt tot de opgehaalde context en geconfigureerd om niet-ondersteunde claims te vermijden.
Elk antwoord bevat links naar bronpagina's, zodat gebruikers de informatie kunnen verifiëren.
Wanneer er geen relevante inhoud wordt gevonden, zegt de bot eerlijk ‘Ik weet het niet’ in plaats van te hallucineren.
Een generieke chatbot antwoordt vanuit een breed modelgeheugen en kan zelfverzekerd klinken over dingen die hij niet weet. Een RAG chatbot haalt eerst uw pagina's op, dus het antwoord is gekoppeld aan de inhoud die u heeft gepubliceerd en kan worden gecontroleerd.
Wanneer bronvermeldingen prioriteit hebben, combineer retrieval met een AI-chatbot met bronvermeldingen die elk antwoord aan zijn bronpagina koppelt.
Verbind uw bestaande sitecontent, test de antwoordkwaliteit en sluit een chatbot met bronvermeldingen in wanneer de antwoorden kloppen.
Start gratis - Geen creditcard
