Generacja rozszerzona o pobieranie

RAG Chatbot dla
Witryna i dokumentacja

Chatbot RAG dla witryn, dokumentacji i centrów pomocy, który pobiera z Twoich własnych treści zamiast zgadywać. ChattyBox odpowiada na pytania typu „Co zawiera plan Pro?” na podstawie Twoich opublikowanych stron i cytuje źródło — bez budowania ani hostowania własnej infrastruktury pobierania.

Wdróż RAG Chatbota

Co to jest RAG?

RAG łączy model językowy z pobraną treścią źródłową. Przed wygenerowaniem odpowiedzi chatbot przeszukuje Twoje opublikowane strony pod kątem fragmentów pasujących do pytania.

Jeśli priorytetem jest zaufanie do odpowiedzi, połącz ten proces wyszukiwania z chatbotem AI opartym na źródłach, który unika wymyślonych odpowiedzi dzięki ograniczeniom źródeł i odpowiedziom awaryjnym.

Pobieranie

Gdy odwiedzający zadaje pytanie, ChattyBox przeszukuje zindeksowane treści witryny, dokumentacji, pomocy i CMS pod kątem odpowiednich fragmentów.

Rozszerzanie

Te fragmenty źródłowe są dodawane jako kontekst, dzięki czemu model ma konkretne źródło do odpowiedzi.

Generowanie

Model generuje zwięzłą odpowiedź i może dołączyć linki źródłowe, aby odwiedzający mogli zweryfikować szczegóły.

Sprawdzone dowody redakcyjne

Pełna ścieżka RAG od źródła do cytowanej odpowiedzi

Niezawodny system RAG to łańcuch testowalnych etapów, a nie pojedyncze wywołanie modelu. Ta architektura referencyjna oddziela przygotowanie treści, wyszukiwanie, generowanie i cytowanie, dzięki czemu zespoły mogą lokalizować błędy i ponownie indeksować zmienione źródła bez konieczności ponownego uczenia modelu.

Autor techniczny: Inżynieria ChattyBox
Recenzent techniczny: Przegląd dokumentacji ChattyBox
Ostatnia aktualizacja: 2026-07-09
Informacje sprawdzone: 9 lipca 2026 r.

Sprawdzane w przypadku zmiany zachowań związanych z wyszukiwaniem i co najmniej co sześć miesięcy.

Diagram architektury RAG przedstawiający etapy indeksowania, parsowania, dzielenia na fragmenty, tworzenia embeddingów, wyszukiwania, budowania promptu, odpowiadania i cytowania — Źródła są przygotowywane i umieszczane w indeksie, dla każdego pytania wyszukiwane są odpowiednie fragmenty, a odpowiedź zachowuje odnośniki do stron potwierdzających jej treść.

Każdy etap ma odrębną kontrolę wyników i jakości; testowanie tylko ostatecznej wersji tekstu ukrywa wady indeksowania i wyszukiwania.
Etap	Co się dzieje	Kontrola do wykonania
1. Indeksowanie	Odkryj dozwolone strony na podstawie adresów URL i map witryn.	Oczekiwane adresy URL są obecne, a wykluczone i prywatne ścieżki nie występują.
2. Parsowanie	Wyodrębnij nagłówki, tekst, listy, tabele, kod, kanoniczne adresy URL i metadane.	Szum nawigacji jest usuwany bez usuwania poleceń i etykiet wersji.
3. Dzielenie na fragmenty	Podziel treść na spójne fragmenty, które zachowują tożsamość strony i sekcji.	Każdy fragment jest zrozumiały samodzielnie i zachowuje wymagania wstępne.
4. Tworzenie embeddingów	Utwórz reprezentacje fragmentów do dopasowywania semantycznego i zapisz metadane źródeł.	Każdy wektor jest mapowany na jeden bieżący, dozwolony fragment źródłowy.
5. Wyszukiwanie	Uszereguj niewielki zestaw fragmentów według dopasowania do pytania odwiedzającego.	W testach Recall@k wzorcowy fragment trafia do zestawu kontekstowego.
6. Budowanie promptu	Połącz pytanie, fragmenty, metadane źródeł i reguły odpowiedzi zastępczej.	Instrukcje nie mogą rozszerzać uprawnień ani zastępować reguł odpowiedzi zastępczej.
7. Odpowiedź	Wygeneruj tylko potwierdzone informacje lub odrzuć, jeśli dowody są niewystarczające.	Istotne twierdzenia wynikają z kontekstu; brak dowodów uruchamia odpowiedź zastępczą.
8. Cytowanie	Dołącz kanoniczną stronę i sekcję potwierdzającą odpowiedź.	Odnośniki działają, odpowiadają właściwej wersji i bezpośrednio potwierdzają twierdzenie.

Aktualność i ponowne indeksowanie

Zmiana w źródle nie jest dostępna w wyszukiwaniu, dopóki odpowiednia strona nie zostanie ponownie zaindeksowana, sparsowana, podzielona na fragmenty i przetworzona na embeddingi. Śledź wersje źródeł, zastępuj nieaktualne fragmenty zamiast dodawać duplikaty, usuwaj skasowane strony i testuj reprezentatywne odpowiedzi po ponownym indeksowaniu. Ustal częstotliwość indeksowania na podstawie najkrótszego akceptowalnego okresu nieaktualności odpowiedzi dotyczących cen, zasad i wersjonowanej dokumentacji.

Granice źródeł publicznych i prywatnych

Publiczne strony mogą współdzielić jeden zakres indeksowania. Dane prywatne, dane najemców, pracowników lub kont wymagają uwierzytelnionego pozyskiwania i autoryzacji podczas wyszukiwania, zanim fragmenty trafią do promptu. Reguły robots nie są mechanizmem kontroli dostępu. Nigdy nie indeksuj sekretów i sprawdzaj, czy nieuprawnione tożsamości nie mogą wyszukiwać tytułów, fragmentów, adresów URL ani szczegółów odpowiedzi z zastrzeżonych źródeł.

Źródła pierwotne i dowody powtarzalne

NIST AI Risk Management FrameworkPomiar ryzyka i wytyczne dotyczące bieżącej oceny.OWASP Top 10 for LLM ApplicationsWskazówki dotyczące ochrony przed prompt injection, ujawnianiem danych i naruszaniem granic wyszukiwania.

Oceń wyszukiwanie przed oceną jakości tekstu

Użyj wersjonowanego zestawu pytań ze znanymi fragmentami źródłowymi, oczekiwanymi twierdzeniami i przypadkami wymagającymi odpowiedzi zastępczej. Uruchamiaj go po zmianach źródeł, dzielenia na fragmenty, embeddingów, rankingu lub promptu, a następnie analizuj błędy według etapów.

Sygnał	Jak to zmierzyć	Ujawniany błąd
Recall@k	Odsetek pytań, na które można odpowiedzieć, dla których wzorcowy fragment pojawia się w pierwszych k wynikach.	Brak zasięgu indeksowania, słabe fragmenty, niedopasowanie słownictwa lub nieaktualne osadzenia.
Jakość rankingu	Zapisuj reciprocal rank lub nDCG dla fragmentów ocenionych jako trafne.	Trafna strona istnieje, ale szum lub przestarzała wersja zajmuje wyższą pozycję.
Potwierdzenie twierdzeń	Sprawdź każde istotne twierdzenie względem fragmentów przekazanych modelowi.	Odpowiedź łączy założenia z dowodami lub wykracza poza treść źródła.
Dokładność cytowania	Sprawdź, czy każdy cytat działa i bezpośrednio potwierdza powiązane twierdzenie.	Prawidłowa odpowiedź prowadzi do powiązanej strony lub niewłaściwej wersji.
Precyzja i czułość odpowiedzi zastępczych	Uwzględnij pytania bez odpowiedzi oraz pytania ze sprzecznymi źródłami; oceniaj prawidłowe odmowy i pominięte odpowiedzi.	Bot zgaduje bez dowodów lub odmawia pomimo odpowiednich dowodów.
Opóźnienie świeżości	Zmierz czas od opublikowania zmiany w źródle do uzyskania prawidłowej odpowiedzi opartej na wyszukanych danych.	Opóźnienie ponownego indeksowania, zduplikowane nieaktualne fragmenty lub nieudana propagacja usuwania.

Wybierz RAG, jeśli chcesz mieć dostęp do zmieniającej się, możliwej do przypisania wiedzy

Metoda	Najlepsze dopasowanie	Ważne ograniczenie
Wyszukiwanie słów kluczowych lub witryn	Użytkownicy oczekują uporządkowanej listy stron i samodzielnie przeczytają źródło.	Nie syntezuje odpowiedzi i może pominąć dopasowania semantyczne.
RAG	Wiedza się zmienia, cytaty mają znaczenie, a odpowiedzi obejmują kilka fragmentów.	Jakość zależy od zakresu indeksowania, wyszukiwania, uprawnień i jakości źródeł.
Dostrajanie	Naucz stabilnego stylu, formatu, klasyfikacji lub zachowania przy zadaniu.	Nie jest to niezawodny zamiennik bieżących faktów, cytatów lub usunięcia źródła.
Promptowanie z długim kontekstem	Ograniczony zestaw dokumentów pasuje do kontekstu i każdy element jest istotny.	Koszty i hałas rosną wraz z kontekstem; uprawnienia i świeżość nadal wymagają kontroli.

Przewodnik od źródła do odpowiedzi

Załóżmy, że zaindeksowana strona instalacji informuje, że skrypt widżetu należy umieścić bezpośrednio przed zamykającym znacznikiem body. Wyszukiwanie powinno wybrać ten fragment, prompt powinien zabraniać niepopartych porad dotyczących umiejscowienia, a odpowiedź powinna podać instrukcję i dołączyć stronę instalacji jako dowód.

1. Pytanie jest osadzone i dopasowywane do dozwolonych fragmentów.
2. Fragment instalacji znajduje się powyżej szerszych stron z widżetami.
3. Model odpowiada jedynie szczegółom rozmieszczenia obecnym w tym fragmencie.
4. Karta źródłowa łączy użytkownika z dokładną stroną dokumentacji.

Przejdź do przewodników dotyczących cytaty źródłowe, kontrole nieobsługiwanych odpowiedzi, chatboty z dokumentacją dla programistów oraz ramy oceny dokumentacji technicznej.

Asystent dokumentacji

Gdzie dodać skrypt widżetu?

Dodaj skrypt widżetu ChattyBox bezpośrednio przed tagiem zamykającym body na każdej stronie, na której powinien pojawić się widżet.

iŹródła1^

Zainstaluj widżet

Dokumentacja techniczna

Zadaj pytanie...

Obsługiwane przez ChattyBox

Jak ChattyBox utrzymuje pobieranie w praktycznej formie

Indeks treści z możliwością wyszukiwania

Twoje strony witryny, dokumentacji, centrum pomocy i CMS są indeksowane, aby chatbot mógł przeszukiwać treści, które już publikujesz.

Model osadzania

Embeddingi pomagają dopasować pytania odwiedzających do odpowiednich fragmentów źródłowych nawet wtedy, gdy sformułowanie jest inne.

Ukierunkowane pobieranie

Dla każdego pytania ChattyBox pobiera niewielki zestaw odpowiednich fragmentów zamiast prosić model o odpowiedź z pamięci.

Budowanie promptu z ograniczonym kontekstem

Krok odpowiedzi jest ograniczony do pobranego kontekstu i skonfigurowany tak, aby unikać niepopartych twierdzeń.

Linki cytatowe

Każda odpowiedź zawiera linki do stron źródłowych, aby użytkownicy mogli zweryfikować informacje.

Obsługa rezerwowa

Gdy brakuje odpowiednich treści, bot może użyć odpowiedzi zastępczej zamiast improwizować niepopartą odpowiedź.

RAG chatbot kontra ogólny chatbot AI

Ogólny chatbot odpowiada z szerokiej pamięci modelu i może wydawać się pewny rzeczy, o których nie wie. Chatbot RAG najpierw pobiera informacje z Twoich stron, więc odpowiedź jest powiązana z opublikowaną przez Ciebie treścią i można ją sprawdzić.

Ogólny chatbot AI

—Odpowiedzi z szerokiej pamięci modelu, a nie z Twojej treści.
—Może wymyślać funkcje, ceny lub kroki, których nie ma w Twoich dokumentach.
—Brak jasnego źródła, które pozwoliłoby zweryfikować odpowiedź.

Chatbot RAG

Najpierw pobiera z opublikowanej witryny internetowej, dokumentów i treści pomocy.
Może użyć skonfigurowanej odpowiedzi zastępczej, gdy pobieranie nie zawiera wystarczającego wsparcia dla odpowiedzi.
Może cytować strony wspierające, aby odwiedzający mogli zbadać dowody stojące za istotnymi twierdzeniami.

Jeśli priorytetem są cytowania, połącz pobieranie z chatbota AI z cytatami źródłowymi, który łączy każdą odpowiedź z jej stroną źródłową.

RAG bez przebudowy stosu treści

Połącz swoją istniejącą treść witryny, przetestuj jakość odpowiedzi i osadź chatbota z cytatami źródeł, gdy odpowiedzi będą wyglądać poprawnie.

Rozpocznij Free – brak karty kredytowej

RAG Chatbot dla Witryna i dokumentacja