Knowledge base per chatbot RAG: preparare i documenti aziendali

Crea un registro semplice con Fonte, Argomento, Destinatari, Responsabile, Stato di approvazione, Data di decorrenza, Data di revisione e destinazione WebChatAgent. Includi siti web, PDF, pagine dell'area di lavoro e snippet di testo. “Shared drive” non è un responsabile; indica il team o la persona che può approvare una correzione.

Per ogni argomento, individua un'unica fonte di riferimento aggiornata. Se il centro assistenza e un PDF indicano orari di supporto differenti, fermati e allinea le direttive con il responsabile. Non chiedere al chatbot di scegliere tra due versioni con la stessa autorevolezza.

Raggruppa i quasi-duplicati per argomento. I duplicati tipici includono un articolo corrente affiancato alla versione stampabile, un vecchio PDF accanto a uno nuovo, URL web con parametri, copie esportate da aree di lavoro e traduzioni che ripetono gli stessi dati. Confronta date di decorrenza e stato di approvazione, poi mantieni nel set del chatbot solo la versione approvata.

Archivia il materiale superato fuori dalla cartella collegata o dall'ambito di scansione. Search Priority può influenzare il ranking in seguito, ma non risolve in sicurezza direttive contraddittorie. Un documento non aggiornato rimane recuperabile anche se il suo peso è inferiore.

Sostituisci intestazioni generiche come “General” o “More information” con la domanda specifica a cui la sezione risponde: “Support hours for Northstar customers” o “Annual-plan cancellation eligibility”. Mantieni un solo tema principale per sezione e usa paragrafi brevi all'interno di una gerarchia di titoli strutturata.

Scrivi frasi esplicite. “It is available for 30 days” diventa “The Northstar onboarding review is available for 30 calendar days after the kickoff date.”. Inserisci le eccezioni e la data di decorrenza nella stessa sezione. Evita riferimenti come “see above”, poiché il passaggio recuperato potrebbe non contenere il testo a cui si rimanda.

Scrivi il termine per esteso al primo utilizzo, ad esempio “Service-level agreement (SLA)”. Mantieni coerenti i nomi di prodotti e piani in tutte le fonti. Se gli utenti dicono “refund” mentre la policy riporta “reimbursement”, includi entrambi i termini in modo naturale nella sezione.

Utilizza date non ambigue come “1 August 2026” o un formato ISO nei campi strutturati. Associa valute e unità a ciascun numero. Specifica il fuso orario per orari e scadenze. Un semplice “50” non è un dato utilizzabile se può indicare euro, percentuali, articoli o minuti.

Le tabelle semplici con una sola riga di intestazione e un singolo schema di dati per riga sono più facili da estrarre. Separa le celle unite, ripeti il soggetto della riga dove necessario e aggiungi un breve paragrafo con la conclusione che un utente potrebbe richiedere. Nelle tabelle comparative, includi prodotto, condizione, prezzo e data di decorrenza in ogni riga rilevante.

Aggiungi alternative testuali per diagrammi e screenshot. Lo screenshot di un orario di apertura non è una fonte di conoscenza finché gli orari non sono disponibili anche come testo leggibile. Mantieni immagini decorative, firme ed elementi di navigazione fuori dai contenuti informativi principali, quando possibile.

Prova a selezionare e copiare una frase da ogni tipologia di pagina. Se la pagina è una scansione, esegui il riconoscimento ottico dei caratteri (OCR) prima del caricamento. Controlla manualmente codici, date, separatori decimali, lettere accentate e intestazioni: sono i punti tipici in cui l'OCR può fallire.

Incolla il testo copiato in un editor di testo semplice e rileggilo senza il layout di pagina. Controlla l'ordine delle colonne multiple, le righe delle tabelle, i ritorni a capo con trattino e le intestazioni ripetute. Esporta nuovamente un PDF accessibile e pulito se l'estrazione mescola le colonne o tralascia etichette essenziali. Il dato di controllo demo deve rimanere esattamente `NORDSTERN-42`.

Apri l'assistente isolato, scegli Data Sources e seleziona Add Data Source → Documents. Carica il PDF dimostrativo approvato Northstar. Imposta il nome del documento su “Northstar Knowledge Base” e la categoria su “Support”, così chi esamina i dati potrà identificarne lo scopo senza aprire il file.

Disattiva l'ottimizzazione AI per i documenti con testo pulito e selezionabile, a meno che non ci sia un problema specifico di estrazione e tu possa verificare il risultato elaborato. Attendi che la riga mostri Completed. Registra il conteggio di caratteri o chunk indicizzati come riferimento iniziale, non come punteggio qualitativo.

Apri Edit per la knowledge base Northstar. Leggi il testo estratto e memorizzato attorno alla prima intestazione, a una tabella o elenco, alla sezione finale e a NORDSTERN-42. Verifica che l'editor mostri ancora i valori corretti di Document Name e Category.

Mantieni Search Priority su 0 a meno che test di recupero ripetibili non evidenzino un conflitto giustificato. Un valore più alto dà priorità a una fonte rispetto alle altre, ma non corregge errori di OCR, contesti mancanti o regole obsolete. Salva solo le correzioni verificate e mantieni il file sorgente approvato come originale gestito.

Seleziona Content Search e cerca `NORDSTERN-42`. Il risultato corrispondente deve indicare la knowledge base Northstar e mostrare il passaggio memorizzato contenente il dato. Ripeti la prova con un'espressione comune come “support hours” per verificare che il recupero non sia limitato a un codice insolito.

Se il dato univoco non produce risultati, fermati prima di modificare il modello o il prompt di sistema. Ricontrolla lo stato della fonte, il testo estratto e l'assistente selezionato. Se Content Search trova il passaggio ma la risposta del chatbot è errata, analizza la formulazione della domanda, le fonti concorrenti, le istruzioni di ruolo e il comportamento del modello.

Avvia una nuova conversazione con Test chatbot e chiedi: “What is the support verification code in the Northstar Knowledge Base? Answer in one sentence and name the source.”. La risposta attesa contiene esattamente NORDSTERN-42 e cita il PDF. Registra la formulazione esatta, la versione della fonte, il modello e la data.

Apri un'altra nuova conversazione e richiedi le condizioni di garanzia 2028 di Northstar. La fonte demo non contiene questa risposta, per impostazione voluta. Il test è superato se l'assistente dichiara che l'informazione non è disponibile, senza inventare scadenze o requisiti. Mantieni entrambe le domande nel set di rilascio a ogni modifica di fonti, prompt o modelli.

Quando un responsabile approva una modifica, aggiorna contemporaneamente la fonte gestita, la data di decorrenza e la voce nel registro. Reindicizza o sostituisci la fonte WebChatAgent, verifica che lo stato sia Completed, ricontrolla il passaggio modificato in Content Search e riesegui la serie di domande standard.

Rimuovi la fonte superata dall'assistente attivo solo dopo che la nuova versione ha superato i controlli. Monitora Questions, Feedback e Conversations per intercettare formulazioni reali non coperte dal set di test. Aggiungi una domanda quando riflette un'esigenza frequente, quindi revisiona i temi critici secondo la cadenza documentata.