Overzicht
De kennisbank in Cusmato voedt het AI-systeem met relevante documentatie. Via RAG (Retrieval-Augmented Generation) worden de juiste bronnen opgehaald bij het genereren van antwoorden.
- RAG — Zoekt in geïndexeerde documenten op basis van semantische gelijkenis
- Embeddings — Via Ollama
- Vectoropslag — Qdrant
- Filtering — Per kanaal (channelKey) mogelijk
Hoe het werkt
Bij first-contact
Wanneer een ticket wordt verwerkt:
- De inhoud van het klantbericht wordt gebruikt als zoekquery
- RAG zoekt naar vergelijkbare documenten in de kennisbank
- De gevonden context wordt toegevoegd aan de AI-prompt
- Het antwoord wordt gegenereerd met deze extra context
Zoekparameters
| Parameter | Standaard | Beschrijving |
|---|---|---|
limit | 5 | Maximaal aantal resultaten |
scoreThreshold | 0.7 | Minimale relevantiescore (0–1) |
sourceTypes | — | Filter op type bron |
channelKey | — | Filter op kanaal (bolcom, shopify, etc.) |
Kennisbank beheren
De kennisbank-API ondersteunt:
- Search — Zoeken in geïndexeerde content
- Seed — Documenten toevoegen aan de index
- Extract — Content extraheren uit bronnen
- AI-extract — AI-gestuurde extractie
- AI-generate — AI-gestuurde generatie van content
- Examples — Voorbeelden voor training
- Webpages— Webpagina's scrapen en indexeren
Redis-integratie
Kennisbankdata wordt ook in Redis opgeslagen. De system prompt hash bevat een timestamp van de kennisbank, zodat wijzigingen de prompt invalidatie triggeren.
API-endpoints
POST /api/[accountSlug]/rag/search— Zoek in RAG (query, limit, scoreThreshold, sourceTypes)GET /api/[accountSlug]/rag/search— Collection-statistieken ophalen
Best practices
- Relevante content — Voeg alleen documentatie toe die direct helpt bij klantvragen
- Kanaalspecifiek — Gebruik channelKey-filtering voor kanaalspecifieke kennis
- Bijwerken — Houd de kennisbank up-to-date met beleidswijzigingen en nieuwe producten