చాలా కంపెనీ చాట్‌బాట్‌లు ఎందుకు సమాధానాలు కల్పిస్తాయి — మూలాలను చూపించే ఒకదాన్ని మేము ఎలా నిర్మించాం

ప్రతి కంపెనీకీ ఒకే సమస్య. సమాధానాలు ఉన్నాయి — ఏదో సెలవు పాలసీలో, వారంటీ PDFలో, 2023 నాటి ఏదో SOPలో — కానీ ఎవరూ వాటిని కనుక్కోలేరు, అందుకే సహోద్యోగిని అడుగుతారు, ఊహిస్తారు లేదా టికెట్ తెరుస్తారు. చాట్‌బాట్ స్పష్టమైన పరిష్కారంలా కనిపిస్తుంది. చాలావరకు ఒకే కారణంతో నిరాశపరుస్తాయి: తెలియనప్పుడు కూడా ధీమాగా సమాధానం చెబుతాయి, సమాధానం ఎక్కడి నుంచి వచ్చిందో ఎవరూ తనిఖీ చేయలేరు.

ప్రత్యామ్నాయం ఎలా ఉంటుందో చూపించడానికి AIVCJ Knowledgeని నిర్మించాం. ఈ రోజే తెరవగలిగే లైవ్ డెమో ఇది: ఒక నమూనా లైబ్రరీని ఎంచుకోండి, నిజమైన ప్రశ్న అడగండి, సమాధానంలోని ప్రతి వాక్యం అది వచ్చిన ఖచ్చితమైన భాగాన్ని చూపిస్తుంది.

సమస్య: ధారాళంగా మాట్లాడటం సరిగ్గా మాట్లాడటం కాదు

ఒంటరిగా ఒక భాషా మోడల్ జ్ఞాపకం నుంచి సమాధానం ఇస్తుంది. మీ సెలవు క్యారీ-ఫార్వర్డ్ నియమం గురించి అడిగితే, వేలాది ఇతర కంపెనీల పాలసీల నుంచి నమ్మదగినట్టు ఉండేదాన్ని తయారుచేస్తుంది. సాధారణ రిట్రీవల్ (RAG) సహాయపడుతుంది, కానీ సరళమైన వెర్షన్‌లు ఊహించదగిన విధాలుగా విఫలమవుతాయి:

• అనేక భాగాల ప్రశ్నలు. “రెండు నెలల క్రితం Financeలో చేరాను — వారానికి రెండు రోజులు ఇంటి నుంచి పని చేయవచ్చా?” — దీనికి హైబ్రిడ్ పాలసీ మరియు ప్రొబేషన్ నియమం రెండూ కావాలి. ఒకే సెర్చ్ రెండింటినీ అరుదుగా కనుగొంటుంది.
• పట్టికలు, శీర్షికలు విడిపోతాయి. పత్రాన్ని ప్రతి 900 అక్షరాలకు కోస్తే, అలవెన్స్ పట్టిక అది దేని గురించో చెప్పే శీర్షిక నుంచి విడిపోతుంది.
• నిజాయితీగల “తెలియదు” లేదు. సరైన భాగం దొరకనప్పుడు మోడల్ ఖాళీని తానే నింపుతుంది.
• తనిఖీ చేసే మార్గం లేదు. ఉటంకింపులు లేకుండా తప్పు సమాధానం సరైన సమాధానంలాగే కనిపిస్తుంది.

AIVCJ Knowledge ఎలా పనిచేస్తుంది

1. నిర్మాణాన్ని గుర్తించే ఇన్‌జెషన్. పత్రాలు (PDF, DOCX, TXT) వాటి సొంత నిర్మాణం ప్రకారం విభజించబడతాయి: శీర్షికలు తమ విషయంతో ఉంటాయి, పట్టికలు పూర్తిగా ఉంటాయి, ప్రతి భాగం తన పత్రం, విభాగాన్ని గుర్తుంచుకుంటుంది. ఆ సందర్భం భాగంతో పాటు ఎంబెడ్ అవుతుంది, కాబట్టి పట్టికలోని ఒక వరుసకు కూడా అది ట్రావెల్ పాలసీ అలవెన్స్ విభాగానిదని “తెలుసు”.
2. క్వెరీ ప్లానింగ్. ఒక చిన్న, వేగవంతమైన మోడల్ ప్రతి ప్రశ్నను దానికి కావలసిన వేర్వేరు వాస్తవాలుగా విభజిస్తుంది — ఉద్యోగి గ్రేడ్, నగర టియర్, అలవెన్స్ పట్టిక — ప్రతిదీ సొంత సెర్చ్ అవుతుంది.
3. హైబ్రిడ్ రిట్రీవల్. ప్రతి సెర్చ్ PostgreSQL లోపల రెండు విధాలుగా నడుస్తుంది: అర్థం ద్వారా (pgvector ఎంబెడింగ్‌లు), ఖచ్చితమైన పదాల ద్వారా (ఫుల్-టెక్స్ట్ సెర్చ్). ఫలితాలు reciprocal-rank fusionతో కలుపుతారు, ప్రశ్నలోని ప్రతి భాగానికి ఒక స్థానం హామీ.
4. మూలాల నుంచి మాత్రమే సమాధానం. Claude కనుగొన్న భాగాల నుంచి మాత్రమే సమాధానం రాస్తుంది, ప్రతి వాదనకూ [1], [2]… అని ఉటంకిస్తూ. పత్రాల్లో లేకపోతే స్పష్టంగా చెబుతుంది.
5. గ్రౌండింగ్ తనిఖీ. రెండో దశ పూర్తయిన సమాధానాన్ని దాని మూలాలతో పోల్చి పూర్తిగా ఆధారమున్నది, పాక్షికంగా ఆధారమున్నది లేదా పత్రాల్లో లేదు అని గుర్తిస్తుంది — వినియోగదారుకు కనిపిస్తుంది.

డెమోలో మీరు చూసేవి

• క్లిక్ చేయగల ఉటంకింపులు — మూల పేజీని తెరిచి ఖచ్చితమైన భాగాన్ని హైలైట్ చేస్తాయి.
• “ఈ సమాధానం ఎందుకు?” — కనుగొన్న ప్రతి భాగం దాని అర్థం, కీవర్డ్, ఫ్యూజన్ స్కోర్‌లతో; ఏవి ఉటంకించబడ్డాయి, గ్రౌండింగ్ తీర్పు, పట్టిన సమయం, వాడిన టోకెన్‌లు.
• మీ సొంత పత్రం. PDF లేదా Word ఫైల్‌ను అప్‌లోడ్ చేయండి (మీకు మాత్రమే, ప్రతి రాత్రి తొలగిస్తారు), సెకన్లలో దానిపై ప్రశ్నలు అడగండి.
• ఒక క్వాలిటీ పేజీ — ప్రశ్న వారీగా పూర్తి టెస్ట్ ఫలితాలతో.

ఊహ కాదు, కొలత — పరిమితుల గురించి నిజాయితీగా

ప్రతి నమూనా లైబ్రరీకి రెండు టెస్ట్ సెట్‌లు ఉన్నాయి, ప్రతి సమాధానాన్ని మూలాలకు విశ్వాసం, ప్రశ్నకు సంబంధం అనే అంశాలపై తనిఖీ చేస్తారు.

• గోల్డెన్ సెట్ (45 ప్రశ్నలు). పత్రాలతో పాటు రాసింది; అనేక పత్రాల ప్రశ్నలు, పత్రాలు ఉద్దేశపూర్వకంగా సమాధానం ఇవ్వని ప్రశ్నలూ ఉన్నాయి. ట్యూనింగ్‌లో దీన్ని వాడాం, కాబట్టి ఇది మమ్మల్ని ఎక్కువగా చూపిస్తుంది. మా మొదటి వెర్షన్ — స్థిర పరిమాణ ముక్కలు, ఒక్కో ప్రశ్నకు ఒక సెర్చ్ — 45కి 40, 91–93% విశ్వాసం; తప్పులన్నీ అనేక భాగాల ప్రశ్నల్లోనే. నిర్మాణ ఆధారిత ముక్కలు, సందర్భ ఎంబెడింగ్‌లు, క్వెరీ ప్లానింగ్ దాన్ని రన్‌లలో 45కి 42–45, 98–100% విశ్వాసంకు చేర్చాయి.
• బ్లైండ్ సెట్ (20 ప్రశ్నలు). తర్వాత మరో రచయిత మనుషులు నిజంగా టైప్ చేసే విధంగా రాసింది — హింగ్లిష్, అక్షర దోషాలు, అస్పష్ట పదాలు, రెండు పత్రాలు అవసరమైన ప్రశ్నలు — ట్యూనింగ్‌కు ఎప్పుడూ వాడలేదు: రన్‌లలో 20కి 19–20, 95–96% విశ్వాసం. ఒక రన్‌లోని తప్పు నేర్చుకోదగినది: కంపెనీ ల్యాప్‌టాప్‌ను క్యాబ్‌లో మర్చిపోతే ఏం చేయాలని (హింగ్లిష్‌లో) అడిగితే, 24×7 IT Security లైన్ బదులు సాధారణ IT హెల్ప్‌డెస్క్‌ను చెప్పింది, పోలీసు ఫిర్యాదు దశను వదిలేసింది — బ్లైండ్ సెట్ పట్టుకోవడానికే ఉన్న ఖాళీ ఇదే.

దాచడం కంటే చెప్పడమే మేలనిపించే రెండు హెచ్చరికలు: మూల్యాంకనాన్ని ఒక AI జడ్జి (Claude) రిఫరెన్స్ సమాధానాలతో పోల్చి చేస్తుంది — అసిస్టెంట్ అదే మోడల్ కుటుంబం — ఫలితాలను మనుషులు ధృవీకరించలేదు; మా నమూనా పత్రాలు చాలా నిజమైన కంపెనీ ఫైళ్ల కంటే శుభ్రంగా ఉన్నాయి. సంఖ్యలను సూచనగా చూడండి. ప్రతి ప్రశ్న, సమాధానం, గ్రేడ్ క్వాలిటీ పేజీలో పబ్లిక్‌గా ఉన్నాయి.

అంతే ముఖ్యం: పత్రాల్లో లేని ప్రశ్నలకు నిజాయితీగల “ఇది పత్రాల్లో నాకు దొరకలేదు” వస్తుంది — కల్పన కాదు.

ఇదే క్రమశిక్షణను క్లయింట్ ప్రాజెక్టులకు తెస్తాం: మొదటి రోజు నుంచే నిజమైన ప్రశ్నల టెస్ట్ సెట్, prompt, మోడల్ లేదా పత్రం మారిన ప్రతిసారీ మళ్లీ నడుపుతాం — నాణ్యత ఒక భావన కాదు, ట్రాక్ చేయగల సంఖ్యగా ఉండాలని.

మీ డేటాపై నడపడం

డెమో మేము క్లయింట్ల కోసం ఏర్పాటు చేసే అదే స్టాక్‌పై నడుస్తుంది: Next.js, pgvectorతో PostgreSQL, Claude — మీరు ఎంచుకునే ఇన్‌ఫ్రాస్ట్రక్చర్‌పై, సున్నితమైన పత్రాల కోసం మీ సొంత సర్వర్లతో సహా. సాధారణంగా ఒక అధిక వాల్యూమ్ వర్క్‌ఫ్లో (HR ప్రశ్నలు, ప్రోడక్ట్ సపోర్ట్ లేదా అంతర్గత SOPలు), యాభై నిజమైన ప్రశ్నలు, నెలలు కాక వారాల్లో కొలిచిన పైలట్‌తో మొదలవుతుంది. పెరిగే కొద్దీ కనెక్టర్లు (Google Drive, SharePoint, Notion), పత్ర స్థాయి అనుమతులు, WhatsApp ఛానెల్ జోడించండి.

AIVCJ Knowledgeను లైవ్‌లో ప్రయత్నించండి →