知識庫

知識庫可想像為開書（Open Book）考試的參考資料，其目的是為 AI 助理提供回答問題時的上下文。雖然知識庫能存儲大量資料，但資料的相關性仍然至關重要。不相關的資料可能導致檢索到錯誤的上下文，從而影響回答的準確性。

例如：

• 產品資訊

• FAQ 常見問題

• 其他較大量的資料

知識庫應包含的內容

• 產品資訊：詳細描述產品的功能、特性等。

• FAQ 常見問題：針對用戶常見疑問提供清晰解答。

• 專業數據：與應用場景相關的行業報告、市場數據、法規文檔等。

知識庫內容的相關性與精確性

1. 專注於目標領域：知識庫數據應高度貼合應用場景。例如，金融應用的知識庫應涵蓋行業報告、市場數據和相關法規。

2. 確保信息精確性：數據應來自可靠來源，如經驗證的研究報告、專業期刊或官方數據庫，避免誤導性信息。

知識庫數據的組織與結構化

1. 結構化存儲：以 JSON、CSV 或 Markdown 等結構化格式保存數據，提升檢索效率。

2. 分層分類：根據主題、領域或關鍵字對數據進行分類，便於快速定位。

知識庫數據的更新與維護

1. 定期更新：確保知識庫內容反映最新資訊，尤其是快速變化的領域，如科技或法律。

2. 清理冗餘數據：移除過時、不相關或重複的內容，保持知識庫高效運行。