Knowledgebase RAG System - Intelligente Chatbot-Integration
RAG-basierte Fragenbeantwortung mit Dokument-, FAQ- und News-Integration
Projektbeschreibung
Dieses Projekt implementiert ein umfassendes Wissensdatenbank-System mit Retrieval-Augmented Generation (RAG) Technologie für intelligente Fragenbeantwortung im Chatbot. Das System integriert Dokumente, FAQs und Nachrichtenartikel, um kontextbasierte Antworten mit OpenAI GPT-4o-mini zu liefern. Es verfügt über Vektorsuche für Dokumentähnlichkeit, TOON-Format für effiziente Kontextformatierung, automatische Speicherung unbeantworteter Fragen und nahtlose Integration mit dem Dokumentenmanagementsystem.
Hauptfunktionen
RAG-basierte Antwortgenerierung
OpenAI GPT-4o-mini mit strukturierten JSON-Antworten
Vektorsuche
Embedding-basierte Dokumentähnlichkeitssuche
Dokumenten-Integration
Automatische Indexierung und Vektorisierung von Dokumenten
FAQ-Integration
Keyword-basierte FAQ-Suche mit Scoring
News-Integration
Nachrichtenartikel-Suche als Fallback-Informationsquelle
Fragenverwaltung
Automatische Speicherung und Verwaltung unbeantworteter Fragen
Technologie-Stack
Backend-Framework
KI & ML
Frontend
Daten-Management
Workflow
- Benutzeranfrage: Benutzer stellt eine Frage im Chatbot
- FAQ-Suche: System sucht in FAQ-Dateien mit Keyword-Matching und Scoring
- Wissensdatenbank-Suche: Falls FAQ-Score niedrig, sucht System in vektorisierten Dokumenten
- Kontext-Formatierung: Suchergebnisse werden als TOON (Token-Oriented Object Notation) formatiert
- Antwort-Generierung: OpenAI GPT-4o-mini generiert Antwort basierend auf Kontext mit JSON-Schema
- Quellen-Anzeige: Relevante Dokumentquellen werden mit Chunk-Informationen angezeigt
- Fragen-Speicherung: Falls keine Antwort gefunden, wird Frage automatisch zur Überprüfung gespeichert
- News-Fallback: Falls kein Dokument-Match, sucht System in Nachrichtenartikeln