Knowledgebase RAG System - Intelligente Chatbot-Integration

RAG-basierte Fragenbeantwortung mit Dokument-, FAQ- und News-Integration

2025-2026 Personal Project

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-Modellen zu liefern. Es verfügt über hybrides Retrieval, einen agentischen Orchestrator, einen dedizierten Vector Store mit MCP-Tools, TOON-Format für effiziente Kontextformatierung, automatische Speicherung unbeantworteter Fragen und nahtlose Integration mit dem Dokumentenmanagementsystem.

RAG-basierte Antwortgenerierung

OpenAI-Modelle 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

Agentischer Orchestrator

Mehrstufiger Chat-Agent, der Retrieval und Tool-Nutzung plant

Hybrides Retrieval

Keyword- und Vektor-Signale kombinieren für bessere Fundierung

Vector Store & MCP-Tools

Persistenter Vektorindex mit MCP-zugänglichen Retrieval-Tools

Backend-Framework

Laravel 11

PHP 8.2+

MySQL

KI & ML

OpenAI GPT-4o-mini

Vector Embeddings

RAG Technology

Frontend

Livewire

Alpine.js

Bootstrap

Daten-Management

Vector Store

TOON Format

JSON Schema

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
Agentischer Pfad: Orchestrator wählt Tools, hybrides Retrieval und Vector-Store-Abfragen