Otključavanje SIMO mogućnosti: uvid u inteligentno preuzimanje sadržaja

Uvod

🔍 Koliko puta ste poželjeli da nađete neki sadržaj (mail, zadatak, radni tok...) unutar sistema i u tom trenutku počeli razmišljati: "Kada sam ga dobio.. prije dva mjeseca. 😕 Mislim da je imao OWIS u naslovu i..."?

🛑 Stanite odmah!!! 🛑

Za SIMO, inteligentnog chatbot u okviru OWIS sistema, to je sasvim dovoljno!

Potrebno je da SIMO samo zna šta tražite, tačno onako kako razmišljate ili kako biste rekli kolegi: "Napravio sam radni tok prije možda mjesec dana. Imao je, čini mi se, riječ ORKA u naslovu. Možete li pronaći ?" - to je sve što je potrebno.

Ovo nije samo pretraga, ovo je potpuno nov način izvlačenja informacija iz sistema gdje možete dohvatiti analitiku, sažetke, izvještaje i sve to u razgovoru.

Pitanja poput:

• Koliko sam tokova posla obradio prošlog mjeseca?

• Koliko dana godišnjeg odmora sam iskoristio, a koliko je ostalo?

• Dajte mi pregled broja tokova posla koje obrađuju korisnici?

su pitanja koja SIMO obožava i na koja odgovara u djeliću sekunde.

U ovom blogu otkrit ćemo tehničke zamršenosti koje osnažuju SIMO dodatak da isporuči takvu preciznost i brzinu, nudeći direktan uvid u alat koji je jednako moćan koliko i jednostavan za korištenje.

Kako radi?

SIMO dodatak pokreće najsavremeniji Microsoft Semantic Kernel SDK i OpenAI GPT-4 model, omogućavajući mu da razumije i obrađuje upite prirodnog jezika sa neviđenom preciznošću i brzinom.

SIMO je dizajniran sa dvostrukom funkcionalnošću da poboljša korisničko iskustvo unutar OWIS sistema. Njegova prva uloga uključuje odgovaranje na opšta pitanja o sistemu, njegovim karakteristikama i funkcionalnostima. Ovo se postiže implementacijom obrasca Retrieval Augmented Generation (RAG), gde SIMO neprimetno integriše bazu podataka znanja kako bi pružio tačne i trenutne odgovore. Druga osnovna funkcija je njegova napredna mogućnost pretraživanja, dizajnirana da brzo locira određeni sadržaj unutar OWIS sistema na osnovu upita prirodnog jezika. SIMO inteligencija leži u njegovoj sposobnosti da razazna prirodu upita korisnika, određujući da li će izvući informacije iz baze podataka ili pokrenuti pretragu u cijelom sistemu. Ova intuitivna kategorizacija je ono što izdvaja SIMO, osiguravajući da korisnici dobiju precizne informacije prilagođene njihovim specifičnim upitima. Način na koji SIMO savladava ovo inteligentno razlikovanje je spoj tehnologije i dizajna, što ćemo istražiti u sljedećem odjeljku.

Dizajn

Pa, kako sve počinje?

Korisnik OWIS sistema otvara SIMO chat i postavlja pitanje.

Kao što je spomenuto, pitanje može biti općenito o OWIS-u, njegovim karakteristikama i funkcionalnostima, kao što su:

• Kako dodati dokument u OWIS

• Koje su kategorije u OWIS-u?

• Šta je radni tok?

Ili, pitanje može predstavljati pretragu sadržaja u OWIS sistemu, kao što je:

• Koliko sam tokova posla kreirao ove godine?

• Na kom toku rada sam radio jučer?

• Generirajte sažetak broja kreiranih tokova posla od strane korisnika.

• Koje je prosječno vrijeme za odobrenje fakture?

Dakle, prvi zadatak SIMO dodatka je da odredi šta korisnik želi na osnovu pitanja.

Ovdje na scenu stupaju Microsoft Semantic Kernel SDK i OpenAI GPT-4 model.

Koristeći semantičko jezgro, kreirali smo prvu semantičku funkciju pod nazivom "GetIntent" da odredimo namjeru korisnika.

Ova funkcija vraća informacije o tome da li trebamo izvršiti pretragu sadržaja ili je to općenito pitanje o OWIS-u.

Ako SIMO zaključi da trebamo izvršiti pretragu sadržaja, kreiramo cjevovod od tri funkcije, kao što je prikazano na slici ispod.

Pojednostavljivanje pronalaženja informacija: Kako SIMO osnažuje OWIS pomoću napredne tehnologije

Prva funkcija u cjevovodu je semantička funkcija "GenerateQuery", a njena glavna uloga je da generiše SQL upit na osnovu upita korisnika. Ova funkcija sadrži informacije o osnovnim tabelama OWIS baze podataka. Uz dobro definirane smjernice za generiranje upita, ova funkcija generiše SQL upit, a sve što trebamo učiniti je izvršiti ga u bazi podataka.

Na primjer, za korisnički upit "Izračunajte prosječno vrijeme u minutama potrebno za odobravanje fakture u OWIS-u" izlaz ove semantičke funkcije je SQL upit koji izračunava prosječno vrijeme.

Ovaj izlaz postaje ulaz za sljedeću funkciju u cjevovodu: "ExecuteQuery."

"ExecuteQuery" je izvorna funkcija. Ova funkcija izvršava generirani upit i prosljeđuje rezultat u obliku JSON stringa posljednjoj funkciji, "GenerateResponse".

Izlaz funkcije "ExecuteQuery" za ovaj primjer je: {"averageTimeInMinutes": "48"}.

Zadatak posljednje funkcije, "GenerateResponse", je da generiše odgovor korisniku na osnovu početnog pitanja i rezultata izvršenog upita.

Na osnovu ova dva parametra, ova funkcija generiše odgovor korisniku:

Odgovor: Prosječno vrijeme potrebno za odobravanje fakture u sistemu je 48 minuta.