वॉइस एजेंट के लिए RAG: अपने ही कंटेंट से जवाब देना
Retrieval-augmented generation से फ़ोन AI आपके दस्तावेज़ों और FAQ से कैसे जवाब देता है, साथ में कंटेंट तैयार करने, गलतियाँ कम करने और जवाब टेस्ट करने के सुझाव।
लैंग्वेज मॉडल दुनिया के बारे में बहुत कुछ जानता है, लेकिन आपके बिज़नेस के बारे में कुछ नहीं। उसे आपके खुलने का समय, कैंसलेशन नीति या बॉयलर रिपेयर संभालने वाले टेक्नीशियन का नाम नहीं पता। अगर आप उससे बिना यह जानकारी दिए कॉलर के सवाल का जवाब माँगें, तो वह अंदाज़ा लगा सकता है। Retrieval-augmented generation, जिसे आमतौर पर RAG कहा जाता है, इसका मानक इलाज है: अपने कंटेंट का प्रासंगिक हिस्सा खोजें, उसे सवाल के साथ मॉडल को दें, और उसी सामग्री से जवाब देने को कहें।

यह गाइड बताती है कि फ़ोन कॉल के संदर्भ में RAG कैसे काम करता है, इसके लिए कंटेंट कैसे तैयार करें, यह कहाँ चूकता है और इसे कैसे टेस्ट करें। पूरी पाइपलाइन की पृष्ठभूमि के लिए देखें वॉइस AI कैसे काम करता है: STT, LLM और TTS।
कॉल में RAG कैसे काम करता है
जब कोई कॉलर सवाल पूछता है, तो RAG के साथ काम करने वाला वॉइस एजेंट आमतौर पर यह करता है:
जानकारी खोजने का रास्ता
- सुननास्पीच रिकग्निशन कॉलर के शब्दों को टेक्स्ट में बदलता है।
- खोजनासिस्टम आपके कंटेंट में सवाल से जुड़े अंश खोजता है।
- चुननायह सबसे प्रासंगिक कुछ अंश रखता है और बाकी छोड़ देता है।
- जवाब बनानालैंग्वेज मॉडल सवाल और उन अंशों के आधार पर छोटा जवाब लिखता है।
- बोलनाटेक्स्ट-टू-स्पीच जवाब को बोलकर सुनाता है।
मॉडल को सब कुछ एक साथ क्यों न दें?
आप अपना सारा कंटेंट निर्देशों में चिपकाने की कोशिश कर सकते हैं। लेकिन मॉडल के काम करने की जगह सीमित होती है, लंबे निर्देश जवाब धीमे करते हैं, और टेक्स्ट के बड़े ढेर में वह एक ज़रूरी लाइन मॉडल से छूट जाना आसान हो जाता है। Retrieval काम के सेट को छोटा और प्रासंगिक रखता है।
"खोज" का मतलब क्या है
खोज कीवर्ड-आधारित हो सकती है, अर्थ-आधारित (शब्द अलग होने पर भी मिलते-जुलते अर्थ वाले अंश ढूँढना) या दोनों का मिश्रण। अर्थ-आधारित खोज तब मदद करती है जब कॉलर सवाल अप्रत्याशित ढंग से पूछते हैं, जैसे "क्या मैं रविवार को आ सकता हूँ?" जबकि आपके कंटेंट में "वीकेंड के घंटे" लिखा है। तरीका कोई भी हो, अंश आपके दस्तावेज़ों के छोटे टुकड़े होते हैं, इसलिए आप कंटेंट कैसे लिखते और बाँटते हैं, इसका सीधा असर इस पर पड़ता है कि क्या मिलता है।
कंटेंट चुनना और तैयार करना
"जैसा डालोगे, वैसा पाओगे" यहाँ ख़ास तौर पर सच है। वॉइस एजेंट उतना ही सटीक हो सकता है जितनी उसके पीछे की सामग्री।
कंटेंट के आम स्रोत
- FAQ और सवाल-जवाब के जोड़ेख़ास सवालों के सटीक जवाब; आम कॉल के लिए सबसे भरोसेमंद स्रोत।
- वेब पेजसेवाओं, समय और नीतियों के बारे में मौजूदा पेज, एक बार पढ़े गए या पूरी साइट पर क्रॉल किए गए।
- दस्तावेज़रेट लिस्ट, मेन्यू या प्रक्रियाओं वाली PDF और वर्ड फ़ाइलें, अगर उनका टेक्स्ट चुना जा सकता हो।
- फ़्री टेक्स्टऐसे नियमों के नोट्स जो कहीं और फ़िट नहीं होते, जैसे छुट्टी के दिन क्या करना है।
- असली कॉल से सुधारऐसे जवाब जिन्हें किसी व्यक्ति ने कॉल सुनने के बाद ठीक किया।
सुनने के लिए लिखें
पढ़ने के लिए लिखा गया कंटेंट बोलने पर अक्सर अटपटा लगता है। टेबल, लंबी सूचियाँ और संक्षिप्त रूप बोलकर काम नहीं करते। अहम जवाबों को सरल वाक्यों में दोबारा लिखें, हर वाक्य में एक तथ्य, और साफ़ लिखें कि संख्याएँ और समय कैसे बोले जाने चाहिए। हर अंश को अपने आप में पूरा रखें ताकि वह आसपास के पेज के बिना भी समझ में आए।
विरोधाभास हटाएँ
अगर एक पेज कहता है कि आप पाँच बजे बंद होते हैं और दूसरा छह बजे, तो एजेंट इनमें से कोई भी बेतरतीब ढंग से बोल देगा। कुछ भी इम्पोर्ट करने से पहले पुराने पेज, ड्राफ़्ट और डुप्लिकेट फ़ाइलें ढूँढें और उन्हें अपडेट करें या हटा दें। नीतियों पर तारीख़ डालें ताकि सबसे नई मान्य रहे।
तय करें कि किन विषयों पर जवाब नहीं देना
एजेंट को बताएँ कि उसे किस बारे में जवाब नहीं देना है: क़ानूनी, चिकित्सा या वित्तीय सलाह, किसी ख़ास व्यक्ति के अकाउंट से जुड़ी कोई बात, या वे विषय जिन्हें आप सिर्फ़ इंसान से संभलवाते हैं। सही प्रतिक्रिया है विनम्रता से किसी व्यक्ति को सौंपना। देखें वॉइस AI एजेंट के लिए गार्डरेल।
RAG कहाँ चूकता है
RAG hallucination को कम करता है, ख़त्म नहीं करता। आम चूकें ये हैं:
चूकने के तरीके
| क्या होता है | उपाय | |
|---|---|---|
| कुछ भी प्रासंगिक नहीं मिला | एजेंट सामान्य ज्ञान से तुक्का लगाता है। | उसे निर्देश दें कि वह कहे कि उसे नहीं पता और किसी व्यक्ति से जोड़ने की पेशकश करे; छूटा हुआ कंटेंट जोड़ें। |
| गलत अंश मिला | किसी दूसरी सेवा की मिलती-जुलती नीति इस्तेमाल हो जाती है। | अंशों को साफ़ शीर्षकों के साथ दोबारा लिखें; मिलते-जुलते विषयों को अलग रखें। |
| पुराना कंटेंट | एजेंट पिछले साल का समय बताता है। | हर स्रोत का एक ज़िम्मेदार व्यक्ति और समीक्षा की तारीख़ तय करें। |
| ज़रूरत से ज़्यादा अंश | बहुत ज़्यादा टेक्स्ट जवाब को धीमा और उलझा देता है। | छोटे, केंद्रित अंश इस्तेमाल करें। |
| सवाल गलत सुना गया | स्पीच रिकग्निशन की गलतियों से गलत खोज होती है। | शोर वाले ऑडियो और अलग-अलग लहजों के साथ टेस्ट करें; अहम जानकारी की पुष्टि करें। |
मनगढ़ंत जवाब रोकने पर विस्तार से पढ़ने के लिए देखें वॉइस AI में मनगढ़ंत जवाब रोकना। स्थिर टेक्स्ट के बजाय ऑर्डर की स्थिति जैसी लाइव जानकारी एजेंट से देखवाने के लिए देखें वॉइस एजेंट को जानकारी देखने देना।
गति की सीमा
फ़ोन पर बातचीत में बहुत कम देरी बर्दाश्त होती है। खोज जैसा हर अतिरिक्त कदम समय जोड़ता है। स्रोतों को व्यवस्थित और छोटा रखें, जवाब की ज़रूरत से ज़्यादा अंश न निकालें, और रिस्पॉन्स टाइम लैपटॉप पर नहीं, असली कॉल पर टेस्ट करें। वॉइस AI लेटेंसी बताता है कि देरी कैसे महसूस होती है और कहाँ से आती है।
इसे अपडेट रखें
समय, दाम और नीतियाँ इतनी जल्दी बदलती हैं कि नॉलेज बेस अपडेट करना किसी को याद नहीं रहता। साझा कैलेंडर में एक दोहराने वाला रिमाइंडर लगाएँ: हर सीज़न, छुट्टी या दाम बदलने से पहले कंटेंट का ज़िम्मेदार व्यक्ति स्रोतों की समीक्षा करे और उन्हें दोबारा इंडेक्स करे। बदलाव के बाद ख़ुद एजेंट को कॉल करें और बदली हुई चीज़ के बारे में पूछें। तीस सेकंड की जाँच पूरे दिन के गलत जवाबों से बचाती है।
लॉन्च से पहले और बाद में टेस्ट करें
सवालों की तीन समूहों में एक सूची बनाएँ: वे सवाल जिनका जवाब कंटेंट साफ़ देता है, वे जिनका आंशिक रूप से देता है, और वे जिन्हें वह कवर नहीं करता। हर सवाल के लिए दर्ज करें कि एजेंट क्या कहता है। जाँचें कि जवाब सही है, बोलकर सुनाने लायक छोटा है, और तीसरे समूह के लिए एजेंट मानता है कि उसे नहीं पता। जब भी कंटेंट बदले, सूची दोबारा चलाएँ।
टेस्ट की एक दिनचर्या
- हर आम सवाल को दो-तीन अलग शब्दों में पूछें।
- वही सवाल शोर वाली लाइन या भारी लहजे के साथ पूछें।
- ऐसी चीज़ पूछें जो कंटेंट में नहीं है।
- जाल वाला सवाल पूछें, जैसे पुराना दाम या बंदी का दिन।
- ऐसे जवाबों पर ध्यान दें जो सुनकर समझने के लिए बहुत लंबे हों।
- पहले महीने में हर हफ़्ते असली कॉल के ट्रांसक्रिप्ट देखें।
ऐसे सुधार जो टिके रहें
जब कोई व्यक्ति गलत जवाब पकड़े, तो सिर्फ़ ट्रांसक्रिप्ट ठीक करना काफ़ी नहीं; सुधार को नॉलेज बेस में वापस जाना चाहिए ताकि एजेंट अगली बार सही जवाब दे। तय करें कि यह बदलाव कौन कर सकता है और बदलावों का इतिहास रखें।
Call में यह कैसे करें
Call में नॉलेज किसी AI एजेंट की होती है और Sources के अंतर्गत जोड़ी जाती है:
- Q&A। एक सवाल और उसका सटीक जवाब जोड़ें, और "check a question" से देखें कि नॉलेज बेस उसके लिए क्या ढूँढता है।
- वेबसाइट। एक पेज, पूरी साइट या चुने हुए पेज पढ़ें; जिन पेजों को साइट की robots.txt क्रॉलर से न पढ़ने को कहती है, वे छोड़ दिए जाते हैं।
- फ़ाइलें। PDF, Word, टेक्स्ट, markdown, CSV या JSON फ़ाइलें अपलोड करें। PDF में चुना जा सकने वाला टेक्स्ट होना चाहिए; सिर्फ़ इमेज वाली PDF को पहले टेक्स्ट रिकग्निशन चाहिए।
- टेक्स्ट। फ़्री-टेक्स्ट नोट्स जोड़ें।
- दोबारा इंडेक्स। कई बदलावों के बाद एजेंट की खोज को फिर से बनाएँ।
स्टोरेज पूरे संगठन में साझा होता है, हर स्रोत की सीमा के साथ, और सिर्फ़ वर्कस्पेस मैनेजर ही स्रोत जोड़, बदल या हटा सकते हैं। जब लाइव कॉल अभी नॉलेज बेस का इस्तेमाल नहीं करतीं, तो एक बैनर यह दिखाता है। कॉल हिस्ट्री में आप एजेंट के दिए जवाब को सुधार सकते हैं और चाहें तो उसे अगली बार के लिए सही जवाब के रूप में सेव कर सकते हैं। शुरुआत करें Call में नॉलेज सोर्स का इस्तेमाल और सपोर्ट और AI के लिए नॉलेज बेस बनाना से।
अक्सर पूछे जाने वाले प्रश्न
क्या RAG मेरे डेटा पर मॉडल को ट्रेन करने जैसा ही है?
नहीं। ट्रेनिंग मॉडल को ही बदल देती है। RAG मॉडल को नहीं बदलता और सवाल के समय उसे आपके कंटेंट से प्रासंगिक अंश देता है, जिसे अपडेट करना और जाँचना आसान है।
क्या RAG वॉइस एजेंट को बातें गढ़ने से रोकता है?
यह समस्या कम करता है, ख़त्म नहीं करता। एजेंट अब भी किसी अंश को गलत समझ सकता है या ऐसे सवाल का जवाब दे सकता है जो आपके कंटेंट में नहीं है। साफ़ निर्देश, अच्छा कंटेंट और नियमित टेस्टिंग गलतियाँ कम रखते हैं।
मुझे कितना कंटेंट चाहिए?
ज़्यादातर लोगों की उम्मीद से कम। आपकी सबसे आम कॉल को कवर करने वाले कुछ दर्जन सटीक सवाल-जवाब अक्सर बिना संपादित बड़े संग्रह से बेहतर काम करते हैं। जैसे-जैसे असली कॉल में कमियाँ दिखें, और जोड़ें।
क्या एजेंट PDF के कंटेंट का इस्तेमाल कर सकता है?
आमतौर पर हाँ, अगर PDF में चुना जा सकने वाला टेक्स्ट है। स्कैन की गई, सिर्फ़ इमेज वाली PDF को पहले टेक्स्ट रिकग्निशन चाहिए। जाँच लें कि सिस्टम ने क्या निकाला, क्योंकि टेबल और कॉलम गड्डमड्ड हो सकते हैं।
नॉलेज बेस कितनी बार अपडेट करना चाहिए?
जब भी तथ्य बदलें, और बाकी सब के लिए नियमित समीक्षा की तारीख़ पर। हर स्रोत का एक ज़िम्मेदार व्यक्ति तय करें ताकि अपडेट भाग्य भरोसे न रहें।