วางเอกสารสินค้า บทความช่วยเหลือ นโยบายรับประกัน อะไรก็ได้ เราแบ่งเป็น chunk ฝัง (embed) ใน Qdrant แล้ว AI ของคุณเริ่มตอบพร้อมอ้างอิงกลับไปที่หน้านั้นเป๊ะๆ ไม่ต้องทำ prompt engineering ไม่ต้องฝึกใหม่
ใช้สิ่งที่คุณมีอยู่แล้วได้เลย ไม่ต้องจัดรูปแบบใหม่ ไม่ต้องส่งออกเป็นรูปแบบเฉพาะ
จากลาก PDF เข้ามา ไปจนถึง AI ตอบคำถามจากมันได้จริง ปกติใช้เวลาไม่ถึงห้านาที
ลากโฟลเดอร์ PDF วาง URL ศูนย์ช่วยเหลือ หรือเชื่อมต่อ Notion workspace ของคุณ ผสมกันได้
เราดึงข้อความ OCR รูปภาพ แบ่งเป็น chunk ตามความหมาย และฝังทุกอย่างใน Qdrant คุณไม่ต้องแตะอะไรเลย
ลองถามคำถามในแดชบอร์ดแล้วดูว่า AI ดึง chunk ไหนมาใช้ คำตอบดีไหม ใช้ได้เลย คำตอบแปลกไหม อ่านต่อ
ไม่ถูกใจคำตอบไหน กดโหวตแย่ เขียนโน้ต อัปโหลดแหล่งข้อมูลที่ดีกว่า AI จะฉลาดขึ้นทุกครั้งที่แก้ไข
ทุกคำตอบแสดงว่ามาจากไฟล์ไหน ถ้าไม่มีอะไรตรงกัน AI จะบอกตรงๆ แทนที่จะเดาส่งเดช
velvet-ingredients.pdf · p.2
barista-handbook-v7.pdf · p.14
เมื่อมีคนถามคำถาม เราจะค้นหาเอกสารของคุณเพื่อหา chunk ที่เกี่ยวข้องที่สุดก่อน แล้ว chunk เหล่านั้นจะส่งไปให้ AI พร้อมคำถาม คำตอบจึงมาจากเนื้อหาของคุณ ไม่ใช่จากข้อมูลฝึกโมเดล
ถ้าไม่มีอะไรตรงกับเกณฑ์ความมั่นใจ AI จะบอกว่าไม่รู้ ไม่มีสเปกที่กุขึ้นมา ไม่มีราคาที่แต่งเอง ไม่มี "ฉันคิดว่าอาจจะ..."
ทุกคำตอบแสดงว่าใช้ chunk ไหน คลิกที่การอ้างอิงแล้วไปที่แหล่งที่มาโดยตรง หน้า ส่วน บรรทัด
เบื้องหลัง: Qdrant vector search, hybrid semantic + keyword, p95 ต่ำกว่า 400ms ทุกกรณี
เอกสารเก่าไปได้ แต่ฐานความรู้ของคุณไม่ควรเป็นแบบนั้น มีเครื่องมือ version อัปเดต และตรวจสอบในตัว
ทุกการอัปโหลดมี version ย้อนกลับได้คลิกเดียวถ้าเอกสารใหม่ทำให้เกิดปัญหา หรือเก็บทั้งสองเวอร์ชันไว้ทดสอบแบบ A/B ก็ได้
เพิ่มเอกสารใหม่ได้ทุกเมื่อโดยไม่ต้องสร้างทั้งหมดใหม่ มีแค่ chunks ที่เปลี่ยนเท่านั้นที่จะ re-embed ต้นทุนจึงต่ำและไม่มีการหยุดทำงาน
อัปโหลดไฟล์ผิด หรือเอกสารผิดพลาดชัดเจน ดึงมันออกได้เลย แล้วคำตอบที่แคชไว้ซึ่งอ้างอิงเอกสารนั้นจะหยุดใช้งานทันที
กดโหวตแย่ให้คำตอบ เขียนโน้ต แล้วทีมของคุณจะได้ตั๋วให้แก้เอกสารหรือเพิ่ม chunk ที่ขาดไป ลูกค้าคนถัดไปจะได้คำตอบที่ดีกว่า
ฐานความรู้คือชิ้นส่วนหนึ่ง นี่คือวิธีที่มันเชื่อมกับส่วนอื่นของ Lane.Chat