> ## Documentation Index > Fetch the complete documentation index at: https://dify-6c0370d8-add-new-agent.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # 知識ベースを使用したカスタマーサービスボット 前回の実験では、ファイルアップロードの基本的な使い方を学びました。しかし、読み込む必要のあるテキストがLLMのコンテキストウィンドウを超える場合、知識ベースを使用する必要があります。 > **コンテキストとは？** > > コンテキストウィンドウとは、LLMがテキストを処理する際に「見る」ことができ、「記憶」できるテキストの範囲を指します。これは、モデルが応答を生成したりテキストを続ける際に、どれだけの過去のテキスト情報を参照できるかを決定します。ウィンドウが大きいほど、モデルはより多くの文脈情報を利用でき、生成されるコンテンツは通常より正確で一貫性があります。 以前、LLMの幻覚の概念について学びました。多くの場合、LLM知識ベースによりエージェントは正確な情報を見つけることができ、質問に正確に答えることができます。カスタマーサービスや検索ツールなどの特定分野での応用があります。 従来のカスタマーサービスボットは、多くの場合キーワード検索に基づいています。ユーザーがキーワード外の質問を入力すると、ボットは問題を解決できません。知識ベースはこの問題を解決するために設計されており、セマンティックレベルの検索を可能にし、人間のエージェントの負担を軽減します。 実験を始める前に、知識ベースの核心は検索であり、LLMではないことを覚えておいてください。LLMは出力プロセスを強化しますが、本当の必要性は依然として回答を生成することです。 ### この実験で学ぶこと * チャットフローの基本的な使い方 * 知識ベースと外部知識ベースの使用方法 * 埋め込みの概念 ### 前提条件 #### アプリケーションの作成 Difyで、**空白から作成 - チャットフロー**を選択します。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/0147e0d6fa1412dcf38ff0b12d30e5fe.png) #### モデルプロバイダーの追加 この実験では埋め込みモデルを使用します。現在サポートされている埋め込みモデルプロバイダーには、OpenAIとCohereが含まれます。Difyのモデルプロバイダーで、`TEXT EMBEDDING`ラベルがあるものがサポートされています。少なくとも1つを追加し、十分な残高があることを確認してください。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/ebfb40e8b80adb8d7e1096ee5da16fad.png) > **埋め込みとは？** > > 「埋め込み」は、離散変数（単語、文、または文書全体など）を連続ベクトル表現に変換する技術です。 > > 簡単に言えば、自然言語をデータに処理する際、テキストをベクトルに変換します。このプロセスを埋め込みと呼びます。意味的に類似したテキストのベクトルは近くになり、意味的に反対のテキストのベクトルは離れます。LLMはこのデータを使用してトレーニングを行い、後続のベクトルを予測し、テキストを生成します。 ### 知識ベースの作成 Difyにログイン -> 知識 -> 知識を作成 Difyは3つのデータソースをサポートしています：ドキュメント、Notion、ウェブページ。 ローカルテキストファイルの場合、ファイルの種類とサイズ制限に注意してください。Notionコンテンツの同期にはNotionアカウントのバインドが必要です。ウェブサイトの同期には**Jina**または**Firecrawl API**を使用する必要があります。 まずローカルドキュメントのアップロードを例として始めます。 #### チャンク設定 ドキュメントをアップロードすると、次のページが表示されます： ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/0dab2d0a607d9486ae973d897b0c08bd.png) 右側にセグメンテーションプレビューが表示されます。デフォルトでは自動セグメンテーションとクリーニングが選択されています。Difyはコンテンツに基づいて記事を自動的に多くの段落に分割します。カスタム設定で他のセグメンテーションルールを設定することもできます。 #### インデックス方法 通常は**高品質**を選択することが好まれますが、これは追加のトークンを消費します。**経済的**を選択するとトークンを消費しません。 Difyのコミュニティ版はQ\&Aセグメンテーションモードを使用します。対応する言語を選択すると、テキストコンテンツをQ\&A形式に整理でき、追加のトークン消費が必要です。 #### 埋め込みモデル 使用前にモデルプロバイダーのドキュメントと価格情報を参照してください。 異なる埋め込みモデルは異なるシナリオに適しています。例えば、Cohereの`embed-english`は英語ドキュメントに適しており、`embed-multilingual`は多言語ドキュメントに適しています。 #### 検索設定 Difyは3つの検索機能を提供しています：ベクトル検索、全文検索、ハイブリッド検索。ハイブリッド検索が最もよく使用されます。 ハイブリッド検索では、重みを設定したり、再ランキングモデルを使用したりできます。重みを設定する際、検索がセマンティクスとキーワードのどちらをより重視すべきかを設定できます。例えば、下の画像では、セマンティクスが重みの70%を占め、キーワードが30%を占めています。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/6a1f2b4a6e1b63febdaee3e01c1d39a4.png) **保存して処理**をクリックするとドキュメントが処理されます。処理後、ドキュメントはアプリケーションで使用できます。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/fdc20eb804ec39a308726324f6b33f45.png) #### ウェブサイトからの同期 多くの場合、ヘルプドキュメンテーションに基づいてスマートカスタマーサービスボットを構築する必要があります。Difyを例として、[Difyヘルプドキュメンテーション](https://docs.dify.ai)を知識ベースに変換できます。 現在、Difyは最大50ページの処理をサポートしています。数量制限に注意してください。超過した場合は、新しい知識ベースを作成できます。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/8936a4f7952c7aefe5f9d58ee730883c.png) #### 知識ベースコンテンツの調整 知識ベースがすべてのドキュメントを処理した後、知識ベース内のセグメンテーションの一貫性を確認することが最善です。不一致は検索効果に影響し、手動で調整する必要があります。 ドキュメントコンテンツをクリックして、セグメント化されたコンテンツを閲覧します。無関係なコンテンツがある場合は、無効化または削除できます。 コンテンツが別の段落にセグメント化されている場合も、元に戻す必要があります。 #### 召回テスト 知識ベースのドキュメントページで、左サイドバーの召回テストをクリックしてキーワードを入力し、検索結果の精度をテストします。 ### ノードの追加 作成したAPPに入り、スマートカスタマーサービスボットの構築を始めましょう。 #### 質問分類ノード 異なるユーザーニーズを分離するために質問分類ノードを使用する必要があります。場合によっては、ユーザーが無関係な話題についてチャットすることもあるため、これに対しても分類を設定する必要があります。 分類をより正確にするために、より良いLLMを選択する必要があり、分類は十分に具体的で十分な区別がある必要があります。 参考分類は以下の通りです： * ユーザーが無関係な質問をする * ユーザーがDify関連の質問をする * ユーザーが技術用語の説明を求める * ユーザーがコミュニティへの参加について尋ねる ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/627566df2b28b58ab84e53d3737c6927.png) #### 直接返信ノード 質問分類では、「ユーザーが無関係な質問をする」と「ユーザーがコミュニティへの参加について尋ねる」はLLM処理を必要とせず返信できます。したがって、これら2つの質問の後に直接返信ノードを直接接続できます。 「ユーザーが無関係な質問をする」： ユーザーをヘルプドキュメンテーションに誘導し、自分で問題を解決しようとしてもらうことができます。例えば： ``` 申し訳ございませんが、ご質問にお答えできません。さらにヘルプが必要な場合は、[ヘルプドキュメンテーション](https://docs.dify.ai)をご確認ください。 ``` DifyはMarkdown形式のテキスト出力をサポートしています。Markdownを使用して出力のテキスト形式を豊かにできます。Markdownを使用してテキスト内に画像を挿入することもできます。 #### 知識検索ノード 「ユーザーがDify関連の質問をする」の後に知識検索ノードを追加し、使用する知識ベースをチェックします。 #### LLMノード 知識検索ノードの次のノードでは、知識ベースから取得したコンテンツを整理するためのLLMノードを選択する必要があります。 LLMはユーザーの質問に基づいて返信を調整し、返信をより適切にする必要があります。 コンテキスト：知識検索ノードの出力をLLMノードのコンテキストとして使用する必要があります。 システムプロンプト：`{{context}}`に基づいて、`{{user question}}`に答えてください。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/0052ebf236d55dc0c143c5dbfe5f1e76.png) プロンプト作成エリアで`/`または`{`を使用して変数を参照できます。変数では、`sys.`で始まる変数はシステム変数です。詳細はヘルプドキュメンテーションを参照してください。 さらに、LLMメモリを有効にして、ユーザーの会話体験をより一貫性のあるものにすることができます。 ### 質問1：外部知識ベースの接続方法 知識ベース機能では、AWS Bedrock知識ベースなどの外部知識ベースAPIを通じて外部知識ベースに接続できます。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/7bcfb95e806966a868885814f0d7dc35.png) ### 質問2：APIを通じて知識ベースを管理する方法 Difyのコミュニティ版とSaaS版の両方で、知識ベースAPIを通じて知識ベースの追加、削除、ステータスのクエリができます。 ![](https://assets-docs.dify.ai/dify-enterprise-mintlify/en/workshop/intermediate/cda4458ccb9be9e1c3ec9821fb5c5f99.png) 知識ベースがデプロイされているインスタンスで、**知識ベース -> API**に移動し、APIキーを作成します。APIキーは安全に保管してください。 ### 質問3：カスタマーサービスボットをウェブページに埋め込む方法 アプリケーションのデプロイ後、ウェブページ埋め込みを選択し、適切な埋め込み方法を選択して、コードをウェブページの適切な場所に貼り付けます。