اطلاعات شما را ندیده است
شماره قرارداد، سقف مرخصی، شرایط گارانتی و رویههای داخلی هیچوقت در داده آموزش مدل نبودهاند.
RAG — پاسخ مبتنی بر سند
دستیاری که دانش
سازمان شما را میداند
یک مدل زبانی عمومی هرچقدر هم بزرگ باشد، آییننامه داخلی شما را ندیده است. راهکار، بزرگتر کردن مدل نیست — رساندن سند درست به آن، دقیقاً در لحظهی پرسش است.
مسئله
چرا مدل عمومی کافی نیست
وقتی نداند، میسازد
مدل بدون منبع، پاسخ محتمل تولید میکند نه پاسخ درست. برای یک سازمان، پاسخ غلط با لحن مطمئن از «نمیدانم» بدتر است.
اسناد نباید بیرون بروند
فرستادن پرونده بیمار یا قرارداد به سرویس ابری خارجی برای بسیاری از سازمانها اصلاً گزینه نیست.
فرآیند
از سند تا پاسخ، در پنج گام
این همان مسیری است که دستیار همین سایت هم طی میکند — با همین معماری، فقط با دانش ققنوس داناپرداز بهجای دانش سازمان شما.
-
۰۱
اسناد شما وارد میشود
قرارداد، آییننامه، دفترچه راهنما، صورتجلسه، پایگاه داده و صفحات سایت. PDF و Word و Excel هم پذیرفته میشود — همان فایلهایی که همین حالا روی سرور سازمان هستند.
PDF و WordExcel و CSVپایگاه دادهصفحات وب -
۰۲
به قطعههای معنادار شکسته میشود
هر سند روی سرفصلهایش بریده میشود، نه روی تعداد کلمه. اینطور هر قطعه یک پاسخ کامل به یک پرسش میماند و نیمهی جمله جایی گم نمیشود.
برش روی سرفصلحفظ زمینهثبت منبع هر قطعه -
۰۳
هر قطعه به بردار تبدیل میشود
مدل امبدینگ معنای هر قطعه را به یک بردار عددی نگاشت میکند. از این پس جستوجو روی «معنا» انجام میشود، نه روی تطابق حرفبهحرف کلمه.
بردار ۱۰۲۴ بُعدیمدل چندزبانهقوی روی فارسی -
۰۴
پرسش کاربر، مرتبطترینها را بیرون میکشد
سؤال هم به بردار تبدیل میشود و پایگاه برداری نزدیکترین قطعهها را برمیگرداند. قطعههایی که امتیازشان از حد آستانه پایینتر باشد کنار گذاشته میشوند.
جستوجوی برداریآستانه شباهتچند منبع همزمان -
۰۵
مدل فقط از روی همان متن پاسخ میدهد
قطعههای بازیابیشده بهعنوان «متن مرجع» به مدل داده میشود با یک قاعده صریح: بیرون از این متن چیزی نساز. اگر پاسخ آنجا نبود، صادقانه بگو که نمیدانی.
پاسخ مستندبدون ساختن اطلاعاتارجاع به منبع
نمونه زنده
همین دستیار، همین صفحه
دکمه گفتوگو پایین همین صفحه به یک نمونه واقعی وصل است. دانش آن، هفت سند درباره خود ققنوس داناپرداز است — و بیرون از آن چیزی نمیگوید.
پرسش کاربر
شماره تماس شرکت چیست؟
قطعههای بازیابیشده
- ۰٫۶۲ شماره تماس و راههای ارتباطی ۰۷-contact.md
- ۰٫۶۱ چطور شروع کنیم ۰۴-faq.md
- ۰٫۶۰ اطلاعات تماس ۰۱-company.md
- ۰٫۵۲ آدرس زیر آستانه — کنار گذاشته شد
پاسخ، فقط از روی همان قطعهها
شمارههای تماس ققنوس داناپرداز:
اگر پرسشی بپرسید که پاسخش در آن هفت سند نباشد، دستیار میگوید نمیداند و شما را به کارشناس ارجاع میدهد. این رفتار عمدی است، نه محدودیت.
اجرای محلی
تمام این زنجیره، داخل سازمان شما
پایگاه برداری، مدل امبدینگ و مدل زبانی — هر سه میتوانند روی سرور خودتان اجرا شوند. در این حالت هیچ سند و هیچ پرسشی از شبکه سازمان بیرون نمیرود.
پایگاه برداری روی سرور شما
قطعهها و بردارها روی دیسک سازمان میمانند. پشتیبانگیری و حذف کامل هم در اختیار خودتان است.
مدل زبانی محلی
اجرا با Ollama، vLLM یا LM Studio روی GPU سازمان. بدون اینترنت هم پاسخ میدهد.
بهروزرسانی دانش
سند جدید که اضافه شد، فقط همان دوباره پردازش میشود. نیازی به آموزش دوباره مدل نیست.
اسناد شما، دستیار شما
یک جلسه کوتاه کافی است تا مشخص شود کدام بخش از دانش سازمان شما به این شکل قابل استفاده است.