Pređi na sadržaj

Osvježavanje i Re-Trening Znanja

Svaki put kada dodate novu web stranicu, prenesete ažurirani katalog ili izmijenite tekstualni isječak, Pitaj.io automatski pokreće asinhroni cjevovod obrade podataka.

U ovom vodiču saznajte kako pratiti statuse treninga, forsirati ručno osvježavanje i provjeriti šta je agent tačno naučio.


Životni ciklus obrade podataka

Svaki izvor znanja u vašem dashboardu prolazi kroz sljedeće statuse:

StatusZnačenjeRadnja sistema
Na čekanju (Queued)Izvor je zaprimljen u red za obraduSistemski radnik (worker) priprema resurs za parsiranje
Obrada u toku (Processing)Fajl ili stranica se preuzimaju i dijeleTekst se čisti, dijeli u semantičke cjeline i šalje na embedding
Istrenirano (Trained)Znanje je uspješno upisano u vektorsku bazuAgent odmah koristi ove podatke u svim razgovorima
Greška (Failed)Došlo je do problema tokom parsiranjaPrikazuje se detaljan opis greške (npr. oštećen PDF ili 403 Forbidden)

Ručno forsiranje osvježavanja (Manual Sync)

Ako ste upravo promijenili ključne cijene na vašem web shopu ili unijeli nove uslove poslovanja:

  1. Otvorite Baza Znanja → Web Stranice (ili Fajlovi).
  2. Pronađite izvor koji želite ažurirati.
  3. Kliknite na ikonu tri tačke (...) sa desne strane reda.
  4. Odaberite Ponovo indeksiraj (Re-train).
  5. Sistem će preuzeti svježe podatke, izbrisati stare vektorske segmente i ažurirati indeks bez ikakvog prekida u radu vašeg aktivnog chat widgeta.

Provjera potrošnje karaktera i limita

Na dnu sekcije Baza Znanja nalazi se brojač ukupno iskorištenih resursa:

  • Ukupno iskorištenih karaktera: Zbir svih tekstualnih simbola izvučenih iz web stranica, PDF-ova, isječaka i Q&A parova.
  • Ukupan broj izvora: Broj aktivnih dokumenata i indeksiranih linkova.

Testiranje odgovora u realnom vremenu

Uvijek preporučujemo da nakon svakog treninga testirate novu informaciju u Pregledu uživo (Live Preview) na desnoj strani ekrana:

Provjera citiranog izvora

U testnom prozoru možete kliknuti na ikonicu izvora ispod odgovora kako biste vidjeli tačan segment teksta koji je agent uzeo u obzir prilikom generisanja.

Podešavanje sličnosti (Similarity Score)

Ako primijetite da agent odgovara previše neodređeno, u naprednim postavkama modela možete povisiti prag semantičke sličnosti kako bi odgovarao samo kada je 100% siguran.