Jednym z najczęstszych wyzwań w systemach RAG (Retrieval-Augmented Generation) jest jakość dokumentów w bazie wiedzy. Nawet najlepszy model AI nie znajdzie właściwej odpowiedzi, jeśli dokumenty są źle ustrukturyzowane - zbyt długie bloki tekstu, brak konkretnych danych, sekcje, które nie mają sensu bez kontekstu całego dokumentu.
Dlatego wprowadzamy funkcję Przygotowanie dokumentów do bazy wiedzy - narzędzie, które automatycznie formatuje Twoje materiały i ocenia ich jakość pod kątem wyszukiwania AI.
Problem: nie każdy dokument nadaje się do bazy wiedzy
Wyobraź sobie, że wgrywasz do bazy wiedzy politykę kadrową firmy lub regulamin e-commerce. Dokument ma 15 stron ciągłego tekstu, bez wyraźnych sekcji, bez konkretnych danych kontaktowych przy odpowiednich tematach. Gdy klient zapyta „ile mam dni urlopu?”, system musi przeszukać cały dokument i wybrać odpowiedni fragment.
Problem w tym, że:
- Duże bloki tekstu są trudne do precyzyjnego wyszukiwania
- Brak nagłówków oznacza brak naturalnych granic między fragmentami
- Odpowiedzi rozproszone po dokumencie wymagają łączenia wielu fragmentów
- Ogólne sformułowania („skontaktuj się z HR”) zamiast konkretów („Anna Wiśniewska, anna@firma.pl, wew. 210”) obniżają wartość odpowiedzi
Rozwiązanie: automatyczne przygotowanie i ocena
Generator dokumentów Q&A
Nowa opcja „Optymalizuj dla RAG” dostępna jest w menu dodawania dokumentów w bazie wiedzy. Działa to tak:
- Wklejasz surowy tekst dokumentu (polityka firmy, regulamin, FAQ, instrukcja)
- AI przeformatowuje go na strukturę pytanie–odpowiedź z numerowanymi sekcjami
- Podgląd w czasie rzeczywistym - widzisz jak dokument jest przetwarzany
- Zapisujesz do bazy wiedzy jednym kliknięciem
Co robi generator:
- Dzieli treść na samodzielne sekcje Q&A (80–150 słów każda)
- Dodaje numerowane nagłówki (### 1.1, ### 1.2) tworzące naturalne granice fragmentów
- Zachowuje wszystkie konkretne dane: kwoty, daty, numery artykułów prawnych, dane kontaktowe
- Powtarza kluczowe informacje w każdej sekcji, żeby była zrozumiała bez kontekstu
- Wykrywa język dokumentu i odpowiada w tym samym języku
Automatyczna ocena RAG Score
Każdy dokument wgrany do bazy wiedzy jest teraz automatycznie oceniany pod kątem gotowości do wyszukiwania AI. Wynik widoczny jest jako kolorowa etykieta przy nazwie pliku:
- Zielona (70–100) - dokument dobrze przygotowany do RAG
- Pomarańczowa (40–69) - dokument wymaga poprawy
- Czerwona (0–39) - dokument słabo nadaje się do wyszukiwania
Ocena bazuje na pięciu wymiarach:
- Podział na sekcje - czy dokument ma nagłówki tworzące naturalne podziały
- Rozmiar sekcji - czy sekcje mają optymalną długość (80–150 słów)
- Gęstość encji - ile konkretnych danych (nazwy, kwoty, daty) zawiera dokument
- Samowystarczalność - czy każda sekcja jest zrozumiała bez czytania reszty
- Format Q&A - czy dokument ma strukturę pytanie–odpowiedź
Przykład: polityka zwrotów sklepu
Wgraliśmy przykładową politykę zwrotów i reklamacji (sklep z elektroniką, 7 sekcji, ~30 pytań). Po optymalizacji dokument uzyskał ocenę RAG: 92/100.
Oto kilka zapytań, które pokazują siłę dobrze przygotowanego dokumentu:
- „Pralka mi nie pasuje, odebrali mi ją, ale co z kosztami?” - trafia w sekcję o zwrotach wielkogabarytowych AGD
- „Sprzęt zepsuł się po półtora roku” - znajduje niuans o ciężarze dowodu po 12 miesiącach
- „Kupiłem iPhone, zalogowałem się, chcę zwrócić” - identyfikuje problem Activation Lock
- „Zwróciłem produkt z kodem rabatowym, czy kod wróci?” - precyzyjna odpowiedź z regulaminu
Kluczowe jest to, że każda odpowiedź zawiera konkretne dane: numery artykułów prawnych, terminy, kwoty i dane kontaktowe osoby odpowiedzialnej.
Jak zacząć
- Wejdź do Bazy wiedzy w panelu Ragen
- Kliknij „Dodaj dokument” i wybierz „Optymalizuj dla RAG”
- Wklej treść dokumentu i kliknij „Generuj”
- Sprawdź podgląd i zapisz do bazy wiedzy
Istniejące dokumenty możesz ocenić klikając menu (trzy kropki) przy pliku i wybierając „Oceń dla RAG”.
Przygotowanie dokumentów jest dostępne dla wszystkich użytkowników Ragen AI. Jeśli masz pytania lub sugestie, napisz do nas na hello@ragen.ai.