Apa itu QnA Maker?

Catatan

Azure Open AI On Your Data menggunakan model bahasa besar (LLM) untuk menghasilkan hasil yang serupa dengan QnA Maker. Jika Anda ingin memigrasikan proyek QnA Maker Anda ke Azure Open AI On Your Data, silakan lihat panduan kami.

Catatan

Layanan QnA Maker akan dihentikan pada 31 Maret 2025. Versi kemampuan pertanyaan dan jawaban yang lebih baru sekarang tersedia sebagai bagian dari Bahasa Azure AI. Untuk kemampuan menjawab pertanyaan dalam Language Service, lihat jawaban pertanyaan. Mulai 1 Oktober 2022, Anda tidak dapat membuat sumber daya QnA Maker baru. Untuk informasi tentang memigrasikan pangkalan pengetahuan QnA Maker yang ada ke jawaban atas pertanyaan, lihat panduan migrasi.

Catatan

Pada Juli 2023, layanan Azure AI mencakup semua yang sebelumnya dikenal sebagai Cognitive Services dan Azure Applied AI Services. Tidak ada perubahan pada harga. Nama Cognitive Services dan Azure Applied AI terus digunakan dalam tagihan Azure, analisis biaya, daftar harga, dan API harga. Tidak ada perubahan yang melanggar pada antarmuka pemrograman aplikasi (API) atau SDK.

QnA Maker adalah layanan Natural Language Processing (NLP) berbasis cloud yang memungkinkan Anda membuat lapisan percakapan alami di atas data Anda. Ini digunakan untuk menemukan jawaban yang paling tepat untuk setiap masukan dari informasi Pangkalan Pengetahuan (KB) khusus Anda.

QnA Maker umumnya digunakan untuk membangun aplikasi klien percakapan, yang mencakup aplikasi media sosial, bot obrolan, dan aplikasi desktop yang mendukung ucapan.

QnA Maker tidak menyimpan data pelanggan. Semua data pelanggan (jawaban pertanyaan dan log obrolan) disimpan di wilayah tempat pelanggan menyebarkan instans layanan dependen. Untuk detail selengkapnya tentang layanan dependen lihat di sini.

Dokumentasi ini berisi jenis artikel berikut:

  • Mulai cepat adalah instruksi langkah demi langkah yang memungkinkan Anda membuat panggilan ke layanan dan mendapatkan hasil dalam waktu singkat.
  • Panduan cara berisi instruksi untuk menggunakan layanan dengan cara yang lebih spesifik atau yang disesuaikan.
  • Artikel konseptual ini memberikan penjelasan mendalam tentang fungsionalitas dan fitur layanan tersebut.
  • Tutorial adalah panduan yang lebih panjang yang menunjukkan cara menggunakan layanan ini sebagai komponen dalam solusi bisnis yang lebih luas.

Kapan QnA Maker bisa digunakan

  • Ketika Anda memiliki informasi statis - Gunakan QnA Maker ketika Anda memiliki informasi statis dalam b pangkalan pengetahuan jawaban Anda. Pangkalan pengetahuan ini sesuai dengan kebutuhan Anda, yang telah Anda buat dengan dokumen seperti PDF dan URL.
  • Ketika Anda ingin memberikan jawaban yang sama untuk permintaan, pertanyaan, atau perintah - ketika pengguna yang berbeda mengirimkan pertanyaan yang sama, jawaban yang sama akan dikembalikan.
  • Ketika Anda ingin memfilter informasi statis berdasarkan meta-informasi - tambahkan tag metadata untuk menyediakan opsi pemfilteran tambahan yang relevan dengan pengguna aplikasi klien dan informasi Anda. Informasi metadata umum mencakup chit-chat, jenis konten atau format, tujuan konten, dan kesegaran konten.
  • Ketika Anda ingin mengelola percakapan bot yang menyertakan informasi statis - pangkalan pengetahuan Anda mengambil teks percakapan pengguna atau perintah dan menjawabnya. Jika jawabannya adalah bagian dari alur percakapan yang telah ditentukan sebelumnya, yang diwakili dalam pangkalan pengetahuan Anda dengan konteks multi-turn,bot dapat dengan mudah memberikan alur ini.

What itu pangkalan pengetahuan?

QnA Maker mengimpor konten Anda ke pangkalan pengetahuan pasangan pertanyaan dan jawaban. Proses impor mengekstrak informasi tentang hubungan antara bagian konten terstruktur dan semi terstruktur untuk menyiratkan hubungan antara pasangan pertanyaan dan jawaban. Anda dapat mengedit pasangan tanya jawab ini atau menambahkan pasangan baru.

Isi dari pasangan tanya jawab meliputi:

  • Semua bentuk alternatif pertanyaan
  • Tag metadata yang digunakan untuk memfilter pilihan jawaban selama pencarian
  • Petunjuk tindak lanjut untuk melanjutkan penyempurnaan pencarian

Contoh pertanyaan dan jawaban dengan metadata

Setelah mempublikasikan pangkalan pengetahuan Anda, aplikasi klien mengirimkan pertanyaan pengguna ke titik akhir Anda. Layanan QnA Maker Anda memproses pertanyaan dan merespons dengan jawaban terbaik.

Buat bot obrolan secara terprogram

Setelah pangkalan pengetahuan QnA Maker diterbitkan, aplikasi klien mengirimkan pertanyaan ke titik akhir pangkalan pengetahuan Anda dan menerima hasilnya sebagai respons JSON. Aplikasi klien umum untuk QnA Maker adalah bot obrolan.

Ajukan pertanyaan kepada bot dan dapatkan jawaban dari konten pangkalan pengetahuan

Langkah Tindakan
1 Aplikasi klien mengirimkan pertanyaan pengguna (teks dengan kata-kata mereka sendiri), "Bagaimana cara memperbarui Pangkalan Pengetahuan saya secara terprogram?" ke titik akhir pangkalan pengetahuan Anda.
2 QnA Maker menggunakan pangkalan pengetahuan terlatih untuk memberikan jawaban yang benar dan setiap perintah tindak lanjut yang dapat digunakan untuk memperbaiki pencarian jawaban terbaik. QnA Maker mengembalikan respons berformat JSON.
3 Aplikasi klien menggunakan respons JSON untuk membuat keputusan tentang cara melanjutkan percakapan. Keputusan ini dapat mencakup menampilkan jawaban teratas dan menyajikan lebih banyak pilihan untuk memperbaiki pencarian jawaban terbaik.

Bangun bot obrolan kode rendah

Portal QnA Maker memberikan pengalaman penulisan pangkalan pengetahuan lengkap. Anda dapat mengimpor dokumen, dalam bentuk saat ini, ke pangkalan pengetahuan Anda. Dokumen-dokumen ini (seperti FAQ, manual produk, spreadsheet, atau halaman web) dikonversi menjadi pasangan tanya jawab. Setiap pasangan dianalisis untuk petunjuk tindak lanjut dan terhubung ke pasangan lain. Format markdown akhir mendukung presentasi yang kaya termasuk gambar dan tautan.

Respons berkualitas tinggi dengan peringkat berlapis

Sistem QnA Maker adalah pendekatan peringkat berlapis. Data disimpan dalam pencarian Azure, yang juga berfungsi sebagai lapisan peringkat pertama. Hasil teratas dari pencarian Azure kemudian diteruskan melalui model peringkat ulang NLP QnA Maker untuk mendapatkan hasil akhir dan skor kepercayaan diri.

Percakapan multi-giliran

QnA Maker menyediakan perintah multi-turn dan pembelajaran aktif untuk membantu meningkatkan pasangan pertanyaan dan jawaban dasar Anda.

Perintah multi-turn memberi Anda kesempatan untuk menghubungkan pasangan pertanyaan dan jawaban. Koneksi ini memungkinkan aplikasi klien untuk memberikan jawaban teratas dan memberikan lebih banyak pertanyaan untuk memperbaiki pencarian jawaban akhir.

Setelah pangkalan pengetahuan menerima pertanyaan dari pengguna di titik akhir yang diterbitkan, QnA Maker menerapkan pembelajaran aktif ke pertanyaan dunia nyata ini untuk menyarankan perubahan pada pangkalan pengetahuan Anda untuk meningkatkan kualitas.

Siklus hidup pengembangan

QnA Maker menyediakan penulisan, pelatihan, dan penerbitan bersama dengan izin kolaborasi untuk diintegrasikan ke dalam siklus hidup pengembangan penuh.

Gambar konseptual siklus pengembangan

Selesaikan mulai cepat

Kami menawarkan mulai cepat dalam bahasa pemrograman paling populer, masing-masing dirancang untuk mengajari Anda pola desain dasar, dan membuat Anda menjalankan kode dalam waktu kurang dari 10 menit. Lihat daftar berikut untuk mulai cepat untuk setiap fitur.

Langkah berikutnya

QnA Maker menyediakan semua yang Anda butuhkan untuk membangun, mengelola, dan menyebarkan pangkalan pengetahuan kustom Anda.