To autorskie propozycje do sprawdzenia na własnych danych. Szukasz historii od użytkowników? Zajrzyj do księgi zastosowań ↗. Decyzje o obrazach i nagraniach z eksperymentalnym basal-omni pokazujemy w Basal Lab ↗.
OD POMYSŁU DO PRZEPŁYWU
Co może zdecydować basal?
Rozwiń scenariusz, by zobaczyć opis zastosowania, zapytanie wejściowe i przykładową odpowiedź API.
Wyniki: 18 / 18Przykłady ilustrują sposób użycia, bez uruchamiania modelu.
01 / Obsługa klientachoice
Przesłanie zgłoszenia do właściwej kolejki
Jeden formularz kontaktowy, kilka zespołów. Zamień treść wiadomości w etykietę, po której helpdesk wybierze odbiorcę.
Zobacz scenariusz +
Przykładowe wejście
„Po zmianie telefonu nie mogę wejść na konto. Kod nadal przychodzi na stary numer.”
Pytanie do modelu
Który zespół powinien zająć się głównym problemem klienta?
Zdefiniowane odpowiedzi
Dostęp do konta
Płatności
Dostawa
Inny temat
Co robi aplikacja
System przypisuje kolejkę i pokazuje konsultantowi oryginalną wiadomość. Kilka niezależnych próśb można rozdzielić przed klasyfikacją.
Co warto uwzględnić
Niejasny temat trafia do kolejki ogólnej. Model nie zmienia danych konta i nie wysyła odpowiedzi.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "„Po zmianie telefonu nie mogę wejść na konto. Kod nadal przychodzi na stary numer.”",
"questions": {
"decision": {
"type": "choice",
"instructions": "Który zespół powinien zająć się głównym problemem klienta?",
"criteria": {
"account_access": "Dostęp do konta",
"payments": "Płatności",
"delivery": "Dostawa",
"other": "Inny temat"
}
}
}
}
Wykryj brak kontekstu, zanim zgłoszenie zacznie krążyć między klientem a zespołem.
Zobacz scenariusz +
Przykładowe wejście
Wymagane dane: model lampy, objawy usterki i moment jej wystąpienia. Wiadomość klienta: „Nie świeci”.
Pytanie do modelu
Czy opis zawiera informacje o objawach i okolicznościach usterki potrzebne do rozpoczęcia diagnozy?
Zdefiniowane odpowiedzi
Tak — opis pozwala rozpocząć diagnozę
Nie — brakuje potrzebnego kontekstu
Co robi aplikacja
Wynik steruje przejściem do obsługi albo przygotowaniem prośby o uzupełnienie. Osobne pytania mogą sprawdzać kolejne wymagane informacje.
Co warto uwzględnić
Obecność numeru zamówienia lub załącznika sprawdza kod. Ocena treści nie jest potwierdzeniem uprawnień klienta.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Wymagane dane: model lampy, objawy usterki i moment jej wystąpienia. Wiadomość klienta: „Nie świeci”.",
"questions": {
"decision": {
"type": "noul",
"instructions": "Czy opis zawiera informacje o objawach i okolicznościach usterki potrzebne do rozpoczęcia diagnozy?",
"criteria": {
"true": "Tak — opis pozwala rozpocząć diagnozę",
"false": "Nie — brakuje potrzebnego kontekstu"
}
}
}
}
Oceń, jak mocno zgłoszony problem blokuje klienta, zamiast porządkować wiadomości wyłącznie po czasie nadejścia.
Zobacz scenariusz +
Przykładowe wejście
Wiadomość: „Nie mogę pobrać biletów, a wydarzenie zaczyna się za godzinę”. Wejście na wydarzenie wymaga kodu QR z biletu. Klient nie ma innego sposobu uzyskania tego kodu.
Pytanie do modelu
Jak duży wpływ na możliwość skorzystania z usługi opisuje ta wiadomość?
Opisane poziomy
0 · Pytanie informacyjne
1 · Niedogodność
2 · Częściowa blokada
3 · Całkowita blokada
Co robi aplikacja
Ocena zasila ranking zgłoszeń razem z terminem wydarzenia, SLA i czasem oczekiwania obliczonymi w systemie.
Co warto uwzględnić
Terminy i przekroczenia SLA wylicza kod. Warto sprawdzać przeoczone pilne zgłoszenia, nie tylko średnią zgodność ocen.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Wiadomość: „Nie mogę pobrać biletów, a wydarzenie zaczyna się za godzinę”. Wejście na wydarzenie wymaga kodu QR z biletu. Klient nie ma innego sposobu uzyskania tego kodu.",
"questions": {
"decision": {
"type": "score",
"instructions": "Jak duży wpływ na możliwość skorzystania z usługi opisuje ta wiadomość?",
"criteria": [
"Pytanie informacyjne",
"Niedogodność",
"Częściowa blokada",
"Całkowita blokada"
]
}
}
}
Rozpoznaj funkcję fragmentów dokumentu, aby indeks wiedzy nie traktował każdego wiersza identycznie.
Zobacz scenariusz +
Przykładowe wejście
Analizowany blok: „4. Czyszczenie filtra”. Następny akapit: „Odłącz urządzenie od zasilania. Wyjmij filtr i przepłucz go pod bieżącą wodą”. Poprzednia sekcja nosi tytuł „3. Codzienna obsługa”.
Pytanie do modelu
Jaką rolę pełni wskazany blok w dokumencie?
Zdefiniowane odpowiedzi
Nagłówek sekcji
Treść instrukcji
Podpis ilustracji
Powtarzalna stopka
Co robi aplikacja
Kod buduje sekcje i dołącza nagłówki do fragmentów wysyłanych do wyszukiwarki. Powtarzalne stopki można pominąć w indeksie.
Co warto uwzględnić
Nie usuwaj fragmentów z jedynej kopii dokumentu. Zachowaj źródło i sprawdź jakość na różnych układach stron.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Analizowany blok: „4. Czyszczenie filtra”. Następny akapit: „Odłącz urządzenie od zasilania. Wyjmij filtr i przepłucz go pod bieżącą wodą”. Poprzednia sekcja nosi tytuł „3. Codzienna obsługa”.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaką rolę pełni wskazany blok w dokumencie?",
"criteria": {
"section_heading": "Nagłówek sekcji",
"body": "Treść instrukcji",
"figure_caption": "Podpis ilustracji",
"footer": "Powtarzalna stopka"
}
}
}
}
Po wyszukiwaniu oceń każdy znaleziony fragment względem konkretnego pytania użytkownika.
Zobacz scenariusz +
Przykładowe wejście
Pytanie użytkownika: „Jak przenieść projekt do innego zespołu?”. Fragment instrukcji: „W ustawieniach projektu wybierz Właściciel, wskaż nowy zespół i zatwierdź Przenieś. Wymagane są uprawnienia administratora w obu zespołach”.
Pytanie do modelu
W jakim stopniu fragment pomaga odpowiedzieć na zadane pytanie?
Opisane poziomy
0 · Nie dotyczy pytania
1 · Tylko podobny temat
2 · Częściowa odpowiedź
3 · Bezpośrednia odpowiedź
Co robi aplikacja
System szereguje fragmenty według oceny i przekazuje wybrane źródła do modelu piszącego odpowiedź.
Co warto uwzględnić
Klasyfikator ocenia kandydatów dostarczonych przez wyszukiwarkę. Nie odnajdzie dokumentu, którego zabrakło w tym zestawie.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Pytanie użytkownika: „Jak przenieść projekt do innego zespołu?”. Fragment instrukcji: „W ustawieniach projektu wybierz Właściciel, wskaż nowy zespół i zatwierdź Przenieś. Wymagane są uprawnienia administratora w obu zespołach”.",
"questions": {
"decision": {
"type": "score",
"instructions": "W jakim stopniu fragment pomaga odpowiedzieć na zadane pytanie?",
"criteria": [
"Nie dotyczy pytania",
"Tylko podobny temat",
"Częściowa odpowiedź",
"Bezpośrednia odpowiedź"
]
}
}
}
Sprawdź kompletność zebranego kontekstu przed rozpoczęciem generowania odpowiedzi.
Zobacz scenariusz +
Przykładowe wejście
Pytanie: „Ile zapłacę za zmianę planu w połowie miesiąca?”. Fragment A: „Plan Start kosztuje 40 zł miesięcznie, plan Pro 80 zł miesięcznie”. Fragment B: „Okres rozliczeniowy trwa od pierwszego do ostatniego dnia miesiąca”.
Pytanie do modelu
Czy przekazany kontekst rozstrzyga sposób naliczenia opłaty przy zmianie planu?
Zdefiniowane odpowiedzi
Zawiera potrzebną zasadę
Brakuje potrzebnej zasady
Źródła są sprzeczne
Co robi aplikacja
Aplikacja wybiera odpowiedź ze źródłami, kolejne wyszukiwanie albo prośbę do człowieka o rozstrzygnięcie sprzeczności.
Co warto uwzględnić
Nie pytaj modelu o wiedzę spoza kontekstu. Zestaw testowy powinien zawierać także pozornie pasujące, lecz niepełne źródła.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Pytanie: „Ile zapłacę za zmianę planu w połowie miesiąca?”. Fragment A: „Plan Start kosztuje 40 zł miesięcznie, plan Pro 80 zł miesięcznie”. Fragment B: „Okres rozliczeniowy trwa od pierwszego do ostatniego dnia miesiąca”.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Czy przekazany kontekst rozstrzyga sposób naliczenia opłaty przy zmianie planu?",
"criteria": {
"sufficient": "Zawiera potrzebną zasadę",
"missing_rule": "Brakuje potrzebnej zasady",
"conflicting": "Źródła są sprzeczne"
}
}
}
}
Sprawdzaj pojedyncze zdania przygotowanej odpowiedzi, zanim pokażesz je razem z odnośnikami.
Zobacz scenariusz +
Przykładowe wejście
Twierdzenie: „Eksport zawiera historię zmian”. Źródło: „Plik eksportu zawiera wyłącznie aktualny stan projektu. Historia zmian nie jest dołączana”.
Pytanie do modelu
Jaka jest relacja tego twierdzenia do podanego fragmentu źródła?
Zdefiniowane odpowiedzi
Źródło potwierdza
Źródło przeczy
Źródło nie rozstrzyga
Co robi aplikacja
Zdania bez oparcia w źródle wracają do poprawy lub weryfikacji. System zachowuje parę: zdanie i sprawdzany fragment.
Co warto uwzględnić
To sprawdzenie zgodności z tekstem, a nie gwarancja prawdziwości źródła. Liczby i obliczenia wymagają osobnej kontroli.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Twierdzenie: „Eksport zawiera historię zmian”. Źródło: „Plik eksportu zawiera wyłącznie aktualny stan projektu. Historia zmian nie jest dołączana”.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaka jest relacja tego twierdzenia do podanego fragmentu źródła?",
"criteria": {
"supported": "Źródło potwierdza",
"contradicted": "Źródło przeczy",
"undetermined": "Źródło nie rozstrzyga"
}
}
}
}
Rozdziel podobnie brzmiące komentarze według tego, jakiego działania oczekuje autor.
Zobacz scenariusz +
Przykładowe wejście
„Raport działa, ale chciałabym zapisywać własne zestawy filtrów i dzielić się nimi z zespołem.”
Pytanie do modelu
Jaki główny rodzaj informacji przekazuje autor o produkcie?
Zdefiniowane odpowiedzi
Pomysł na funkcję
Błąd działania
Trudność w obsłudze
Ogólna opinia
Co robi aplikacja
Zespół produktu dostaje uporządkowane kategorie, a konsultanci mogą szybko oddzielić pytania wymagające odpowiedzi od sugestii.
Co warto uwzględnić
Etykieta nie mierzy popytu. Priorytet funkcji wymaga danych o liczbie użytkowników, wpływie i kosztach realizacji.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "„Raport działa, ale chciałabym zapisywać własne zestawy filtrów i dzielić się nimi z zespołem.”",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaki główny rodzaj informacji przekazuje autor o produkcie?",
"criteria": {
"feature_request": "Pomysł na funkcję",
"bug": "Błąd działania",
"usability": "Trudność w obsłudze",
"general_feedback": "Ogólna opinia"
}
}
}
}
Przypisz produkt do rozbudowanego drzewa kategorii, zadając osobne pytanie na każdym poziomie.
Zobacz scenariusz +
Przykładowe wejście
Opis: „Kompaktowa lampka ładowana przez USB, z uchwytem na kierownicę”. Najpierw wybór działu, potem kategorii w tym dziale.
Pytanie do modelu
Która z kategorii w dziale rowerowym najlepiej odpowiada temu produktowi?
Zdefiniowane odpowiedzi
Oświetlenie
Bagażniki
Zabezpieczenia
Pozostałe akcesoria
Co robi aplikacja
Kod przechodzi przez drzewo i zapisuje ścieżkę kategorii. Każde pytanie pokazuje najwyżej 10 opcji, zgodnie z limitem modelu.
Co warto uwzględnić
Błąd w pierwszym kroku wpływa na kolejne. Zachowaj opcję „inne” i możliwość ręcznego poprawienia całej ścieżki.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Opis: „Kompaktowa lampka ładowana przez USB, z uchwytem na kierownicę”. Najpierw wybór działu, potem kategorii w tym dziale.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Która z kategorii w dziale rowerowym najlepiej odpowiada temu produktowi?",
"criteria": {
"lights": "Oświetlenie",
"racks": "Bagażniki",
"locks": "Zabezpieczenia",
"other": "Pozostałe akcesoria"
}
}
}
}
Pomóż człowiekowi znaleźć wpisy do sprawdzenia według jawnych zasad konkretnej społeczności.
Zobacz scenariusz +
Przykładowe wejście
Dyskusja dotyczy czyszczenia filtrów. Komentarz bez oznaczenia reklamy: „Najlepsze filtry tylko w naszym sklepie! Z kodem FILTR20 dostaniesz 20% rabatu. Kup już dziś”. Regulamin zabrania reklam bez oznaczenia, danych kontaktowych osób trzecich i ataków osobistych.
Pytanie do modelu
Jaki główny powód przeglądu wynika z treści komentarza i tych zasad?
Zdefiniowane odpowiedzi
Możliwa reklama
Możliwe dane prywatne
Możliwy atak osobisty
Brak wskazanego powodu
Co robi aplikacja
Wpis otrzymuje etykietę w panelu moderatora. Wynik może wpływać na kolejność przeglądu i wskazywać regułę do sprawdzenia.
Co warto uwzględnić
Regulamin musi być w kontekście. Ironiczne wypowiedzi i cytaty wymagają testów; etykieta nie przesądza o sankcji.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Dyskusja dotyczy czyszczenia filtrów. Komentarz bez oznaczenia reklamy: „Najlepsze filtry tylko w naszym sklepie! Z kodem FILTR20 dostaniesz 20% rabatu. Kup już dziś”. Regulamin zabrania reklam bez oznaczenia, danych kontaktowych osób trzecich i ataków osobistych.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaki główny powód przeglądu wynika z treści komentarza i tych zasad?",
"criteria": {
"possible_advertising": "Możliwa reklama",
"possible_private_data": "Możliwe dane prywatne",
"possible_personal_attack": "Możliwy atak osobisty",
"no_flag": "Brak wskazanego powodu"
}
}
}
}
Zamień bieżący stan zadania w wybór z krótkiej listy funkcji dopuszczonych na danym etapie.
Zobacz scenariusz +
Przykładowe wejście
Użytkownik pyta: „Gdzie jest moje zamówienie 2041?”. Aplikacja potwierdziła poprawność identyfikatora 2041 i uprawnienie użytkownika do odczytu tego zamówienia. Status przesyłki nie został jeszcze pobrany.
Pytanie do modelu
Który dostępny krok najlepiej odpowiada na obecną potrzebę użytkownika?
Zdefiniowane odpowiedzi
Odczytaj status przesyłki
Pokaż instrukcję zwrotu
Poproś o doprecyzowanie
Przekaż konsultantowi
Co robi aplikacja
Kod mapuje etykietę na znaną funkcję. Argumenty, uprawnienia i wynik wywołania waliduje aplikacja.
Co warto uwzględnić
Model wybiera nazwę kroku, nie generuje dowolnego wywołania. Działania zmieniające dane mają własne reguły autoryzacji.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Użytkownik pyta: „Gdzie jest moje zamówienie 2041?”. Aplikacja potwierdziła poprawność identyfikatora 2041 i uprawnienie użytkownika do odczytu tego zamówienia. Status przesyłki nie został jeszcze pobrany.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Który dostępny krok najlepiej odpowiada na obecną potrzebę użytkownika?",
"criteria": {
"track_order": "Odczytaj status przesyłki",
"return_instructions": "Pokaż instrukcję zwrotu",
"clarify": "Poproś o doprecyzowanie",
"human_review": "Przekaż konsultantowi"
}
}
}
}
Wybierz między gotową odpowiedzią, wyszukiwaniem i modelem generatywnym na podstawie potrzeb pytania.
Zobacz scenariusz +
Przykładowe wejście
„Porównaj trzy warianty wdrożenia i przygotuj argumenty dla zespołu”. Dostępne ścieżki opisują swoje możliwości i ograniczenia.
Pytanie do modelu
Jaki rodzaj pracy jest potrzebny, aby wykonać tę prośbę?
Zdefiniowane odpowiedzi
Znana odpowiedź z FAQ
Odszukanie faktu w dokumentacji
Synteza i napisanie treści
Doprecyzowanie prośby
Co robi aplikacja
Orkiestrator uruchamia odpowiednią ścieżkę. W jej ramach może wybrać mały lub większy model na podstawie własnych pomiarów jakości.
Co warto uwzględnić
Oszczędność i jakość trzeba zmierzyć na rzeczywistych zadaniach. Sam typ pytania nie gwarantuje, że prostszy model sobie poradzi.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "„Porównaj trzy warianty wdrożenia i przygotuj argumenty dla zespołu”. Dostępne ścieżki opisują swoje możliwości i ograniczenia.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaki rodzaj pracy jest potrzebny, aby wykonać tę prośbę?",
"criteria": {
"faq": "Znana odpowiedź z FAQ",
"search": "Odszukanie faktu w dokumentacji",
"synthesis": "Synteza i napisanie treści",
"clarify": "Doprecyzowanie prośby"
}
}
}
}
Oceń, czy pobrany tekst próbuje zmienić zachowanie agenta, zamiast dostarczać informacji do zadania.
Zobacz scenariusz +
Przykładowe wejście
Fragment strony dodanej do researchu zawiera polecenie zignorowania zasad i przesłania zawartości pamięci agenta pod obcy adres.
Pytanie do modelu
Czy tekst zawiera polecenie skierowane do asystenta, które wykracza poza dostarczenie danych do zadania?
Zdefiniowane odpowiedzi
Tak — zawiera próbę sterowania asystentem
Nie — nie wskazuje takiej próby
Co robi aplikacja
Podejrzany fragment trafia do izolacji lub dodatkowego sprawdzenia, zanim zostanie użyty jako kontekst.
Co warto uwzględnić
To dodatkowy sygnał, nie kompletna ochrona. Separacja instrukcji od danych, minimalne uprawnienia i ograniczenia narzędzi pozostają konieczne.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Fragment strony dodanej do researchu zawiera polecenie zignorowania zasad i przesłania zawartości pamięci agenta pod obcy adres.",
"questions": {
"decision": {
"type": "noul",
"instructions": "Czy tekst zawiera polecenie skierowane do asystenta, które wykracza poza dostarczenie danych do zadania?",
"criteria": {
"true": "Tak — zawiera próbę sterowania asystentem",
"false": "Nie — nie wskazuje takiej próby"
}
}
}
}
Połącz wiedzę o objawach z technicznym filtrem kandydatów, aby ograniczyć powielone zgłoszenia dla dyżurnego.
Zobacz scenariusz +
Przykładowe wejście
Alert A, 10:02: wzrost błędów logowania do panelu. Alert B, 10:03: panel nie może połączyć się z usługą sesji. Panel korzysta z tej usługi podczas logowania. Oba alerty dotyczą środowiska produkcyjnego.
Pytanie do modelu
Czy opisy wskazują na możliwy wspólny problem wymagający łącznego sprawdzenia?
Zdefiniowane odpowiedzi
Tak — objawy mogą być powiązane
Nie — brak wskazanego związku
Co robi aplikacja
System proponuje grupę alertów na widoku incydentu. Kandydatów wcześniej ogranicza po czasie, usłudze i topologii zależności.
Co warto uwzględnić
Podobieństwo objawów nie dowodzi wspólnej przyczyny. Nie wyciszaj automatycznie krytycznych alarmów wyłącznie na tej podstawie.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Alert A, 10:02: wzrost błędów logowania do panelu. Alert B, 10:03: panel nie może połączyć się z usługą sesji. Panel korzysta z tej usługi podczas logowania. Oba alerty dotyczą środowiska produkcyjnego.",
"questions": {
"decision": {
"type": "noul",
"instructions": "Czy opisy wskazują na możliwy wspólny problem wymagający łącznego sprawdzenia?",
"criteria": {
"true": "Tak — objawy mogą być powiązane",
"false": "Nie — brak wskazanego związku"
}
}
}
}
Porządkuj abstrakty według jasno opisanych kryteriów przeglądu, zanim poświęcisz czas na pełne teksty.
Zobacz scenariusz +
Przykładowe wejście
Cel przeglądu: metody oceny zgodności odpowiedzi ze źródłami w polskojęzycznych systemach RAG. Przykładowy abstrakt: „Opisujemy procedurę oznaczania twierdzeń jako potwierdzonych, sprzecznych lub nierozstrzygniętych względem źródeł. Procedurę stosujemy do polskojęzycznych odpowiedzi systemu RAG”.
Pytanie do modelu
Jaką rolę może odegrać ta publikacja w opisanym przeglądzie?
Zdefiniowane odpowiedzi
Bezpośrednio dotyczy kryteriów
Dostarcza metody lub tła
Poza zakresem
Abstrakt nie wystarcza
Co robi aplikacja
Badacz dostaje kolejkę lektur z etykietami i oryginalnymi abstraktami. Niepełne przypadki kieruje do ręcznej oceny.
Co warto uwzględnić
Model nie ocenia rzetelności badania na podstawie samego abstraktu. Kontroluj szczególnie publikacje błędnie odrzucone.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Cel przeglądu: metody oceny zgodności odpowiedzi ze źródłami w polskojęzycznych systemach RAG. Przykładowy abstrakt: „Opisujemy procedurę oznaczania twierdzeń jako potwierdzonych, sprzecznych lub nierozstrzygniętych względem źródeł. Procedurę stosujemy do polskojęzycznych odpowiedzi systemu RAG”.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Jaką rolę może odegrać ta publikacja w opisanym przeglądzie?",
"criteria": {
"direct_match": "Bezpośrednio dotyczy kryteriów",
"background": "Dostarcza metody lub tła",
"out_of_scope": "Poza zakresem",
"insufficient_abstract": "Abstrakt nie wystarcza"
}
}
}
}
Eksperymentuj z wyborem zachowania z listy ruchów dozwolonych przez silnik gry lub symulacji.
Zobacz scenariusz +
Przykładowe wejście
Cel postaci: dostarczyć paczkę na rynek możliwie szybko. Główne przejście jest zamknięte, a czas otwarcia nieznany. Silnik potwierdził, że oznaczona alternatywna trasa jest dostępna i prowadzi na rynek. Obok stoi przewodnik. Postać ma dość energii na dalszą drogę.
Pytanie do modelu
Który dostępny krok najlepiej pasuje do celu postaci i opisanego otoczenia?
Zdefiniowane odpowiedzi
Wybierz alternatywną trasę
Zapytaj przewodnika
Poczekaj na otwarcie
Wróć do punktu startu
Co robi aplikacja
Silnik wykonuje wybraną akcję i przekazuje nowy stan do kolejnej decyzji. Można porównywać przebiegi dla różnych opisów celu.
Co warto uwzględnić
Dostępność ruchów, fizyka i limity zasobów należą do silnika. To pomysł na eksperyment, nie zmierzona wydajność basal w grze.
Zapytanie i odpowiedź API
Wynik i prawdopodobieństwa poniżej są przykładowe. Model nie jest tu wywoływany.
Zapytanie wejściowe · JSON +
POST /v1/systemone
{
"state": "Cel postaci: dostarczyć paczkę na rynek możliwie szybko. Główne przejście jest zamknięte, a czas otwarcia nieznany. Silnik potwierdził, że oznaczona alternatywna trasa jest dostępna i prowadzi na rynek. Obok stoi przewodnik. Postać ma dość energii na dalszą drogę.",
"questions": {
"decision": {
"type": "choice",
"instructions": "Który dostępny krok najlepiej pasuje do celu postaci i opisanego otoczenia?",
"criteria": {
"take_detour": "Wybierz alternatywną trasę",
"ask_guide": "Zapytaj przewodnika",
"wait": "Poczekaj na otwarcie",
"return_to_start": "Wróć do punktu startu"
}
}
}
}
basal zwraca decyzję i rozkład prawdopodobieństw. Twoja aplikacja określa, co stanie się dalej.
01 / ZDEFINIUJ
Jedno pytanie naraz.
Podaj potrzebne fakty i czytelne, rozłączne opcje. Dodaj „inne” lub ścieżkę uzupełnienia danych. Rozbij złożony proces na małe decyzje.
02 / ZMIERZ
Własne dane, własny próg.
Zbierz przykłady z poprawnymi etykietami, także trudne i niejednoznaczne. Mierz pomyłki ważne dla procesu. Pewność modelu nie jest gwarancją poprawności.
03 / POŁĄCZ
Decyzja ma dalszy ciąg.
Obliczenia i uprawnienia sprawdzaj w kodzie. Niepewne przypadki przekazuj do przeglądu. Zacznij od obserwowania decyzji, zanim uruchomisz automatyczne działania.
INSPIRACJE I DALSZA LEKTURA
Pomysły rosną przez wymianę.
Katalog napisaliśmy dla basal, inspirując się publicznymi materiałami o modelach decyzyjnych. Opisy i przykłady są autorskie. Wyniki ani deklaracje dotyczące innych modeli nie są wynikami basal.