เราสร้าง Hyve ซึ่งเป็น AI Chatbot สำหรับ WordPress ได้อย่างไร – เวอร์ชันแรกตอนนี้ฟรีแล้ว

ในช่วงไม่กี่เดือนที่ผ่านมา เราได้ทดลองกับ AI เพื่อสร้างเครื่องมือที่เป็นนวัตกรรมใหม่สำหรับ WordPress หนึ่งในโปรเจ็กต์ล่าสุดของเรา QuickWP ซึ่งเป็นตัวสร้างเว็บไซต์ WordPress ที่ขับเคลื่อนด้วย AI ก็เป็นหนึ่งในโปรเจ็กต์ดังกล่าว จากสิ่งที่เราเรียนรู้ในขณะที่สร้าง QuickWP เรารู้สึกตื่นเต้นที่จะแนะนำสิ่งใหม่ทั้งหมด แต่มีความเกี่ยวข้อง!

ในโพสต์นี้ ฉันอยากจะบอกคุณทั้งหมดเกี่ยวกับ Hyve ซึ่งเป็นแชทบอท AI สำหรับ WordPress Hyve ใช้ประโยชน์จากเนื้อหา WordPress ของคุณเพื่อตอบคำถามของผู้ใช้อย่างชาญฉลาด โดยให้คำตอบที่ถูกต้องและคำนึงถึงบริบทโดยตรงจากเนื้อหาที่มีอยู่ในเว็บไซต์ของคุณ โอเค นั่นเป็นคำหนึ่ง ดังนั้นมาดูรายละเอียดกัน:

ในประโยค Hyve ทำงานร่วมกับเนื้อหาที่มีอยู่ของคุณ ใช้เป็นฐานความรู้ และตอบคำถามของผู้ใช้ตามข้อมูลที่ให้ไว้

เราเปิดตัว Hyve เวอร์ชันเริ่มต้นเมื่อปลายเดือนเมษายน และตั้งแต่นั้นมา เราได้รับฟังความคิดเห็นมากมายจากผู้ใช้ของเราเพื่อปรับปรุงปลั๊กอินเพื่อแก้ไขปัญหาที่เป็นไปได้ และทำให้ผู้ใช้ของเราใช้งานได้มากขึ้นในเวอร์ชัน 1.1 วันนี้เรามีความยินดีที่จะแจ้งให้ทราบว่าเรากำลังทำให้ Hyve 1.0.3 ใช้งานได้ฟรีสำหรับผู้ใช้ทุกคน Hyve เป็นโอเพ่นซอร์สและได้รับอนุญาตภายใต้ GPLv3

แต่ก่อนอื่น มาเริ่มกันตั้งแต่ต้น:

ไฮฟ์คืออะไร?

พูดง่ายๆ ก็คือ Hyve คือแชทบอท AI สำหรับ WordPress ที่ใช้ OpenAI API ร่วมกับข้อมูลเว็บไซต์ของคุณเพื่อตอบคำถามของผู้ใช้ คุณสามารถฝึกอบรม Hyve เกี่ยวกับเนื้อหาเว็บไซต์ของคุณได้ และจะใช้ข้อมูลนั้นเพื่อให้คำตอบที่ถูกต้องและเกี่ยวข้อง ด้วย Hyve คุณสามารถใช้ประโยชน์จากโพสต์ เพจ และแม้แต่ข้อมูลที่กำหนดเองเป็นแหล่งความรู้ของคุณ ซึ่งเราเรียกว่าฐานความรู้

ข้อมูลทั้งหมดจะอยู่ในบัญชี WordPress และ OpenAI ของคุณ คุณไม่จำเป็นต้องเชื่อมต่อกับบริการเพิ่มเติมใด ๆ เพื่อใช้ Hyve สำหรับการอัปเดตเวอร์ชัน 1.1 เราได้จัดทำวิดีโอนี้เพื่อให้ผู้ใช้ของเราได้ดู Hyve:

นอกเหนือจากฐานความรู้แล้ว คุณยังมีตัวเลือกเพิ่มเติมในการปรับแต่งแชทบอทของคุณและเรียนรู้ว่าผู้ใช้ของคุณถามคำถามใดบ้างที่ไม่ได้รับคำตอบ คุณลักษณะนี้ช่วยให้คุณมั่นใจได้ว่าคุณกำลังเพิ่มคำถามที่ถูกต้องลงในฐานความรู้ของคุณ

โครงการ Hackathon ที่ล้มเหลว

ผมจะเล่าเรื่องราวว่าไฮฟ์เกิดได้อย่างไร

ไม่ใช่เรื่องราวที่คุณขอ แต่เป็นเรื่องราวที่คุณต้องการ

ย้อนกลับไปในเดือนมีนาคม 2023 เพียงไม่กี่เดือนหลังจาก ChatGPT เปิดตัวและโปรเจ็กต์ AI ก็เข้ายึดครอง Twitter (ใช่แล้ว ในเดือนมีนาคม 2023 ยังคงเรียกว่า Twitter) เราตัดสินใจจัดแฮ็กกาธอนระยะไกลสองวันในบริษัทที่มี AI เป็นศูนย์กลาง

นักพัฒนารายหนึ่งเลือกโปรเจ็กต์เพื่อสร้างแชทบอท AI สำหรับ WordPress โดยใช้ OpenAI API และข้อมูลที่คัดลอกมาจากเอกสารของบริษัท เขาต้องดิ้นรนกับงานนี้ด้วยความหงุดหงิดมาก และในที่สุดโครงการก็ล้มเหลว

ณ จุดนี้ฉันควรจะชี้ให้เห็นว่าฉันเป็นนักพัฒนา

ในกรณีที่คุณสนใจ ฉันลงเอยด้วยการส่งเครื่องมือสร้างความคิดเห็นที่เป็นสแปมอัตโนมัติในนาทีสุดท้ายโดยใช้ OpenAI ซึ่งมีโค้ดเพียง 50 บรรทัดเท่านั้น

แม้ว่าไอเดียนี้จะหายไปหลังจากการแฮ็กกาธอนครั้งนั้น ทีมงานก็ได้พูดคุยเรื่องนี้กันเมื่อต้นปีนี้ และในครั้งนี้ เราได้ค้นคว้าและเตรียมการเพิ่มเติมก่อนที่จะเขียนโค้ดบรรทัดแรก และนั่นคือวิธีที่ Hyve ถือกำเนิด

แล้วทำไมมันถึงล้มเหลวในครั้งแรกและไม่ใช่ครั้งที่สอง?

วิศวกรรมที่รวดเร็ว RAG และการปรับแต่งอย่างละเอียด

วิศวกรรมที่รวดเร็ว, การดึงข้อมูล-Augmented Generation (RAG) และการปรับแต่งอย่างละเอียดเป็นเทคนิคที่ใช้ในการพัฒนาเครื่องมือ AI เมื่อใช้อย่างถูกต้อง แต่ละวิธีจะช่วยเพิ่มความแม่นยำ ความเกี่ยวข้อง และประสิทธิภาพโดยรวมได้อย่างมาก

แต่สิ่งสำคัญคือต้องรู้ให้แน่ชัดว่าเมื่อใดไม่ควรใช้ ครั้งแรกสำหรับโปรเจ็กต์แฮ็กกาธอน เรา (หรือพูดให้เจาะจงกว่านั้นคือ ฉัน) คิดผิดที่คิดว่าการปรับแต่งคือคำตอบ

ในฐานะมือใหม่ ฉันเข้าใจว่าการปรับแต่งอย่างละเอียดเป็นวิธีการ "ฝึก" โมเดล AI เพื่อดำเนินงานโดยแสดงตัวอย่างหลายร้อยตัวอย่างวิธีตอบคำถามแต่ละข้อ แต่ฉันคิดผิดมาก

ตามทฤษฎีแล้ว แชทบอททำในสิ่งที่มันถูกฝึกมาให้ทำอย่างแน่นอน ผู้ใช้ถามคำถามและตอบกลับด้วยข้อมูลที่ไม่ถูกต้องส่วนใหญ่ในรูปแบบการเขียนและน้ำเสียงในเอกสารของบริษัทของเรา เพื่ออธิบายว่าทำไม ให้เราเจาะลึกความหมายของเทคนิคเหล่านี้อย่างรวดเร็ว:

วิศวกรรมศาสตร์ทันที

บางทีเทคนิคที่มีชื่อเสียงที่สุดที่ทุกคนที่ทำงานกับ ChatGPT และเครื่องมือ AI อื่นๆ ต่างก็ทราบดี เราให้คำแนะนำแก่โมเดล AI ของเราเกี่ยวกับสิ่งที่ต้องทำและระบุว่าควรตอบสนองอย่างไร ตัวอย่างเช่น เราอาจให้รายการข้อมูลจากอีเมล 20 ฉบับและขอให้สรุปเป็นบรรทัดละ 1 รายการ มันจะรับข้อมูลและตอบกลับด้วยสิ่งที่ฟังดูคล้ายกับนี้:

• เมื่อวันอังคาร Jeff ส่งอีเมลถึงคุณเกี่ยวกับการจัดส่งการพิมพ์
• เมื่อวันศุกร์ คุณได้รับคำอวยพรวันเกิดจากเจฟฟ์และแมตต์
• …และอื่นๆ

แนวทางนี้เหมาะสำหรับงานง่ายๆ เมื่อเรารู้ว่าข้อมูลใดที่จะมอบให้กับ AI ของเราเมื่อถามคำถาม แต่จะล้มเหลวเมื่องานมีความซับซ้อนมากขึ้น

การดึงข้อมูล-Augmented Generation (RAG)

ดังที่ได้กล่าวไปแล้ว วิศวกรรมพร้อมท์มีประสิทธิภาพสำหรับงานง่ายๆ แต่สามารถต่อสู้กับคำถามที่ซับซ้อนมากขึ้นได้ นี่คือจุดที่การดึงข้อมูล-Augmented Generation (RAG) เข้ามามีบทบาท RAG ปรับปรุงขีดความสามารถของ AI ด้วยการรวมวิธีการดึงข้อมูลเข้ากับแบบจำลองเชิงกำเนิด แทนที่จะอาศัยการแจ้งเตือนที่ให้มาเพียงอย่างเดียว RAG จะค้นหาผ่านฐานข้อมูลขนาดใหญ่ของเอกสารเพื่อค้นหาข้อมูลที่เกี่ยวข้อง ซึ่งจากนั้นจะใช้เพื่อสร้างคำตอบที่แม่นยำและมีบริบทมากขึ้น

ตัวอย่างเช่น ผู้ใช้อาจถามว่า "คุณมีบริการทัวร์จักรยานในเมืองนีซหรือไม่" ด้วย RAG นั้น AI จะดึงบทความที่เกี่ยวข้องกับคำถามนี้ก่อน จากนั้นจึงตอบกลับตามข้อมูลที่ให้ไว้ในบทความเหล่านั้น

หรือลองจินตนาการถึงการขอให้ AI อัปเดตสภาพอากาศหรือราคาหุ้น ทั้งหมดนี้จำเป็นต้องดึงข้อมูลการเข้าถึงจากแหล่งอื่น

วิธีการนี้มีประโยชน์อย่างยิ่งเมื่อต้องจัดการกับข้อมูลจำนวนมหาศาล หรือเมื่อไม่ได้ให้ข้อมูลที่ต้องการโดยตรงในพร้อมท์เริ่มต้น

ใน Hyve เราไม่สามารถให้ข้อมูลทั้งหมดจากฐานความรู้กับทุกๆ แบบสอบถามได้ มันจะทำไม่ได้ในทางปฏิบัติเกินไป ดังนั้นเราจึงจำเป็นต้องใช้เทคนิค RAG เพื่อรวบรวมข้อมูลที่เกี่ยวข้องกับข้อความค้นหาของผู้ใช้ก่อน แล้วจึงส่งต่อไปยัง AI พร้อมกับคำถามของผู้ใช้

การปรับแต่งแบบละเอียด

การปรับแต่งอย่างละเอียดเกี่ยวข้องกับการใช้โมเดล AI ที่ได้รับการฝึกอบรมล่วงหน้า และการฝึกอบรมเพิ่มเติมเกี่ยวกับชุดข้อมูลเฉพาะเพื่อให้มีความเชี่ยวชาญมากขึ้นในงานหรือโดเมนเฉพาะ การปรับแต่งอย่างละเอียดไม่ได้เกี่ยวกับการบอก AI อย่างชัดเจนว่าจะพูดอะไร แต่เป็นการช่วยให้เข้าใจวิธีตอบกลับมากกว่า

ตัวอย่างเช่น พิจารณากรณีก่อนหน้านี้จากส่วนวิศวกรรมพร้อมท์ โดยที่ AI จะสรุปอีเมล:

• เมื่อวันอังคาร Jeff ส่งอีเมลถึงคุณเกี่ยวกับการจัดส่งการพิมพ์
• เมื่อวันศุกร์ คุณได้รับคำอวยพรวันเกิดจากเจฟฟ์และแมตต์

ในสถานการณ์นี้ หาก AI ไม่ได้ปรับแต่งอย่างละเอียด ก็อาจสร้างการตอบสนองที่แตกต่างกันในรูปแบบหรือโทนเสียง ทำให้สรุปไม่สอดคล้องกันหรือมีประโยชน์น้อยลงสำหรับกรณีการใช้งานเฉพาะ การปรับแต่งอย่างละเอียดสามารถสร้างมาตรฐานการตอบสนองของ AI เพื่อให้แน่ใจว่าเป็นไปตามสไตล์และโทนเสียงที่สอดคล้องกัน หลังจากการปรับแต่งอย่างละเอียด AI อาจให้ข้อมูลสรุปที่สม่ำเสมอมากขึ้นดังนี้:

• เมื่อวันอังคาร เจฟฟ์แจ้งสถานะการจัดส่งการพิมพ์ให้คุณทราบ
• เมื่อวันศุกร์ ทั้งเจฟฟ์และแมตต์ส่งคำอวยพรวันเกิดให้คุณ

ในทำนองเดียวกัน ในโครงการแฮ็กกาธอน การปรับแต่งแบบละเอียดก็บรรลุผลตามที่ตั้งใจไว้ แม้ว่าจะมีการตอบกลับด้วยคำตอบที่ผิดเสมอ แต่ก็ตอบกลับในรูปแบบและโทนเสียงเดียวกันกับที่เราใช้ในเอกสารของบริษัท การปรับแต่งแบบละเอียดทำงานได้ดี ความผิดอยู่ที่เทคนิคที่เราเลือกสำหรับงานมากขึ้น

การปรับแต่งอย่างละเอียดเมื่อใช้อย่างถูกต้องอาจเป็นเครื่องมือที่ทรงพลังมากสำหรับการสร้างแบบจำลอง AI สำหรับงานที่เฉพาะเจาะจงมาก ในความเป็นจริง มันสามารถฝึกได้ในโมเดลที่มีอันดับต่ำกว่าแต่ยังให้ผลลัพธ์ที่ดีกว่าโมเดลที่มีอันดับสูงกว่ามาก

การเลือกเทคนิคที่เหมาะสม

เทคนิคที่กล่าวมาทั้งหมดมีประโยชน์อย่างมากเมื่อใช้อย่างถูกต้อง แต่เมื่อใช้ผิด พวกมันอาจทำให้เครื่องมือ AI ของคุณแย่ลงในการบรรลุผลสำเร็จในสิ่งที่ต้องทำ

การปรับแต่งอย่างละเอียดไม่ใช่แนวทางที่เหมาะสมสำหรับโปรเจ็กต์แฮ็กกาธอนของเรา หากเราจำกัดตัวเองให้พร้อมท์ด้านวิศวกรรมกับ RAG ผลลัพธ์คงจะดีกว่านี้มาก

ตามหลักการทั่วไป ให้เริ่มต้นด้วยวิศวกรรมที่รวดเร็วเท่านั้น หากมันทำสิ่งที่คุณต้องการอย่างแน่นอน คุณก็ไม่จำเป็นต้องใช้ RAG หรือการปรับแต่งแบบละเอียด

หากไม่ได้ผลลัพธ์ตามที่คุณต้องการ ให้ดูว่าต้องการข้อมูลเชิงบริบทเพิ่มเติมหรือไม่ หรือรูปแบบ/โทนเสียงสอดคล้องกันหรือไม่ จากข้อมูลดังกล่าว จึงสามารถตัดสินใจได้ว่าต้องใช้ RAG การปรับแต่งแบบละเอียด หรือทั้งสองอย่าง

ฉันขอแนะนำให้ดูการพูดคุยนี้ในบัญชี YouTube ของ OpenAI หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการเลือกเทคนิคที่เหมาะสม

ไฮฟ์ทำงานอย่างไร

ตอนนี้เราได้พูดคุยถึงเทคนิคบางอย่างในการสร้างเครื่องมือ AI แล้ว เรามาสำรวจวิธีที่เราใช้สิ่งเหล่านี้ในการพัฒนาแชทบอท AI สำหรับ WordPress กัน

OpenAI นำเสนอหลายวิธีในการสร้าง AI เชิงสนทนา สำหรับโปรเจ็กต์นี้ เราเลือก Assistant API เหนือ Chat Completions API API ทั้งสองมีข้อดีและข้อเสียต่างกัน แต่เราชอบ Assistant API มากกว่า เนื่องจากช่วยให้ผู้ใช้สามารถดูประวัติการแชทและรักษาบริบทได้อย่างง่ายดายโดยถือว่าแต่ละการสนทนาเป็นเหมือนเธรด สิ่งนี้มีประโยชน์อย่างยิ่งเมื่อสร้าง QuickWP ดังนั้นเราจึงตัดสินใจที่จะยึดติดกับมัน คนอื่นๆ อาจชอบ Chat Completions API และมันก็เป็นเรื่องปกติเช่นกัน

ด้วย Assistant API เราสร้างผู้ช่วยเมื่อผู้ใช้เชื่อมต่อบัญชี OpenAI และตั้งค่าพร้อมท์ที่นั่น ด้วยวิธีนี้ เราไม่จำเป็นต้องส่งข้อความพร้อมท์พร้อมกับคำขอแต่ละรายการ เนื่องจาก OpenAI จัดการมัน

เมื่อผู้ใช้ส่งข้อความค้นหาไปยังแชทบอต เราจะแปลงคำถามเป็นการฝังโดยใช้ Embeddings API ของ OpenAI และเรียกใช้อัลกอริทึมเพื่อเปรียบเทียบกับฐานความรู้ของไซต์เพื่อให้ใกล้เคียงที่สุด จากนั้นเราจะส่งรายการที่ตรงกันมากที่สุดควบคู่ไปกับคำถามของผู้ใช้ไปยังผู้ช่วย เพื่อให้มั่นใจว่า AI จะพิจารณาเฉพาะบริบทที่ให้มาเมื่อตอบคำถามเท่านั้น

เราพิจารณาใช้การปรับแต่งอย่างละเอียดเพื่อปรับปรุงคุณภาพการตอบสนอง แต่ตอนนี้เราตัดสินใจไม่ทำเพื่อให้ทุกอย่างง่ายขึ้นสำหรับผู้ใช้ อย่างไรก็ตาม เราอาจปรับแต่งโมเดลในอนาคตเพื่อให้แน่ใจว่าเป็นไปตามพร้อมท์ตามที่ตั้งใจไว้อย่างเคร่งครัด ในตอนนี้ prompt Engineering ทำงานได้ดีเพียงพอโดยไม่ต้องเพิ่มความซับซ้อน

และตอนนี้ Hyve v1.0 ฟรีแล้ว

เราเปิดตัว Hyve ในเดือนเมษายน และตั้งแต่นั้นเป็นต้นมา ลูกค้าจำนวนมากได้ให้ข้อเสนอแนะอันมีค่าเกี่ยวกับวิธีการปรับปรุงฟังก์ชันการทำงาน เมื่อเดือนที่แล้ว เราได้เปิดตัว Hyve v1.1 ซึ่งรวมถึงฟีเจอร์ขั้นสูง เช่น ข้อมูลเชิงลึกโดยละเอียดสำหรับผู้ดูแลระบบไซต์เกี่ยวกับคำถามที่ยังไม่มีคำตอบ ตัวเลือกการปรับแต่งที่มากขึ้นสำหรับ Assistant และการปรับปรุงอื่น ๆ อีกมากมาย

ตอนนี้เรารู้สึกตื่นเต้นที่จะประกาศว่า Hyve v1.0.3 ให้บริการฟรีสำหรับผู้ใช้ทุกคนที่ต้องการทดลองใช้งาน เวอร์ชันนี้เป็นเวอร์ชันออกจำหน่ายครั้งเดียว ซึ่งหมายความว่าจะไม่ได้รับการอัปเดตหรือการสนับสนุนลูกค้า Hyve v1.0.3 มีฟีเจอร์ทั้งหมดของเวอร์ชันดั้งเดิม พร้อมด้วยการแก้ไขข้อบกพร่องที่ทราบทั้งหมด

ด้วยการนำเสนอเวอร์ชันฟรีนี้ เราหวังว่าผู้คนจำนวนมากขึ้นจะลองใช้ Hyve โดยให้ข้อเสนอแนะและข้อมูลเชิงลึกเพิ่มเติมเกี่ยวกับกรณีการใช้งานที่แตกต่างกันแก่เรา สิ่งนี้จะช่วยเราปรับปรุงและตอบแทนชุมชนต่อไป

ใครจะรู้ คุณอาจจะรัก Hyve เหมือนกัน และตัดสินใจสมัครรับข้อมูลอัปเดต หากคุณทำเช่นนั้น เพียงป้อนรหัสสัญญาอนุญาต แล้วคุณจะเริ่มได้รับการอัปเดต

นอกจากนี้เรายังใช้โอกาสนี้เพื่อแบ่งปันการเดินทางของเราในการสร้างแชทบอท AI สำหรับ WordPress กับชุมชน ผู้สร้างในหมู่คุณอาจพบสิ่งที่มีประโยชน์ หรืออาจช่วยคุณในการอธิบายวิธีการทำงานของแชทบอท AI ภายใต้ประทุน

เราหวังว่าคุณจะทดลองใช้ Hyve และสนุกกับการใช้มันมากเท่ากับที่เราสนุกกับการสร้างมันขึ้นมา หากคุณประสบปัญหาในการดาวน์โหลด/ติดตั้ง Hyve หรือมีคำถามใดๆ เกี่ยวกับเรา โปรดแสดงความคิดเห็นด้านล่าง และอีกครั้ง คุณสามารถดาวน์โหลด Hyve v1.0.3 ได้โดยคลิกลิงก์ที่นี่ และหากต้องการตรวจสอบเวอร์ชันล่าสุด สามารถดูได้ที่หน้าผลิตภัณฑ์ของ Hyve