Prompt, baza wiedzy czy integracja? Gdzie umieścić wiedzę agenta AI
Modele mają dziś ogromne okna kontekstu, więc najprościej byłoby wkleić do instrukcji agenta cały regulamin, cennik i FAQ. Działa to na demo i przestaje działać na produkcji. Pokazujemy, gdzie powinna trafić każda informacja, jak przygotować dokumenty pod RAG i jak opisać narzędzia, żeby agent ich używał.
W skrócie
- Prompt (instrukcje agenta) to regulamin pracy: rola, zakres, ton, kolejność zbierania danych, reguły decyzyjne, eskalacja i opis narzędzi. Obowiązuje w każdej rozmowie.
- Baza wiedzy (RAG) to podręcznik: procedury, FAQ, regulaminy, cenniki, opisy produktów. Agent pobiera z niej tylko fragmenty potrzebne do bieżącego pytania.
- Narzędzie (integracja) to dostęp do systemu na żywo: status zamówienia, wolne terminy, stan magazynu, założenie zgłoszenia. Wszystko, co zmienia się co minutę albo dotyczy konkretnego klienta.
- Zasada kciuka: sposób działania → prompt, fakt potrzebny w części rozmów → baza wiedzy, dana zmienna lub osobista → narzędzie. Godziny otwarcia to baza wiedzy, „czy jutro o 10:00 jest wolny termin?” to narzędzie.
- Wszystko w prompcie oznacza wyższy koszt każdej tury, wolniejszy voicebot i reguły, które giną wśród faktów.
- O trafności RAG decyduje forma dokumentów: jeden temat na dokument, pełne zdania zamiast haseł, metadane z objawami opisanymi słowami klienta.
Gdzie umieścić wiedzę agenta AI: w prompcie, w bazie wiedzy czy w narzędziu?
Każda informacja trafia tam, gdzie pasuje jej charakter: zasady do promptu, fakty do bazy wiedzy, dane na żywo do narzędzi. Teoretycznie niemal wszystko da się wkleić do instrukcji agenta. W praktyce to jedna z najdroższych pomyłek przy wdrożeniu.
| Prompt (instrukcje agenta) | Baza wiedzy (RAG) | Narzędzie (integracja) | |
|---|---|---|---|
| Co tu trafia | Rola, zakres, ton, zasady zbierania danych, reguły decyzyjne, eskalacja, zakazy, opis narzędzi | Procedury, FAQ, regulaminy, cenniki, opisy produktów, instrukcje | Statusy, terminy, stany magazynowe, dane klienta, zakładanie zgłoszeń i leadów |
| Jak często się zmienia | Rzadko | Tygodnie, miesiące | Co minutę |
| Kto utrzymuje | Właściciel agenta | Właściciel procesów i wiedzy | IT, integrator albo Copilot narzędzi |
| Analogia | Regulamin pracy i charakter | Podręcznik na biurku | Telefon do działu, który wie |
Ten podział rozdziela też odpowiedzialność. Zmianę cennika wgrywa osoba od oferty, a nie właściciel konfiguracji agenta. Nowy endpoint w systemie rezerwacji to praca dla IT, a nie przepisywanie instrukcji.
Dlaczego nie wkleić wszystkiego do promptu?
Bo długi prompt podnosi koszt, spowalnia odpowiedzi i osłabia reguły. Konkretnie:
- Koszt rośnie z każdą turą. Model przetwarza instrukcje od nowa przy każdej wiadomości. Rozmowa z dwudziestoma wymianami to dwadzieścia razy cały regulamin.
- Voicebot reaguje wolniej. W rozmowie telefonicznej dłuższy kontekst to dłuższa cisza przed odpowiedzią. Klient słyszy ją od razu.
- Reguły giną wśród faktów. Model traktuje tekst równo. Zasada „nie podawaj danych zamówienia bez weryfikacji” przegrywa z trzecią stroną cennika.
- Każda zmiana cennika to zmiana agenta. Zamiast podmienić plik, edytujesz instrukcje i ryzykujesz, że przy okazji zepsujesz coś innego.
- Trudny audyt. Przy reklamacji „co agent mi powiedział” chcesz wiedzieć, z którego dokumentu i w jakiej wersji pochodziła odpowiedź.
Co to jest RAG w chatbocie?
RAG (Retrieval-Augmented Generation) to mechanizm, w którym przy każdym pytaniu system wyszukuje w bazie wiedzy najbardziej trafne fragmenty dokumentów, a model buduje odpowiedź na ich podstawie. Model nie „czyta” całej bazy. Dostaje kilka fragmentów.
Proces wygląda tak:
- System wyciąga z dokumentów czysty tekst i dzieli go na fragmenty.
- Klient pyta: „Kupiłam buty tydzień temu, są za małe, co mogę zrobić?”.
- Wyszukiwanie semantyczne porównuje sens pytania z sensem fragmentów, nie tylko słowa kluczowe.
- Do modelu trafia kilka najlepszych fragmentów, np. z „Procedury zwrotu towaru”.
- Agent odpowiada na ich podstawie, w języku i tonie z instrukcji.
Wniosek praktyczny: to, jak napiszesz dokumenty, decyduje o tym, które fragmenty trafią do modelu. Najlepszy model nie odpowie trafnie na podstawie chaotycznego archiwum. Odpowie dobrze na podstawie kilkudziesięciu porządnie napisanych dokumentów.
W X-TALK źródłem wiedzy mogą być pliki (PDF, DOCX, TXT, CSV, arkusze, HTML, Markdown), strony www (pojedyncze adresy albo przejście całej witryny), biblioteki SharePoint, krótkie teksty wpisane w panelu („w tym tygodniu infolinia działa do 15:00”) i obrazy z dokumentów, które agent może pokazać w odpowiedzi. Dane zmienne podłączasz przez integracje, nie jako plik.
Jak przygotować dokumenty do bazy wiedzy?
Dziel wiedzę per problem, nie per dział, i pisz pełnymi zdaniami. Jeden 200-stronicowy PDF „Wszystko o obsłudze klienta” to najgorszy wariant. Wyszukiwanie zwraca fragmenty z różnych tematów, model dostaje szum, a aktualizacja jednej procedury wymaga edycji całego pliku.
Lepiej działa zestaw krótkich dokumentów, po 1–3 strony, każdy o jednym temacie:
- e-commerce: „Procedura zwrotu towaru”, „Reklamacja: uszkodzenie w transporcie”, „Zmiana adresu dostawy”;
- przychodnia: „Przygotowanie do badania krwi”, „Odwołanie i zmiana wizyty”, „Skierowania: kiedy są potrzebne”;
- service desk: „Problem z logowaniem do konta”, „Brak dostępu do VPN”, „Zamówienie nowego sprzętu”;
- rezerwacje: „Zasady anulowania rezerwacji”, „Co zabrać na pierwszą lekcję”, „Wypożyczenie sprzętu”.
Porzuć styl „hasło → odpowiedź”
Starsze chatboty i IVR dopasowywały słowa kluczowe, więc wiedza powstawała w formie telegraficznych par „H: zwrot / O: 14 dni”. Wyszukiwanie semantyczne potrzebuje kontekstu. Samo „zwrot” może oznaczać zwrot towaru, pieniędzy, podatku albo paczki.
Jeśli migrujesz ze starego systemu, nie przenoś haseł 1:1. Zgrupuj 20 haseł o zwrotach, reklamacjach i wymianie w 3–4 pełne dokumenty z opisem problemu, warunkami, krokami i wyjątkami. Wtedy „buty za małe” trafia w „zły rozmiar”, a ten w „zwrot towaru”.
Pisz sekcje, które bronią się same
Wyszukiwarka może zwrócić tylko jeden fragment. Dlatego każda sekcja ## w dokumencie ma być zrozumiała bez reszty: powtarzaj kontekst („w sklepie X zwrot jest możliwy…”), używaj krótkich akapitów, list i konkretnych liczb. Ceny, godziny i kontakty trzymaj w jednym dokumencie, łatwym do aktualizacji. Skany bez warstwy tekstowej zastąp wersją tekstową.
Jakie metadane dodać do dokumentów w bazie wiedzy?
Najwięcej dają keywords, symptoms i summary, a w procedurach także required_questions. Dokumenty Markdown w X-TALK mogą zaczynać się od nagłówka YAML (front matter). Silnik wiedzy wykorzystuje go do wzmacniania wyników: dokument, którego słowa kluczowe lub objawy pasują do pytania, dostaje wyższą ocenę.
---
procedure_id: PROC-014
priority: HIGH
category: KONTO/LOGOWANIE
summary: Co zrobić, gdy klient nie może się zalogować
keywords: [hasło, logowanie, login, dostęp, konto zablokowane]
symptoms: [nie mogę się zalogować, nie pamiętam hasła, konto zablokowane]
stt_hints: [PIN, token, Authenticator]
required_questions:
- Na jaki adres e-mail jest założone konto?
- Czy widzisz komunikat o zablokowaniu konta?
---
| Pole | Do czego służy | Przykład |
|---|---|---|
keywords |
Słowa kluczowe i synonimy, także potoczne i w innych językach | „paczka, przesyłka, kurier” |
symptoms |
Objawy opisane słowami klienta, mocny sygnał dopasowania | „nie przyszedł SMS z kodem” |
priority |
CRITICAL, HIGH, NORMAL, LOW; premiuje procedury krytyczne |
awaria, bezpieczeństwo |
category, tags |
Porządek w bazie, filtrowanie, analiza | „ZAMÓWIENIA/ZWROTY” |
summary |
Krótki opis dokumentu, lepsze dopasowanie i podgląd | „Jak zwrócić towar w 14 dni” |
required_questions |
Pytania, które agent musi zadać przed poprowadzeniem procedury | „Jaki jest numer seryjny?” |
stt_hints |
Nazwy i skróty, które agent ma dobrze usłyszeć w rozmowie głosowej | „VPN, PESEL, Paczkomat” |
required_questions przesuwa część reguł z promptu do wiedzy. Zasada „najpierw zapytaj o numer seryjny, potem diagnozuj” nie musi już siedzieć w instrukcjach. Żyje w samej procedurze, więc prompt zostaje krótki, a każda procedura niesie własne wymagania. Szczegóły i pełny wzór dokumentu znajdziesz w playbooku, w rozdziale Jak przygotować bazę wiedzy.
Kiedy agent AI potrzebuje narzędzia zamiast bazy wiedzy?
Zawsze, gdy odpowiedź zależy od stanu systemu w danej chwili albo od konkretnego klienta. Plik z listą wolnych terminów zdezaktualizuje się, zanim agent go przeczyta. Mechanizm tool calling pozwala agentowi w trakcie rozmowy odpytać system i zapisać w nim wynik.
| Branża | Baza wiedzy (fakt) | Narzędzie (dana na żywo) |
|---|---|---|
| E-commerce | Polityka zwrotów, czas dostawy, tabela rozmiarów | Status zamówienia z weryfikacją klienta, numer przesyłki, dostępność produktu |
| Przychodnia | Przygotowanie do badań, lista specjalizacji, zasady odwoływania wizyt | Wolne terminy, rezerwacja, odwołanie wizyty |
| Service desk | Procedury krok po kroku, instrukcje konfiguracji | Założenie zgłoszenia, status zgłoszenia |
| Rezerwacje | Cennik lekcji, co zabrać, regulamin | Dostępność instruktorów, rezerwacja terminu |
W X-TALK masz trzy drogi do narzędzi: katalog gotowych integracji (m.in. HubSpot, Pipedrive, Zendesk, Freshdesk, ServiceNow, Shopify, PrestaShop, WooCommerce, InPost, Cal.com), narzędzia własne budowane przez Copilota dla dowolnego systemu z API oraz REST API i MCP w drugą stronę. Pełną listę zobaczysz na stronie Integracje, a o budowie narzędzi z opisu przeczytasz w sekcji Narzędzia własne.
Dobre narzędzie robi jedną czynność („sprawdź status zamówienia”, a nie „obsłuż zamówienie”). Zwraca krótkie pola gotowe do wypowiedzenia i jasny komunikat błędu. Przed danymi osobowymi wymaga weryfikacji, np. e-maila i kodu pocztowego. W kanale głosowym liczy się też szybkość API, bo każde wywołanie to chwila ciszy.
Jak opisać narzędzia w instrukcji agenta?
Dla każdego narzędzia zapisz w prompcie cztery rzeczy: kiedy je wywołać, jakich danych wymaga, jak przedstawić wynik i co zrobić przy błędzie. Brak takiego opisu to najczęstsza luka w instrukcjach. Agent ma narzędzie, ale nie wie, kiedy po nie sięgnąć.
Przykład dla sklepu:
# Zamówienia
Do sprawdzenia zamówienia potrzebujesz numeru zamówienia lub e-maila
oraz kodu pocztowego. Bez weryfikacji nie podawaj szczegółów.
Użyj get_order_status. Podaj status, przewidywaną dostawę i numer
przesyłki. Jeśli narzędzie zwróci błąd, powiedz to wprost i zaproponuj
zgłoszenie, nie zgaduj statusu.
Zwróć uwagę na dwie rzeczy. Reguła ma powód („bez weryfikacji nie podawaj szczegółów”), więc model stosuje ją rozsądnie. Opis błędu chroni przed zmyślaniem statusu.
W przychodni analogiczny fragment mówi: zbierz specjalizację, preferowany termin i informację, czy to pierwsza wizyta, dopiero potem sprawdź wolne terminy. W szkole narciarskiej: zapytaj o dyscyplinę, poziom, dzień i liczbę osób jednym pytaniem, rezerwuj dopiero z kompletem danych.
Sama definicja narzędzia też kieruje zachowaniem. Parametr oznaczony jako wymagany sprawia, że agent nie wywoła narzędzia, dopóki go nie zbierze. Opis parametru językiem klienta („wpłata własna w procentach, np. 10”) i słownik wartości („snowboard” → discipline_id=2) ograniczają pomyłki. Szczegóły, wzorce opisów i checklistę integracji znajdziesz w playbooku, w rozdziale Narzędzia i integracje.
Jakie wyjątki od zasady warto znać?
Niektóre fakty warto mieć w prompcie, mimo że są „wiedzą”. Chodzi o trzy grupy:
- krytyczne fakty potrzebne niemal w każdej rozmowie: nazwa firmy, główny numer kontaktowy, najważniejsze godziny pracy;
- krótkie słowniki, od których zależy poprawne użycie narzędzi: lista obsługiwanych miast, rodzajów wizyt czy dyscyplin;
- opis narzędzi i ich parametrów: kiedy wywołać, czego wymaga, jak interpretować wynik.
Działa to też odwrotnie. Procedura z polem required_questions sama pilnuje, o co agent musi zapytać, choć to reguła, a nie fakt.
Jak podzielić wiedzę między kilku agentów?
Każdy agent powinien widzieć minimalny, ale wystarczający zbiór wiedzy. W X-TALK wiedzę dzieli się na kolekcje, np. „Oferta”, „Reklamacje”, „Procedury IT”, i przypisuje każdą jednemu, kilku albo wszystkim agentom.
- Wiedza współdzielona: informacje o firmie, regulaminy, dane kontaktowe, godziny, lokalizacje.
- Wiedza dedykowana: katalog dla agenta sprzedaży, procedury reklamacji dla obsługi posprzedażowej, procedury IT i HR dla asystenta pracowników, szablony odpowiedzi dla Mailbota.
Mniejszy, spójny zbiór dokumentów to mniej konkurujących fragmentów przy wyszukiwaniu. Agent rzadziej miesza procedury dwóch działów.
Jest też powód bezpieczeństwa. Agent na stronie www czy na infolinii rozmawia z każdym, a wszystko w jego kolekcjach może trafić do odpowiedzi. Marże, procedury wewnętrzne i notatki z negocjacji trzymaj w kolekcjach przypisanych tylko do agentów wewnętrznych. Blok bezpieczeństwa w prompcie chroni instrukcje, ale najlepsza ochrona wiedzy to jej brak w agencie publicznym. Więcej o zasadach ochrony danych na stronie Bezpieczeństwo.
Jak sprawdzić, czy wiedza jest w dobrym miejscu?
Testami na prawdziwych pytaniach i przeglądem pytań bez odpowiedzi. W panelu X-TALK zadajesz agentowi pytanie testowe i widzisz odpowiedź oraz użyte źródła. Testy Q&A to zestaw pytań z oczekiwanymi odpowiedziami, uruchamiany po każdej zmianie wiedzy lub instrukcji. Hotspoty dają listę pytań, na które agent nie znał odpowiedzi, a stan zdrowia bazy pokazuje niedostępne źródła i dokumenty, z których nikt nie korzysta.
Copilot agenta pilnuje podziału przy zmianach. Gdy dodajesz narzędzie, dopisuje do instrukcji, kiedy go użyć i jak czytać wynik. Zmiana trafia do szkicu, przechodzi testy, a dopiero potem widzą ją klienci.
Lista kontrolna przed startem
- Prompt zawiera rolę, zakres, ton, reguły decyzyjne i warunki przekazania do człowieka, bez cenników i regulaminów.
- Każde narzędzie ma w instrukcji opis: kiedy wywołać, czego wymaga, jak podać wynik, co przy błędzie.
- Duże dokumenty rozbite per problem, po 1–3 strony, bez duplikatów i starych wersji.
- Najważniejsze procedury mają
keywords,symptomsisummary, a te wymagające danych od klienta:required_questions. - Statusy, terminy i stany magazynowe podłączone przez narzędzia, nie wgrane jako pliki.
- Kolekcje przypisane do agentów, wiedza wewnętrzna niedostępna dla agentów publicznych.
- Testy Q&A na 20–50 prawdziwych pytaniach klientów przechodzą.
- Ustalona osoba odpowiedzialna za wiedzę i rytm przeglądu hotspotów.
Najczęstsze pytania
Czy duże okno kontekstu nie rozwiązuje problemu?
Nie. Model z dużym oknem zmieści cały regulamin, ale przetwarza go przy każdej wiadomości, więc płacisz za to w każdej turze. W rozmowie głosowej wydłuża się też czas reakcji, a reguły tracą wagę wśród faktów.
Czy cennik trzymać w bazie wiedzy, czy w narzędziu?
Stały cennik, zmieniany co kilka tygodni, trzymaj w bazie wiedzy, w jednym dokumencie łatwym do aktualizacji. Jeśli cena zależy od dostępności, promocji w danej chwili albo konkretnego klienta, pobieraj ją narzędziem. Kalkulacje, np. raty leasingu, zawsze licz narzędziem, nie „z głowy” modelu.
Ile dokumentów potrzeba na start?
Liczy się jakość, nie liczba. Kilkadziesiąt dobrze napisanych dokumentów, po jednym temacie każdy, działa lepiej niż archiwum z wieloma wersjami tego samego regulaminu. Zacznij od tematów, o które klienci pytają najczęściej, i uzupełniaj braki na podstawie hotspotów.
Czy mogę wgrać stare FAQ z chatbota albo IVR?
Możesz, ale najpierw je przepisz. Pary „hasło → odpowiedź” słabo działają w wyszukiwaniu semantycznym, bo brakuje im kontekstu. Zgrupuj powiązane hasła w pełne dokumenty z opisem problemu, warunkami, krokami i wyjątkami.
Skąd wiem, z jakiego źródła agent odpowiedział?
W rozmowie testowej w panelu widzisz odpowiedź i użyte źródła. Chat wewnętrzny dla pracowników wskazuje dokument i fragment przy każdej odpowiedzi. W planie Dedykowanym debugger rozmowy pokazuje, jakie źródła i narzędzia wpłynęły na odpowiedź.
Chcesz sprawdzić ten podział na własnej wiedzy? Zbuduj agenta z Copilotem: kreator przygotuje instrukcje, a Ty dodasz dokumenty i narzędzia. Przy większym wdrożeniu z integracjami umów PoC. Pełne omówienie tematu znajdziesz w rozdziale playbooka Prompt, baza wiedzy czy narzędzie.