Create Website Chatbot from Tabular Data using VectorShift AI Agent


  • วิดีโอนี้สอนการสร้างแชทบอทโดยใช้ Vector Shift ทำให้ผู้ใช้สามารถอัปโหลดเอกสารและใช้ฐานความรู้สำหรับแชทบอท
  • แชทบอทใช้เอเจ้นต์การจำแนกประสบการณ์ในการจัดการคำถามจากผู้ใช้ และสร้างคำตอบโดยใช้โมเดลภาษาเช่น GPT 3.5 turbo
  • การทดสอบ pipe-line ของแชทบอทเกี่ยวข้องกับการถามคำถามเฉพาะเพื่อสร้างคำตอบอย่างถูกต้อง
  • กระบวนการรวมถึงการสร้าง pipe-line, การจำแนกประเภทคำถามของผู้ใช้, การกระทำกับโมเดลภาษา, และประมวลผลข้อมูลจากไฟล์ CSV และฐานความรู้เพื่อคำตอบที่แม่นยำ
  • การเปิดใช้งานเกี่ยวข้องกับการทำการเปลี่ยนแปลง, การเปิดใช้งาน pipe-line, การเปิดใช้งานแชทบอท, การให้ข้อมูล, และปรับแต่งความสามารถตามต้องการ
  • แชทบอทสามารถเผยแพร่บนเว็บไซต์โดยฝังรหัส และสามารถใช้งานร่วมกับแหล่งข้อมูลต่าง ๆ เช่น Airtable, Google Docs, และ Google Sheets

การกระบวนการนี้เสริมสร้างปฏิสัมพันธ์กับผู้ใช้และให้คำตอบอย่างตอบสนองผ่านการผสานรวมกับแชทบอทของ Vector Shift ให้โอกาสตอบโต้อิสระ

# Vector Shift CSV Chatbot

This is amazing. Now we are going to see Vector shift CSV chatbot. In this, we are going to create a chatbot where you can ask a question like “What is the price of Ford Focus 2018?” and then click Send. The chatbot is going to read the CSV, which contains information about Ford Focus, with the price being $14,000. It will retrieve the information and respond to the user. This is how you can create and publish such a chatbot on your website.

Introduction to Vector Shift CSV Chatbot

Hi everyone! I’m really excited to show you about Vector shift CSV chatbot. When a user asks a question to the chatbot, it will utilize information from the CSV to respond accordingly. If the user asks a question that is not in the CSV data, the chatbot will use a knowledge base to find relevant information and provide an answer.

Creating the Chatbot

Let’s take an example of the Ford Company chatbot. If the user asks about the price of Ford Focus, the chatbot will respond by reading from the CSV. However, if the user asks about “Ford as a company,” the chatbot will use the knowledge base to respond accordingly.

Uploading Data and Setting Up the Pipeline

In Vector Panel, the first step is to upload data, such as a CSV file with pricing information. Then, set up a knowledge base with the necessary data. Next, create a pipeline to structure the chatbot’s workflow. Finally, publish the chatbot on your website.

Step-By-Step Guide to Creating the Chatbot

To begin, upload the CSV file with pricing information in the storage section of your dashboard. Then, create a knowledge base by going to the knowledge bases section and setting up the required information. Proceed to create a pipeline that will organize the chatbot’s responses. Once everything is set up, publish the chatbot on your website.

I regularly create videos about Artificial Intelligence on my YouTube channel, so don’t forget to subscribe and click the bell icon to stay updated. If you find this video helpful, please like and share it with others. Special thanks to Vector Shift for sponsoring this content.

About Vector Shift Platform

Vector Shift is a no-code AI automation platform that allows you to build pipelines, automate workflows, integrate with various tools, and publish on your website. If you’re new to Vector Shift, I have covered the basics in a previous video (link in the description). You can start for free and upgrade later. Use code “mvinprais” for a 20% discount.

Creating a CSV Chatbot using Vector Shift

By following these steps, you can create your own CSV chatbot using Vector Shift efficiently.

To start, navigate to the default settings. After entering the knowledge base, click “Add Documents.” You can use a URL link, such as a Wikipedia page about Ford company, as a knowledge base. Upload various file types including PDF files. Once the document is added, the data is divided into chunks and converted to embeddings in the background by Vector Shift. You will see the chunks of data extracted from the document.

Next, proceed to create a pipeline to make the user interact with the chatbot. In the dashboard, access the pipeline section. You can create a new pipeline from scratch or choose a template. Provide the necessary input, including asking a question to the chatbot. The question is then sent to the designated language model, in this case, GPD 3.5 turbo.

Following the input question, an expert classification agent for Ford is used to determine whether the query is related to pricing or general information about the company. Depending on the classification, the question may be directed to the CSV file. Instead of a direct path to the CSV, an additional request is sent to a language model to convert the query into a SQL instruction. The database is a Postgres SQL, where the CSV file is converted and loaded automatically upon file selection.

Based on the SQL query, the final output is generated after the query is executed. The resulting information is merged and delivered as output to the user.

Handling Different User Queries

When the user asks a question about the company instead of pricing, a different route is followed. The data is loaded from a knowledge base, in this case, the Wikipedia URL, which contains 116 chunks of information. This data is then passed to a large language model to generate a response.

In this scenario, three key inputs are provided to the language model: the question, the context from the knowledge reader, and the chat memory containing the history of the previous chats. The large language model generates a response based on the information provided, and the output is then merged and presented to the user.

In summary, a large language model is utilized at each stage to process the requests. The model determines the path to follow, whether it involves the CSV file or the knowledge base. The language models present in the CSV and knowledge base extract the data and provide the final output to the user.

Testing the Chatbot Pipeline

With the pipeline set up, testing can be done by clicking the play button. By asking questions within the specified context, such as inquiring about the price of a Ford Focus 2018 model, the chatbot generates responses accordingly.

Overall, the process involves creating pipelines, classifying user queries, interacting with language models, and processing data from both CSV files and knowledge bases to provide accurate responses to user inquiries.

2018 is 14,000 that is correct which you can see from this table if you get any errors in this area make sure you go to the upload file section and then re-upload the file directly from here. Now we are ready to deploy so let’s click at the top deploy changes and pipeline deployed. Next, we are going to click the deploy ass as chatbot and provide the relevant information such as the name and the description then click save. You can modify the functionality as per your requirement and finally you can export. You can click open chat bot and it’ll be opened as an interface. You can even ask questions directly from here – “what is the price of for Focus 2018” and you will get a response like this. Similarly, to publish this on the website just copy this embed code. In my case, I’m going to use my WordPress website, go to appearance and editor, there I’m going to click templates and then page with sidebar and click after then add the embedding code there next save and going to view the page. Now I can see the chatboard on my right-hand side. I can ask questions directly here – “what is the price of Ford Focus 2018” and you got the response here. This is exciting now you are able to create a chatbot and publish it on your website with your CSV data like this. You can even integrate that with multiple different data source providers such as Airtable, Google Docs, Google Drive, Google Sheets, and much more. This will take your application to the next level. I’m going to create more videos similar to this so stay tuned. I hope you like this video, do like, share and subscribe and thanks for watching.

แชตบอท CSV โดยใช้ Vector Shift

นี่น่านึงมาก! ตอนนี้เรากำลังจะดูแชตบอท CSV โดยใช้ Vector Shift ในส่วนนี้ เราจะสร้างแชตบอทที่คุณสามารถถามคำถามว่า “ราคาของ Ford Focus ปี 2018 คือเท่าไหร่?” แล้วคลิกส่ง แชตบอทจะอ่าน CSV ซึ่งมีข้อมูลเกี่ยวกับ Ford Focus โดยราคาคือ $14,000 เราจะดึงข้อมูลนั้นและตอบกลับไปยังผู้ใช้ นี่คือวิธีที่คุณสามารถสร้างและเผยแพร่แชตบอทที่เช่นนี้บนเว็บไซต์ของคุณ

การแนะนำเกี่ยวกับแชตบอท CSV Vector Shift

สวัสดีทุกคน! ผมดีใจอย่างยิ่งที่จะแนะนำเกี่ยวกับแชตบอท CSV Vector Shift เมื่อผู้ใช้ถามคำถามแก่แชตบอท เขาจะใช้ข้อมูลจาก CSV ในการตอบตามที่เหมาะสม หากผู้ใช้ถามคำถามที่ไม่มีในข้อมูล CSV แชตบอทจะใช้ฐานความรู้เพื่อหาข้อมูลที่เกี่ยวข้องและให้คำตอบ


มาดูตัวอย่างของแชตบอทของบริษัท Ford ถ้าผู้ใช้ถามเกี่ยวกับราคาของ Ford Focus แชตบอทจะตอบโดยการอ่านจาก CSV อย่างไรก็ตาม หากผู้ใช้ถามเกี่ยวกับ “Ford เป็นบริษัท” แชตบอทจะใช้ฐานความรู้เพื่อตอบตามนั้น

อัปโหลดข้อมูลและกำหนดที่ตั้งบน pipe-line

ในพาเนลของ Vector ขั้นแรกคือการอัปโหลดข้อมูล เช่น ไฟล์ CSV ที่มีข้อมูลราคา จากนั้น กำหนดฐานความรู้ด้วยข้อมูลที่จำเป็น ถัดมาสร้างท่อเพื่อเรียงลำดับกระบวนการทำงานของแชตบอท สุดท้ายเผยแพร่แชตบอทบนเว็บไซต์ของคุณ


เพื่อเริ่มต้น อัปโหลดไฟล์ CSV ที่มีข้อมูลราคาในส่วนที่เก็บข้อมูลของแดชบอร์ดของคุณ จากนั้น สร้างฐานความรู้ไปยังส่วนฐานความรู้และกำหนดข้อมูลที่จำเป็น ไปทำการสร้างท่อที่จะช่วยเรียงลำดับการตอบกลับของแชตบอท หลังจากที่ทุกอย่างกำหนดเสร็จสิ้น ตอบการเผยแพร่แชตบอทบนเว็บไซต์ของคุณ

ฉันสร้างวิดีโอเกี่ยวกับปัญญาประดิษฐ์บนช่อง YouTube อย่าลืมติดตามและคลิกปุ่มกระดิ่นเพื่ออัพเดท หากคุณพบวิดีโอนี้เป็นประโยชน์ โปรดกดไลค์และแชร์กับผู้อื่น ขอขอบคุณ Vector Shift ที่สนับสนุนเนื้อหานี้

เกี่ยวกับแพลตฟอร์ม Vector Shift

Vector Shift เป็นแพลตฟอร์มอัตโนมัติ AI ที่ไม่ต้องเขียนโค้ด ที่ให้คุณสร้างท่องตัวกระทำอัตโนมัติ ผสานงานกับเครื่องมือต่าง ๆ และเผยแพร่บนเว็บไซต์ของคุณ หากคุณใหม่กับ Vector Shift ฉันได้ครอบคลุมเนื้อหาพื้นฐานในวิดีโอก่อนหน้า (ลิ้งก์ในคำอธิบาย) คุณสามารถเริ่มต้นใช้งานฟรีและอัปเกรดภายหลัง ใช้โค้ด “mvinprais” เพื่อรับส่วนลด 20%

การสร้างแชตบอท CSV โดยใช้ Vector Shift

โดยการปฏิบัติตามขั้นตอนเหล่านี้ คุณสามารถสร้างแชตบอท CSV ของตนเองโดยใช้ Vector Shift อย่างมีประสิทธิภาพ

เพื่อเริ่มต้น ไปที่การตั้งค่าเริ่มต้น หลังจากป้อนฐานความรู้คลิก “เพิ่มเอกสาร” คุณสามารถใช้ลิงก์ URL เช่นเพจวิกิพีเดียเกี่ยวกับบริษัท Ford เป็นฐานความรู้ อัปโหลดไฟล์ข้อมูลที่หลากหลายรวมถึงไฟล์ PDF หลังจากเพิ่มเอกสารเสร็จ ข้อมูลจะถูกแบ่งเป็นชิ้นย่อยและแปลงเป็นการซ่อนลักษณะหลักของ Vector Shift ด้วย คุณจะเห็นชิ้นงานข้อมูลที่ถูกดึงมาจากเอกสาร

ต่อมา ไปทำการสร้างท่อเพื่อให้ผู้ใช้สามารถโต้ตอบกับแชตบอท ในแดชบอร์ด ไปที่ส่วนท่อ คุณสามารถสร้างท่อใหม่จากศูนย์หรือเลือกเทมเพลท ใส่ข้อมูลที่จำเป็นได้พร้อมด้วยการถามคำถามแก่แชตบอท เมื่อตอบคำถามแล้ว ตัวแจ้งการจำแนกผู้เชี่ยวชาญสำหรับ Ford จะถูกใช้เพื่อกำลังการสอบถามว่าคำถามนั้นเกี่ยวกับราคาหรือข้อมูลทั่วไปเกี่ยวกับบริษัท ขึ้นอยู่กับการจำแนกประเภทคำถาม คำถามอาจถูกส่งไปยังไฟล์ CSV แทนทางตรง มีการส่งคำขอเพิ่มเติมไปยังตัวแบบภาษาเพื่อแปลงคำถามเป็นคำสั่ง SQL ฐานข้อมูลเป็น Postgres SQL ที่ไฟล์ CSV ถูกแปลงและโหลดโดยอัตโนมัติเมื่อถูกเลือกไฟล์

โดยขึ้นอยู่กับคำสั่ง SQL ผลลัพธ์สุดท้ายถูกสร้างขึ้นหลังจากทำการคำถาม เนื้อหาที่ได้จากการคำถามถูกรวมกันและส่งให้ผู้ใช้

การจัดการการสอบถามของผู้ใช้แบบต่าง ๆ

เมื่อผู้ใช้ถามคำถามเกี่ยวกับ บริษัท แทนที่จะถามเกี่ยวกับราคา จะมีการทำเส้นทางที่แตกต่างกัน ข้อมูลจะถูกโหลดจากฐานความรู้ ในกรณีนี้คือ URL ของ Wikipedia ซึ่งประกอบไปด้วยข้อมูลขนาด 116 ชิ้น จากนั้นข้อมูลนี้จะถูกส่งให้กับโมเดลภาษาขนาดใหญ่เพื่อสร้างการตอบสนอง

ในสถานการณ์นี้ มีการให้ข้อมูลส่วนสำคัญสามอย่างให้กับโมเดลภาษา คือ คำถาม บริบทจากผู้อ่านข้อมูลและความจำของแชทที่มีประวัติการสนทนาก่อนหน้านี้ โมเดลภาษาขนาดใหญ่จะสร้างการตอบสนองขึ้นอยู่กับข้อมูลที่ให้ไว้ และผลลัพธ์จะถูกผสานและนำเสนอให้กับผู้ใช้

๛๛ โมเดลภาษาขนาดใหญ่ถูกใช้งานในแต่ละขั้นตอนเพื่อประมวลผลคำขอ โมเดลกำหนดเส้นทางที่จะเดินตามว่ามีการใช้งานไฟล์ CSV หรือฐานความรู้ โมเดลภาษาที่มีอยู่ใน CSV และฐานความรู้ นำข้อมูลออกมาและให้ผลลัพธ์สุดท้ายกับผู้ใช้

ทดสอบสายการสนทนาของ Chatbot

เมื่อมีระบบที่กำหนดให้พร้อมแล้ว การทดสอบสามารถทำได้โดยการคลิกที่ปุ่มเล่น โดยการถามคำถามภายในบริบทที่ระบุไว้ เช่น การสอบถามเกี่ยวกับราคาของรถ Ford Focus รุ่น 2018 แชทบอตจะสร้างการตอบสนองตามที่เหมาะสม

โดยรวมกระบวนการเกี่ยวข้องกับการสร้างสายการสนทนา การจำแนกประเภทคำถามของผู้ใช้ การโต้ตอบกับโมเดลภาษา และการประมวลผลข้อมูลจากไฟล์ CSV และฐานความรู้เพื่อให้คำตอบที่แม่นยำสำหรับการสอบถามของผู้ใช้

2018 เป็น 14,000 ซึ่งถูกต้องซึ่งคุณจะเห็นจากตารางนี้หากคุณได้รับข้อผิดพลาดใดๆ ในพื้นที่นี้ ให้แน่ใจว่าคุณไปที่ส่วนอัพโหลดไฟล์และจากนั้นเลือกอัพโหลดไฟล์โดยตรงจากที่นี่. ตอนนี้เราพร้อมที่จะฝากปรับปรุงดังนั้นเราคลิกที่ด้านบนปรับปรุงและจุดปรับปรุง ต่อไปเรากำลังจะคลิกที่ปุ่มปรับปรุงในฐานข้อมูลแชทและให้ข้อมูลที่เกี่ยวข้อง เช่นชื่อและคำอธิบาย จากนั้นคลิกเซฟ คุณสามารถแก้ไขฟังก์ชันตามความต้องการของคุณและสุดท้ายคุณสามารถส่งออก. คุณสามารถคลิกที่แชทบอตเพื่อเปิดในรูป. คุณสามารถสอบถามโดยตรงจากที่นี่ – “ราคา Ford Focus 2018” และคุณจะได้รับการตอบสนองแบบนี้. ในทำนองเดียวกันเพื่อเผยแพร่บนเว็บไซต์เพียงแค่คัดลอกโค้ดฝัง. ในกรณีของฉัน ฉันกำลังใช้เว็บไซต์ WordPress ของฉันไปที่เลือกชมและลงค่าเพิ่มเติม คุณสามารถสามารถทำให้การใช้งานร่วมกับผู้ให้บริการแหล่งข้อมูลหลายแหล่งได้เช่น Airtable, Google Docs, Google Drive, Google Sheets และอื่น ๆ. นี้จะพัฒนาระบบของคุณไปสู่ระดับถัดไป ฉันกำลังจะสร้างวิดีโอเพิ่มเติมที่คล้ายกันกับนี้ดังนั้นอยู่ติดตามไว้ เราหวังว่าคุณจะชอบวิดีโอนี้ กดไลค์ แชร์และติดตามและขอบคุณที่รับชม.