Blog /AI

Attu to potężne narzędzie, które znacznie upraszcza pracę z wektorową bazą danych Milvus. Zamiast pisać kod Python lub używać API, możesz zarządzać kolekcjami, wyszukiwać wektory i monitorować system za pomocą intuicyjnego interfejsu graficznego. Dzięki Attu praca z Milvus staje się dostępna nie tylko dla doświadczonych programistów, ale także dla analityków danych i osób zarządzających projektami AI.

Współczesne intranety firmowe przechowują ogromne ilości dokumentów, procedur, instrukcji i wiedzy organizacyjnej. Tradycyjne wyszukiwanie oparte na słowach kluczowych często zawodzi, gdy użytkownik szuka informacji, używając innych terminów niż te, które występują w dokumentach. Problem: pracownik szuka "jak skonfigurować dostęp do systemu płatności", ale dokument zawiera frazę "konfiguracja integracji płatniczej". Rozwiązanie: RAG (ang. Retrieval-Augmented Generation) z wektorową bazą danych, które umożliwia wyszukiwanie semantyczne. 

Wektorowe bazy danych (ang. Vector Databases) stały się kluczowym elementem nowoczesnych aplikacji AI w Drupalu. Dzięki integracji z modułem AI Search, umożliwiają one semantyczne wyszukiwanie treści, redukcję halucynacji w chatbotach AI oraz implementację zaawansowanych funkcji RAG (ang. Retrieval Augmented Generation). Wybór odpowiedniego dostawcy VDB może znacząco wpłynąć na wydajność, koszty i skalowalność rozwiązania AI w Twoim projekcie na Drupalu.

Twój chatbot AI działa idealnie — wyszukuje odpowiednie dokumenty, ocenia ich jakość i generuje trafne odpowiedzi. Jednak miesięczny rachunek OpenAI wynosi 3000 USD, a analiza logów ujawnia niepokojącą tendencję: 30% zapytań to proste pytania, takie jak „Czym jesteś?” lub „Witaj”, które uruchamiają cały kosztowny proces RAG. Każde „Cześć” kosztuje 0,05 USD i zajmuje 25 sekund, aby przetworzyć pełne wyszukiwanie wektorowe, ocenę dokumentu i generację LLM dla powitania.

Twój zespół marketingowy właśnie opublikował ważną aktualizację zasad. Dwie godziny później użytkownik pyta chatbota AI o nową politykę, a ten z przekonaniem podaje wyjaśnienia ze starej wersji, zupełnie nieświadomy, że coś się zmieniło. Zdezorientowany użytkownik, który właśnie przeczytał na stronie coś innego, zgłasza się do pomocy technicznej z pytaniem, dlaczego chatbot „nie działa”. Twój zespół wyjaśnia, że wymaga on ręcznego indeksowania, a to odbędzie się dopiero w nocy. Zaufanie użytkownika do systemu AI znacznie spada.

Rozpoczynasz nowy projekt RAG i stoisz przed decyzją, która będzie miała wpływ na najbliższe 6–12 miesięcy: skorzystać z frameworka takiego jak LangChain czy budować bezpośrednio z wykorzystaniem API OpenAI? W Internecie można znaleźć sprzeczne porady. W wątkach na X LangChain jest określany jako „przesadny” i „zbyt abstrakcyjny”. W postach blogowych autorzy chwalą jego dojrzałe wzorce i ekosystem. Twój zespół jest podzielony między opcją „działajmy szybko z frameworkiem” a „powinniśmy kontrolować nasz własny kod”?

Zaczyna się tak: użytkownik wpisuje „Jak zresetować hasło?” i czeka… 25 sekund… 30 sekund… po czym rezygnuje i wysyła wiadomość e-mail do pomocy technicznej. Za kulisami chatbot AI ma właściwą odpowiedź, ale jest zbyt wolny, zbyt kosztowny, a użytkownicy odchodzą. Najnowszy rachunek za API? 5000 dolarów, głównie za wielokrotne odpowiadanie na te same kilkanaście pytań.

Twój chatbot oparty na sztucznej inteligencji może odpowiadać szybko, ale czy jego odpowiedzi są poprawne? Wiele organizacji wdrażających chatboty RAG (ang. Retrieval-Augmented Generation) odkrywa frustrującą prawdę: podobieństwo semantyczne nie oznacza trafności. 

Sztuczna inteligencja rewolucjonizuje sposób, w jaki zarządzamy treścią w systemach CMS. Drupal nie pozostaje w tyle i oferuje coraz więcej modułów wykorzystujących AI do automatyzacji procesów redakcyjnych. W tym artykule przedstawię cztery najnowsze rozwiązania AI dla Drupala, które mogą znacząco usprawnić pracę z treścią i zarządzanie projektami. Wpis bazuje na moim filmie z kanału Nowoczesny Drupal. 

Sztuczna inteligencja w systemach zarządzania treścią umożliwia automatyzację procesów publikacyjnych, które wcześniej wymagały ręcznej weryfikacji. Dzięki zastosowaniu odpowiednich modułów w Drupalu możesz skonfigurować system, który automatycznie zatwierdza lub odrzuca treści na podstawie ustalonych kryteriów AI. W artykule przedstawię kompletny przewodnik konfiguracji takiego systemu wraz z praktycznymi przykładami. Zapraszam do przeczytania wpisu lub obejrzenia odcinka z cyklu Nowoczesny Drupal.