目录
一、背景
二、富文本编辑器的选型
-
编辑器的选择
-
TinyMce编辑器模式的选择
三、系统总览
-
知识创建链路
-
知识采编
-
应用场景
四、问题和解决方案
-
解决图片迁移问题
-
解决加载大量图片带来的页面卡顿问题
-
模板缩略图
-
全局查找/替换
五、总结
一
背景
客服知识库是一个集中管理和存储与客服相关的信息和资源的系统,在自研知识库上线之前,得物采用的承接工具为第三方知识库系统。伴随着业务的发展,知识的维护体量、下游系统的使用面临的问题愈发明显,而当前的第三方采购系统,已经较难满足内部系统间高效协作的诉求,基于以上业务诉求,我们自研了一套客服知识库。
二
富文本编辑器的选型
以下是经过调研后列出的多款富文本编辑器综合对比情况:
编辑器的选择
-
自研知识库要求富文本编辑器具备表格的编辑能力,由于Quill不支持表格编辑能力(借助表格插件可以实现该能力,但经过实际验证,插件提供的表格编辑能力不够丰富,使用体验也较差),被首先被排除。
-
wangEditor体验过程中发现标题和列表(有序、无序)列表两个功能互斥,体验不太好,而这两个功能都是自研知识库刚需功能,也被排除。
-
Lexical是facebook推出的一款编辑器,虽功能很丰富,但相较于CKEditor和TinyMCE,文档不够完善,社区活跃性较低,插件不成熟,故优先选择CKEditor和TinyMCE。
CKEditor和TinyMCE经过对比,由于当前正在使用的第三方知识库采用的是TinyMCE编辑器,选择TinyMC在格式兼容上会更友好,对新老知识库的迁移上更有利。且TinyMCE在功能丰富度上略占优势,故最终选择TinyMCE作为本系统文档知识库的编辑器。
TinyMce编辑器模式的选择
经典模式(默认模式)
基于表单,使用表单某字段填充内容,编辑器始终作为表单的一部分。内部采用了iframe沙箱隔离,将编辑内容与页面进行隔离。
※优势
样式隔离好。
※ 劣势
由于使用iframe,性能会差点,尤其对于多实例编辑器。
内联模式(沉浸模式)
将编辑视图与阅读视图合二为一,当其被点击后,元素才会被编辑器替换。而不是编辑器始终可见,不能作为表单项使用。内容会从它嵌入的页面继承CSS样式表。
※优势
性能相对较好,页面的编辑视图与阅读视图合二为一,提供了无缝的体验,实现了真正的所见即所得。
※ 劣势
样式容易受到页面样式的影响。
三
系统总览
知识创建链路
知识采编
结构化段落
为了对知识文档做更细颗粒度的解析,客服知识库采用了结构化段落的设计思想,每个段落都会有一个唯一标志,且支持对文档的每个段落单独设置标签,这样在后期的知识检索、分类时,便可以精确定位到知识文档的具体段落,如下图所示。
知识文档编辑页面
应用场景
客服知识库的主要应用场景如下:
知识检索
基于传统的ES检索能力,用于知识库的检索,检索要使用的知识,且可以直接在工作台打开对应的知识并浏览,并可以定位、滚动到具体的知识段落。同时还会高亮显示知识文档中匹配到的搜索关键字。
智能问答(基于大模型能力和知识库底层数据的训练)
※ RAG出话
辅助客服了解用户的真实意图,可用于客服作业时的参考。
原理阐述:RAG是一种结合了检索和生成技术的人工智能系统。它是大型语言模型的一种,但特别强调检索和生成的结合。RAG的最主要的工作流程包括:
- 检索阶段:系统会根据用户的查询,从客服知识库中检索出相关信息。这些信息可能包括知识库内容、订单信息和商品信息等。
- 生成阶段:RAG使用检索到的信息来增强其生成过程。这意味着,生成模型在生成文本时,会考虑到检索到的相关信息,以生成更准确、更相关的回答。你可以直接将搜索到的内容返回给用户也可以通过LLM模型结合后生成给用户。
※ 答案推荐
可以根据用户搜索内容、上下文场景(如订单信息、商品信息)辅助客服更高效的获取答案。
流程示意:
※ 联网搜索
当RAG出话由于拒识没有结果时,便…