Passa al contenuto principale
Generazione aumentata dal recupero

RAG Chatbot per
Sito web e documentazione

Un chatbot RAG per siti web, documentazione e centri assistenza che recupera i tuoi contenuti per formulare le risposte. ChattyBox è progettato per rispondere a domande come «Cosa include il piano Pro?» usando le tue pagine pubblicate e può fornire collegamenti alle fonti, senza dover creare o ospitare un’infrastruttura di recupero personalizzata.

Cos'è RAG?

RAG combina un modello linguistico con contenuti recuperati dalle fonti. Prima di generare una risposta, il chatbot cerca nelle tue pagine pubblicate passaggi pertinenti alla domanda.

Se la priorità è la fiducia nelle risposte, abbina questo workflow di retrieval a un chatbot IA basato sulle fonti, progettato per ridurre le risposte inventate tramite vincoli sulle fonti e risposte di fallback.

1

Recuperare

Quando un visitatore pone una domanda, ChattyBox cerca passaggi pertinenti nei contenuti indicizzati del sito, della documentazione, dell'assistenza e del CMS.

2

Aumentare

Questi passaggi vengono aggiunti come contesto, così il modello dispone di informazioni specifiche su cui basare la risposta.

3

Generare

Il modello genera una risposta concisa e può includere link alle fonti, così i visitatori possono verificare i dettagli.

Evidenze editoriali verificate

Il percorso completo RAG dalla fonte alla risposta citata

Un sistema RAG affidabile è una catena di fasi verificabili, non una singola chiamata al modello. La seguente architettura di riferimento generica illustra i controlli per la preparazione dei contenuti, il recupero, la generazione e la citazione; non è una specifica delle capacità di ChattyBox.

Autore tecnico
ChattyBox Ingegneria
Revisore tecnico
Revisione della documentazione ChattyBox
Ultimo aggiornamento
Informazioni verificate
9 luglio 2026

Rivisto quando cambia il comportamento di recupero e almeno ogni sei mesi.

Diagramma dell'architettura RAG che mostra le fasi di scansione, analisi, suddivisione in blocchi, embedding, recupero, prompt, risposta e citazione
Le fonti vengono preparate in un indice e il chatbot cerca passaggi utili a formulare le risposte. Le risposte possono includere collegamenti alle pagine recuperate, che gli utenti possono consultare per verificarne il supporto.
Ogni fase ha un output e un controllo di qualità distinti; testare solo la prosa finale nasconde difetti di indicizzazione e recupero.
FaseOperazione di esempioControllo per verificare
Fase
1. Scansione
Operazione di esempio
Scopri le pagine consentite da URL e mappe dei siti.
Controllo per verificare
Gli URL previsti sono presenti; i percorsi esclusi e privati sono assenti.
Fase
2. Analizzare
Operazione di esempio
Estrai il testo utile della pagina e conserva le informazioni sulla fonte per il recupero.
Controllo per verificare
Il rumore della navigazione viene rimosso senza eliminare comandi o etichette di versione.
Fase
3. Suddivisione in blocchi
Operazione di esempio
Dividi i contenuti in passaggi che mantengono l’URL della pagina fonte.
Controllo per verificare
Ogni passaggio è comprensibile da solo e conserva i prerequisiti.
Fase
4. Generazione degli embedding
Operazione di esempio
Rappresentare passaggi per la corrispondenza semantica e archiviare metadati di origine.
Controllo per verificare
Ogni vettore si associa a un passaggio sorgente corrente e consentito.
Fase
5. Recupera
Operazione di esempio
Classifica una piccola serie di passaggi rispetto alla domanda del visitatore.
Controllo per verificare
I test Recall@k verificano che il passaggio di riferimento sia presente nell'insieme di contesto.
Fase
6. Prompt
Operazione di esempio
Combina la domanda, i passaggi, i metadati di origine e le regole di fallback.
Controllo per verificare
Verifica che le istruzioni non siano in conflitto con le indicazioni sull’uso delle fonti e sul fallback; i soli prompt non possono garantire la conformità.
Fase
7. Rispondi
Operazione di esempio
Istruisci il modello a usare dettagli supportati o a rifiutare quando le evidenze non bastano.
Controllo per verificare
Verifica le affermazioni rispetto al contesto; l’assenza di contesto utilizzabile o una lacuna rilevata nei contenuti possono attivare un fallback.
Fase
8. Citare
Operazione di esempio
Restituisci gli URL delle pagine recuperate per le risposte supportate; verifica che sostengano la risposta.
Controllo per verificare
I collegamenti risolvono, corrispondono alla versione e supportano direttamente l'affermazione.

Freschezza e reindicizzazione

I contenuti modificati devono essere recuperati e memorizzati prima che ChattyBox possa usarli. Il recupero vettoriale dipende da embedding aggiornati; in alcuni casi, il fallback sulle pagine memorizzate può fornire contesto senza blocchi corrispondenti. Gli aggiornamenti e il recupero possono comunque subire ritardi o fallire, quindi verifica risposte rappresentative rispetto alle fonti aggiornate, soprattutto per prezzi, policy e documentazione con versioni.

Confini delle fonti pubbliche e private

Le pagine pubbliche possono condividere un ambito di scansione. I dati privati o relativi a tenant, dipendenti o account richiedono acquisizione autenticata e autorizzazione al momento del recupero, prima che i passaggi entrino nel prompt. Le regole robots non sono un controllo degli accessi. Non indicizzare mai segreti e verifica che le identità non autorizzate non possano recuperare titoli, snippet, URL o dettagli delle risposte da fonti riservate.

Valutare il recupero prima di giudicare la scrittura

Usa un set di domande versionato con passaggi delle fonti noti, affermazioni attese e casi in cui è previsto il fallback. Eseguilo dopo modifiche alle fonti, alla suddivisione in blocchi, agli embedding, al ranking o al prompt, quindi esamina gli errori per fase.

SegnaleCome misurarloFallimento che espone
Segnale
Recall@k
Come misurarlo
Quota di domande a cui si può rispondere per le quali un passaggio di riferimento compare nei primi k risultati.
Fallimento che espone
Copertura della scansione mancante, parti deboli, mancata corrispondenza del vocabolario o incorporamenti obsoleti.
Segnale
Qualità della classifica
Come misurarlo
Registra il rango reciproco o nDCG per i passaggi valutati come pertinenti.
Fallimento che espone
Esiste una pagina pertinente ma il rumore o una versione obsoleta la superano.
Segnale
Supporto delle affermazioni
Come misurarlo
Esamina ogni affermazione sostanziale confrontandola con i passaggi forniti al modello.
Fallimento che espone
La risposta combina ipotesi con prove o sopravvaluta la fonte.
Segnale
Precisione della citazione
Come misurarlo
Verifica che ogni citazione sia accessibile e supporti direttamente l'affermazione a cui è associata.
Fallimento che espone
La risposta giusta rimanda a una pagina semplicemente correlata o alla versione sbagliata.
Segnale
Precisione e richiamo del fallback
Come misurarlo
Includi domande senza risposta e domande con fonti contrastanti; valuta i rifiuti corretti e le risposte mancate.
Fallimento che espone
Il bot indovina senza prove o rifiuta nonostante prove adeguate.
Segnale
Ritardo di freschezza
Come misurarlo
Misura il tempo che intercorre tra una modifica della fonte pubblicata e una risposta corretta basata sui contenuti recuperati.
Fallimento che espone
Ritardo di nuova scansione, blocchi duplicati non aggiornati o propagazione dell'eliminazione non riuscita.

Scegli RAG per una conoscenza mutevole e attribuibile

MetodoQuando è più adattoLimite importante
Metodo
Ricerca per parola chiave o sito
Quando è più adatto
Gli utenti desiderano pagine classificate e leggeranno la fonte da soli.
Limite importante
Non sintetizza una risposta e può perdere corrispondenze semantiche.
Metodo
RAG
Quando è più adatto
La conoscenza cambia, le citazioni contano e le risposte abbracciano pochi passaggi.
Limite importante
La qualità dipende dalla copertura della scansione, dal recupero, dalle autorizzazioni e dalla qualità della fonte.
Metodo
Fine-tuning
Quando è più adatto
Insegnare uno stile, un formato, una classificazione o un comportamento stabile nelle attività.
Limite importante
Non è un sostituto affidabile per fatti attuali, citazioni o cancellazione di fonti.
Metodo
Prompt con contesto lungo
Quando è più adatto
Un set di documenti delimitato si adatta al contesto e ogni elemento è rilevante.
Limite importante
I costi e il rumore crescono con il contesto; le autorizzazioni e la freschezza necessitano ancora di controlli.

Come valutare un chatbot RAG per l'assistenza clienti

Non esiste un'opzione migliore in assoluto. Testa la fedeltà delle citazioni, il comportamento di fallback, l'aggiornamento delle fonti, i contenuti in conflitto, l'escalation, i confini del contesto privato, le analisi, le integrazioni e l'impegno di implementazione usando le stesse domande di assistenza.

Risposte da contenuti pubblici

Un chatbot RAG mirato può rispondere a domande ricorrenti da documenti e articoli di assistenza approvati, con citazioni e comportamento di fallback prudente.

Azioni sull'account e gestione dei casi

Scegli una suite di supporto più ampia quando hai bisogno di azioni autenticate sull'account, instradamento dei ticket, SLA, spazi di lavoro per gli agenti o operazioni multicanale.

Esegui gli stessi test dei confini

Includi domande su contenuti mancanti, obsoleti, in conflitto, privati e ad alto impatto. Registra URL citati, rifiuti, passaggi all'assistenza e note dei revisori invece di pubblicare un punteggio non verificato.

Definisci il confine tra assistenza ed escalation · Valuta le prove delle fonti collegate · Usa la checklist per ridurre le allucinazioni

Procedura dettagliata dall'origine alla risposta

Supponiamo che la pagina di installazione indicizzata indichi che lo script del widget appartiene immediatamente prima del tag body di chiusura. Il recupero dovrebbe selezionare quel passaggio, il prompt dovrebbe vietare consigli di posizionamento non supportati e la risposta dovrebbe indicare l'istruzione con la pagina di installazione allegata come prova.

  1. 1. La domanda viene trasformata in embedding e confrontata con i blocchi consentiti.
  2. 2. Il passaggio di installazione è al di sopra delle pagine widget più ampie.
  3. 3. Al modello viene richiesto di rispondere usando il dettaglio sul posizionamento presente in quel passaggio.
  4. 4. La scheda sorgente collega l'utente alla pagina esatta della documentazione.

Continua con le guide a citazioni di fonti, Chatbot AI per Docusaurus con citazioni, chatbot per la documentazione per sviluppatori, e il Chatbot AI per MkDocs con fonti citate.

Assistente alla documentazione
Dove dovrei aggiungere lo script del widget?
Aggiungi lo script del widget ChattyBox immediatamente prima del tag body di chiusura su ogni pagina in cui dovrebbe apparire il widget.

Conversazione a scopo illustrativo — non è una chat dal vivo.

Offerto da ChattyBox

Come ChattyBox rende pratico il recupero

Indice di contenuti consultabile

Le pagine del tuo sito, della documentazione, del centro assistenza e del CMS vengono indicizzate, così il chatbot può cercare nei contenuti che pubblichi già.

Modello di embedding

Gli embedding aiutano a individuare i passaggi pertinenti alle domande dei visitatori, anche quando sono formulati diversamente.

Recupero mirato

ChattyBox cerca contenuti pertinenti nelle fonti da fornire come contesto; se manca un contesto utilizzabile, può restituire una risposta di fallback.

Prompting limitato al contesto

Il modello riceve istruzioni per rispondere dal contesto recuperato ed evitare affermazioni non supportate. Queste istruzioni non garantiscono una risposta corretta.

Collegamenti alle citazioni

Le risposte supportate possono includere link alle pagine fonte recuperate da verificare. Le risposte di fallback possono non avere citazioni.

Gestione del fallback

Quando mancano contenuti pertinenti, il bot può ricorrere a un fallback invece di improvvisare una risposta non supportata.

RAG chatbot contro chatbot AI generico

Un chatbot generico risponde utilizzando un’ampia memoria del modello e può sembrare sicuro di cose che non conosce. Un chatbot RAG recupera prima i contenuti dalle tue pagine e riceve istruzioni per usarli; i collegamenti alle fonti possono aiutare gli utenti a verificare la risposta, ma l’accuratezza non è garantita.

Chatbot AI generico
  • —Risposte provenienti da un'ampia memoria del modello, non dal tuo contenuto.
  • —Può inventare funzionalità, prezzi o passaggi che non sono presenti nella tua documentazione.
  • —Nessuna fonte chiara per verificare la risposta.
RAG chatbot
  • Recupera prima dal sito Web pubblicato, dai documenti e dai contenuti della guida.
  • Può usare un fallback configurato quando il recupero non contiene supporto sufficiente per una risposta.
  • Può citare le pagine di supporto in modo che i visitatori possano esaminare le prove dietro le affermazioni sostanziali.

Quando le citazioni sono prioritarie, abbina il recupero a un chatbot AI con citazioni delle fonti che collega le risposte supportate alle relative pagine di origine.

RAG senza ricostruire il tuo stack di contenuti

Collega i contenuti del tuo sito, verifica la qualità delle risposte e incorpora un chatbot con fonti citate quando le risposte ti soddisfano.

Inizia Free - Nessuna carta di credito