Trouver les preuves
Dzen Chat recherche dans le site et les documents indexés les fragments qui correspondent le mieux à la question. Il n’envoie pas toute la base de connaissances au modèle.
Spécification technique de Dzen Chat
Référence d’implémentation pour les équipes de sécurité, plateforme et ingénierie : ce qui s’exécute dans Dzen Chat, comment la connaissance est traitée, où vivent les données et quels contrôles encadrent chaque réponse.
Génération augmentée par récupération (Retrieval-Augmented Generation) : répondre avec des preuves retrouvées.
RAG signifie génération augmentée par récupération (Retrieval-Augmented Generation). Avant qu’un modèle d’IA rédige une réponse, le système récupère des fragments pertinents de votre base de connaissances approuvée et les ajoute au contexte de travail du modèle.
Construire un contexte borné
Les sources sélectionnées, la fin du dialogue et la politique de réponse sont assemblées dans un contexte contrôlé. Les règles de classement et de pertinence décident ce qui mérite d’être inclus.
Expliquer puis citer
Le fournisseur d’IA choisi rédige une réponse à partir de ce contexte. Dzen Chat conserve les données des sources afin que l’interface ramène le visiteur au matériau d’origine.
Suivez les données à travers le système.
Sélectionnez un flux pour voir ce qui se passe à cette étape. L’interface reflète la séparation réelle entre l’indexation en arrière-plan et la demande de chat en direct.
1SourcesSites · fichiers · systèmes de connaissance · API
2Crawler et extracteurDécouverte · récupération · extraction · actualisation des changements
3Pipeline d’indexationDécoupage · déduplication · embeddings
4Stockage de connaissancePostgreSQL · pgvector · métadonnées
L’indexation initiale et les mises à jour des sources s’exécutent dans des workers en arrière-plan via des files Redis. Le contenu nouveau ou modifié ne fait pas attendre le visiteur pendant un crawl ou la création d’un vecteur.
1QuestionLangue et profil de requête
2Trois chemins de récupérationVecteur · texte intégral · graphe
3Fusion et reclassementRRF · cross-encoder · règles de pertinence
4Jeu de preuvesExtraits sélectionnés et liens de sources
La couche de récupération combine des signaux complémentaires : similarité sémantique pour des formulations variées, texte intégral pour la terminologie exacte et parcours de graphe pour les relations entre entités et documents.
1Fin de conversationContexte du dialogue récent
2Politique et preuvesRègles de couverture · extraits sélectionnés
3Fournisseur d’IAGénération en streaming
4Réponse et citationsLiens de sources · retours · actions suivantes
Le modèle reçoit un contexte préparé et borné plutôt que tout le site. La réponse reste reliée au matériau source qui l’a informée.
1UtilisationChats · utilisateurs · messages dans le temps
2Historique des conversationsQuestions · déroulé du dialogue · retours
3Qualité des réponsesSources trouvées · évaluations positives · négatives
4Informations utilesBesoins récurrents · lacunes · actions suivantes
Les administrateurs peuvent examiner ce que demandent les personnes, comment le service est utilisé et quelles réponses reçoivent des retours. L’activité du chat devient ainsi une preuve pour améliorer contenu, sources et opérations de support.
Comment un contexte de réponse est construit.
Pour chaque question, Dzen Chat combine la partie pertinente de la conversation avec un nouveau jeu de preuves issu de la base de connaissances. Un budget de contexte maintient le prompt ciblé et conserve les données des sources pour l’interface.
La formule annuelle inclut-elle des membres supplémentaires ?
Vecteur + texte intégral + graphe · fusion · reclassement · 4 sources sélectionnées
Fin de conversation + preuves sélectionnées + politique de réponse dans un contexte borné
Elle comprend la capacité de base de l’équipe. Des places supplémentaires peuvent être ajoutées dans les paramètres de l’espace de travail.Tarifs et gestion de formule · source citée
Où ajouter des places ? · Puis-je modifier le responsable de facturation ?
Du contenu brut à un index de connaissance maintenu.
Découvrir et récupérer
Les sources peuvent être des sites, plans de site, URL sélectionnées, documents, systèmes de connaissance et connecteurs API personnalisés. Le crawler découvre le contenu pertinent, suit les règles de la source, enregistre l’état et met à jour les changements de manière asynchrone.
Extraire une structure utile
Le HTML devient du contenu utilisable ; les documents pris en charge ne sont pas reconnus uniquement par leur extension. Titres, paragraphes, tableaux et métadonnées rejoignent l’index.
Écarter le bruit et les répétitions
Le contenu peu utile, surdimensionné ou dupliqué ne devient pas de nouvelle connaissance. Les hashes de contenu, de pages et de fragments éliminent les modèles répétitifs et les doublons.
Découper avec le contexte
Le contenu est découpé en fragments récupérables avec chemins de section, titres, positions, entités et métadonnées de document, afin d’expliquer la place de chaque passage.
Créer et stocker les embeddings
Des workers dédiés créent les embeddings et stockent fragments, vecteurs et métadonnées dans PostgreSQL avec pgvector. Les fragments inchangés peuvent réutiliser leurs embeddings.
Observer et actualiser
Les états des sources, des crawls et des embeddings restent visibles pour les administrateurs. Les opérations d’actualisation et de réindexation maintiennent la couche de connaissance à jour.
Faites de Dzen Chat une partie native de votre produit.
L’espace d’administration donne à votre équipe le contrôle du widget : couleurs, déclencheurs, questions suggérées, ton de conversation, messages d’accueil et invitations contextuelles. Concevez chaque conversation pour votre marque, vos pages et votre audience.
Commencez la bonne conversation depuis le contexte de la page.
Configurez le langage visuel du widget, l’accueil, les questions suggérées et les règles d’activation pour le site et la tâche du visiteur.
LDAP et Active Directory pour les déploiements privés.
Les administrateurs peuvent s’authentifier via un annuaire d’entreprise, avec règles de groupe facultatives, recherche de comptes de service et paramètres TLS. Les mots de passe locaux peuvent être restreints pour les utilisateurs de l’annuaire.
La recherche utilise des preuves, pas une seule méthode de score.
Récupération sémantique
La question et les fragments de connaissance sont représentés comme vecteurs. Ce chemin trouve le matériau pertinent lorsque la formulation du visiteur diffère de celle de la source.
Récupération lexicale
La recherche plein texte évalue titres, chemins d’URL, en-têtes, termes d’entités et contenu. Elle est utile pour les noms de produit, la terminologie exacte et les formulations importantes.
Sélection des preuves
Les listes de candidats sont fusionnées avec Reciprocal Rank Fusion puis évaluées par un cross-encoder et des règles de pertinence avant de former un contexte compact.
Récupération par graphe : utiliser les relations entre sources de connaissance.
Elle suit les liens entre entités et documents afin de révéler un contexte de soutien qu’un fragment isolé pourrait manquer. Les résultats du graphe sont combinés aux candidats vectoriels et plein texte avant le classement, ce qui permet aux réponses d’utiliser à la fois similarité sémantique et structure de la base de connaissances.
Choisissez la connexion IA adaptée à votre environnement.
La couche de récupération et de connaissance reste sous le contrôle de Dzen Chat. Choisissez le fournisseur de génération selon la langue, les politiques et l’infrastructure du client, y compris tout fournisseur offrant une API compatible OpenAI.
- OpenAI
- GigaChat
YandexGPT
OpenRouter- OpenAI-compatible
Anthropic
Gemini
xAI
Mistral AI
NVIDIA NIM
Perplexity
Hugging Face
DeepSeek
Qwen
Baidu AI
Doubao
SAP AI
Cloudflare Workers AI
Compatible OpenAI
BYOM · Apportez votre propre modèle : utilisez l’outil adapté à vos besoins.
Pour un déploiement privé, Dzen Chat peut se connecter à votre endpoint de modèle ou à une passerelle IA d’entreprise. Le modèle de génération, les identifiants et le chemin réseau restent dans le périmètre de l’entreprise ; Dzen Chat apporte le contexte de récupération, l’orchestration et l’expérience visiteur.
Protégé contre les demandes inattendues et les sorties non sûres.
Les garde-fous encadrent la conversation avant et après la génération. Ils aident à garder les réponses ancrées dans la connaissance approuvée, dans le périmètre prévu et sûres pour les visiteurs.
Réponses fondées sur des preuves.
Le modèle reçoit un jeu de preuves borné avec des identifiants de citation et ne peut citer que les sources fournies pour cette réponse.
Limite de périmètre.
Un contrôle du prompt maintient l’assistant dans le périmètre configuré du produit, service, support et base de connaissances.
Contrôles des demandes non sûres.
Les contrôles de données personnelles, modération, injection de prompt et jailbreak peuvent arrêter une entrée inadaptée avant la génération.
Vérification de sortie et traçabilité.
Les contrôles de sortie appliquent la même limite de sécurité ; les événements bloqués et leurs raisons sont conservés dans l’historique du projet.
Un système RAG complet dans votre périmètre.
Dzen Chat peut fonctionner dans votre infrastructure : widget public, administration, workers d’indexation et stockages de connaissance restent à l’intérieur d’une frontière réseau contrôlée. Nous fournissons la topologie de déploiement et la dimensionnons selon vos sources et votre trafic.
RÉSEAU CLIENT · DÉPLOIEMENT PRIVÉ
Entrée et identité
Widget public · accès administrateur · LDAP / Active Directory
Web Dzen Chat
Diffusion du widget · API de chat · gestion des sources et projets
2 répliques dans l’environnement de référenceWorkers d’indexation
Crawler · extraire · dédupliquer · découper · actualiser
2 répliques de workers dans l’environnement de référenceEmbeddings et reranker
Création de vecteurs · score de pertinence · préparation de récupération
Processus dédié à capacité séparéeServices de connaissance
Pages · fragments · vecteurs · état de conversation
Files · données d’exécution éphémèresOpérations sûres
Les contrôles de disponibilité, métriques internes et services séparés par rôle rendent l’environnement observable et maintenable.
Les secrets restent privés
Les identifiants et clés des fournisseurs sont fournis comme secrets de déploiement, jamais dans l’image applicative ni dans le widget public.
Dimensionner le travail qui évolue
Trafic web, files d’indexation et charges d’embeddings évoluent indépendamment avec la base de connaissances et l’utilisation.
Conservez chaque source de vérité dans la réponse.
Connectez les systèmes déjà utilisés par votre équipe. Une API de mise à jour signée permet à un connecteur de recevoir un événement de changement, d’actualiser la source approuvée et d’apporter une nouvelle connaissance dans Dzen Chat sans réindexation manuelle.
Webhooks · actualisation ciblée des sources · index de récupération à jour
Créez des flux d’actualisation sans code avec Zapier, Make ou n8n ; pour un système personnalisé, nous configurons un connecteur autour de son API ou de son flux d’événements.
- PASSERELLES D’AUTOMATISATION
Zapier
Make
n8n- Any webhook
- CONNAISSANCE ET COLLABORATION
Notion
Google Drive- Amazon S3
- SharePoint
Confluence
Dropbox
Box- OneDrive
- Slack
- Microsoft Teams
- SUPPORT, PRODUIT ET CONTENU
Zendesk
Intercom- Freshdesk
HubSpot- Salesforce
Jira
Linear
Contentful
Strapi
Sanity
WordPress
Webflow
Shopify
ReadMe
GitBook
Docusaurus- Custom CMS
- CODE ET DOCUMENTATION
GitHub
GitLab
Bitbucket
Apportez vos sources de connaissance. Nous concevrons le bon environnement.
Nous évaluons le paysage des sources, les exigences linguistiques, la politique des fournisseurs d’IA, la charge attendue et la frontière de déploiement avant de proposer une implémentation Dzen Chat.