```html
🧠 Como evitar respostas incompletas ou confusas ao treinar seu bot?
Quando um bot baseado em Gen AI não responde corretamente ou fornece respostas incompletas (por exemplo, sem incluir a ficha técnica ou a URL correspondente), uma das causas mais frequentes é uma configuração inadequada dos arquivos de treinamento ou um prompt pouco específico.
📋 Checklist prévio ao treinamento do componente
Antes de carregar documentos de treinamento:
✅ Carregue apenas arquivos relevantes: evite fichas técnicas de produtos que não estejam mapeados ou não façam parte das respostas esperadas.
✅ Verifique se todos os modelos atuais estão incluídos no arquivo.
✅ Unifique em um só documento as fichas técnicas, em vez de dispersá-las em múltiplos PDFs ou arquivos separados.
✅ Verifique se o nome do modelo coincide exatamente com o utilizado no mapeamento do bot ou na fonte de consulta.
✅ Evite treinamentos contraditórios ou desatualizados.
💬 Como estruturar o prompt quando o bot entrega fichas técnicas
Inclua exemplos e restrições claras para guiar a resposta.
Por exemplo, na seção [Tasks] do prompt você pode usar algo como:
🚫 Riscos de sobretreinamento
Carregar muitos documentos, especialmente se não estiverem estruturados corretamente ou contiverem modelos que não fazem parte do fluxo conversacional, pode:
Gerar alucinações de dados.
Fazer com que o bot priorize informações irrelevantes.
Ocasionar respostas vazias ou incompletas.
✅ Recomendações adicionais
1. Seja claro e específico na instrução
Indique explicitamente qual informação o modelo deve consultar (p. ex., base de dados oficial, FAQs, documentos validados).
Indique explicitamente qual informação o modelo deve consultar (p. ex., base de dados oficial, FAQs, documentos validados).
Exemplo: “Consulte unicamente a base de dados oficial para responder a esta pergunta.”
Exemplo: “Consulte unicamente a base de dados oficial para responder a esta pergunta.”
2. Defina o comportamento perante a ausência de dados
Especifique o que o modelo deve fazer quando não tiver informação disponível: responder com uma mensagem de erro, pedir que o usuário consulte com um agente, ou simplesmente indicar que não sabe.
Especifique o que o modelo deve fazer quando não tiver informação disponível: responder com uma mensagem de erro, pedir que o usuário consulte com um agente, ou simplesmente indicar que não sabe.
Exemplo: “Se não houver informação confirmada, responda: ‘Não tenho essa informação disponível, você gostaria de ser atendido por um agente?’”
Exemplo: “Se não houver informação confirmada, responda: ‘Não tenho essa informação disponível, você gostaria de ser atendido por um agente?’”
3. Limite a geração a respostas concretas e verificáveis
Peça para que evite gerar respostas especulativas ou inventadas. Exemplo: “Não faça suposições nem invente dados.”
Peça para que evite gerar respostas especulativas ou inventadas. Exemplo: “Não faça suposições nem invente dados.”
4. Use exemplos e contraexemplos no prompt
Incorpore exemplos de respostas corretas e também de como responder se não tiver a informação. Isto ajuda a que o modelo entenda os limites e o formato esperado.
Incorpore exemplos de respostas corretas e também de como responder se não tiver a informação. Isto ajuda a que o modelo entenda os limites e o formato esperado.
5. Reforce a importância da precisão
Adicione frases que lembrem ao modelo a prioridade de dar respostas precisas e confiáveis.
Adicione frases que lembrem ao modelo a prioridade de dar respostas precisas e confiáveis.
```