Rozwiązywanie problemów Qlik Answers odpowiedzi ze śladem rozumowania

Ostatnia aktualizacja: 8.09.2026

Ślad rozumowania pokazuje kroki, które Qlik Answers podjęło, aby przetworzyć pytanie i wygenerować odpowiedź. Przeglądanie śladu pomaga zweryfikować, czy użyto prawidłowych danych, oraz zidentyfikować, gdzie wprowadzić ulepszenia, gdy odpowiedź nie jest tym, czego oczekiwałeś.

Dla Qlik Answers użytkowników, może to pomóc zweryfikować Twoje pytania lub poprowadzić Cię w zadawaniu pytań uzupełniających. Dla właścicieli treści, takich jak asystenci i aplikacje, może to pomóc zweryfikować, czy dane aplikacji lub bazy wiedzy dostarczają odpowiedzi zgodnie z oczekiwaniami, lub czy potrzebne są ulepszenia.

Dostęp do śladu rozumowania

Po Qlik Answers zwróci odpowiedź, kliknij Wyświetl źródło poniżej odpowiedzi, a następnie kliknij Pokaż uzasadnienie. Ślad rozszerza się, aby pokazać każdy krok wykonany przez potok.

Zrozumienie struktury śledzenia

Ślad rozumowania jest dziennikiem agentów, które działały, oraz decyzji, które podjęły. Zaangażowane agenty oraz to, ile razy każdy z nich się uruchamia, zależą od zadanego pytania i źródeł danych skonfigurowanych w Twojej aplikacji. Ślad nie obserwuje ustalonej sekwencji. Proste pytanie może angażować mniej agentów, natomiast złożone, wieloczęściowe pytanie może wywoływać tego samego agenta kilkukrotnie, zanim wygeneruje ostateczną odpowiedź.

Następujący agenci mogą pojawić się w śledzeniu:

• Agent odpowiedzi

• Agent analityk danych

• Agent bazy wiedzy

• Agent podsumowujący

Agent odpowiedzi

Agent Answers pojawia się na początku i na końcu każdego śledzenia. Na początku odczytuje pytanie, określa, jakie źródła danych są potrzebne, i kieruje pracę do odpowiednich agentów-specjalistów. Na koniec zbiera wyniki pośrednie w ostateczną odpowiedź wyświetlaną użytkownikowi.

Początkowy blok Agenta Odpowiedzi opisuje, co agent zrozumiał na temat pytania.

Sprawdź, czy podmiot i wszelkie encje zostały poprawnie zidentyfikowane. Jeśli agent błędnie odczytał pytanie na tym etapie, specjalistyczni agenci w dalszej kolejności będą wysyłać zapytania w oparciu o niewłaściwy kontekst.

Agent analityk danych

Agent analizujący dane obsługuje pytania dotyczące danych strukturalnych. Wyszukuje w modelu danych odpowiednie pola i miary, tworzy wyrażenia obliczeniowe i tworzy obiekty wykresu, które pojawiają się w odpowiedzi.

W przypadku złożonych pytań, Agent Analityk Danych może pojawić się więcej niż raz w śladzie. Na przykład, może wykonać pierwsze przejście w celu wykrycia pól, drugie przejście w celu zweryfikowania, czy określona wartość istnieje w danych, i trzecie przejście w celu zbudowania wizualizacji.

Agent bazy wiedzy

Agent bazy wiedzy obsługuje pytania dotyczące nieustrukturyzowanych treści, takich jak dokumenty wewnętrzne, transkrypcje spotkań, notatki lub pliki PDF połączone z Twoją aplikacją jako baza wiedzy źródło danych.

Gdy pytanie wymaga zarówno danych ustrukturyzowanych, jak i nieustrukturyzowanych, Agent Odpowiedzi kieruje pracę zarówno do Agenta Bazy Wiedzy, jak i Agenta Analityka Danych. Każdy agent zwraca swoje wyniki niezależnie, a Agent Odpowiedzi łączy je w końcowej odpowiedzi.

Jeśli użytkownik zadaje pytanie, które wyraźnie odnosi się do dokumentu lub spotkania, a Agent Bazy Wiedzy nie pojawia się w śledzeniu, zweryfikuj, czy źródło danych bazy wiedzy jest połączone z Twoją aplikacją i czy zawartość została zindeksowana.

Odczytywanie wyników podobieństwa

Najważniejsza sekcja każdego śledzenia to dane wyjściowe wykrywania pól w agencie Data Analyst. Ta sekcja wymienia każde pole i element główny rozważone przez agenta, wraz z wynikiem podobieństwa dla każdego z nich.

Wynik podobieństwa wskazuje, jak dobrze wyszukiwanie semantyczne dopasowało pole lub element główny do pytania użytkownika. Agent używa najwyżej punktowanych pól i elementów głównych do zbudowania odpowiedzi. Jeśli pole lub element główny, którego użycia się spodziewałeś, jest nieobecne na liście, lub jest obecne, ale uzyskało niższą ocenę niż konkurencyjne pole lub element główny, odpowiedź została prawdopodobnie zbudowana przy użyciu innych danych niż zamierzałeś.

Interpretacja wyników

Na co zwrócić uwagę

Podczas przeglądania listy pól i elementów głównych, sprawdź następujące elementy:

• Czy Twoje zamierzone pole lub element główny jest obecny?

  Jeśli brakuje go całkowicie, etykieta i opis pola lub elementu głównego mogą nie pasować do języka użytego w pytaniu.

• Czy Twoje zamierzone pole lub element główny ma wyższy wynik niż konkurencyjne pola lub elementy główne?

  Jeśli inne pole lub element główny uzyskał wyższy wynik i został użyty zamiast niego, odpowiedź może wydawać się poprawna, ale pochodzić z błędnych danych.

• Czy są pola lub elementy główne na liście, których nie powinno tam być?

  Pole lub element główny, którego wynik jest nieoczekiwanie wysoki, może odwracać uwagę od prawidłowego pola lub elementu głównego.

Pola i elementy główne najważniejsze dla odpowiadania na pytania użytkowników powinny konsekwentnie uzyskiwać wyższe wyniki niż jakiekolwiek inne pola i elementy główne, z którymi agent mógłby je pomylić.

Poprawa wyników podobieństwa

Wyniki podobieństwa są obliczane na podstawie nazw pól i elementów głównych, opisów i metadanych. Poprawa tych bezpośrednio podnosi wynik dla odpowiednich pytań.

Aktualizowanie metadanych pól i elementów głównych

Wykonaj następujące czynności:

1. W swojej aplikacji otwórz Menedżer danych lub Edytor ładowania danych.

2. Zlokalizuj pole lub element główny z niskim lub brakującym wynikiem podobieństwa.

3. Zaktualizuj nazwę pola lub elementu głównego tak, aby używała prostego języka biznesowego, odzwierciedlającego sposób, w jaki użytkownicy będą o nią pytać.

   Dla Menedżer danych, zobacz Edytowanie tabeli

   Dla Edytor ładowania danych, zobacz Zmiana nazw pól.

   W przypadku elementów głównych, zobacz:

   • Edycja wymiaru głównego

   • Edytowanie miary głównej

4. Dodaj lub rozwiń opis elementu głównego, aby jasno wyjaśnić, co zawiera element główny, jaką koncepcję biznesową reprezentuje i kiedy należy go używać. Zobacz:

   • Edycja wymiaru głównego

   • Edytowanie miary głównej

5. Przeładuj aplikację.

6. Zadaj to samo pytanie ponownie i otwórz ślad rozumowania, aby sprawdzić, czy wynik się poprawił.

Pole o nazwie NETWR bez opisu uzyska znacznie niższą ocenę niż pole oznaczone jako Kwota sprzedaży netto z opisem, który brzmi „Całkowity przychód z zakończonych transakcji sprzedaży, po zastosowaniu rabatów.” Im dokładniej Twoje metadane odzwierciedlają naturalny język biznesowy, tym wyżej pole zostanie ocenione, gdy użytkownicy zadadzą odpowiednie pytania.

Rozwiązywanie konfliktów pól i elementów głównych

Gdy dwa pola lub elementy główne obejmują podobne koncepcje i konkurują o to samo zapytanie, agent wybiera ten z wyższym wynikiem. Jeśli używane jest niewłaściwe pole lub element główny, należy to poprawić.

Wykonaj następujące czynności:

1. Przejrzyj metadane dla obu pól lub elementów głównych.

2. Spraw, aby nazwa i opis zamierzonego pola lub elementu głównego były bardziej szczegółowe i bardziej bezpośrednio zgodne z terminem biznesowym, którego szukają użytkownicy.

   Dla nazw pól:

   Dla Menedżer danych, zobacz Edytowanie tabeli

   Dla Edytor ładowania danych, zobacz Zmiana nazw pól.

   W przypadku elementów głównych, edytuj nazwę lub opis. Zobacz:

   • Edycja wymiaru głównego

   • Edytowanie miary głównej

3. Jeśli konkurencyjne pole lub element główny jest mniej trafny, zaktualizuj jego nazwę lub opis, aby dokładniej odzwierciedlał jego rzeczywisty zakres, tak aby uzyskiwał niższe wyniki w przypadku niezwiązanych z nim zapytań.

Diagnozowanie błędnej lub niekompletnej odpowiedzi

Skorzystaj z poniższych wskazówek, gdy odpowiedź z Qlik Answers nie odpowiada Twoim oczekiwaniom.

Odpowiedź użyła niewłaściwego pola lub elementu głównego

Wykonaj następujące czynności:

1. Otwórz ślad rozumowania i zlokalizuj wynik wykrywania pól w Agencie Analityka Danych.

2. Znajdź pole lub element główny, które zostało użyte i zanotuj jego wynik podobieństwa.

3. Znajdź pole lub element główny, którego użycie było oczekiwane. Jeśli znajduje się na liście, porównaj jego wynik z polem lub elementem głównym, który został wybrany.

4. Jeśli zamierzone pole lub element główny uzyskało niższy wynik, zaktualizuj jego nazwę lub opis, aby poprawić jego trafność w stosunku do pytania.

   Dla pozycji wzorcowych edytuj opis. Zobacz:

   • Edycja wymiaru głównego

   • Edytowanie miary głównej

5. Jeśli zamierzone pole lub element główny nie znajduje się w ogóle na liście, sprawdź jego nazwę i opis. Prawdopodobnie jest to opisane w terminach technicznych, które nie odpowiadają sposobowi, w jaki użytkownicy formułują pytania.

Pole lub element główny całkowicie brakuje na liście

Wykonaj następujące czynności:

1. Otwórz wynik wykrywania pól w śledzeniu.

2. Potwierdź, że pole lub element główny istnieje w modelu danych.

3. Jeśli używasz logicznego modelu logiki biznesowej, upewnij się, że pole lub element główny nie jest rozgrupowane.

4. Przejrzyj nazwę i opis pola lub elementu głównego.

   Jeśli którykolwiek z nich jest nieobecny lub używa wewnętrznych konwencji nazewnictwa (takich jak kody pól SAP dla pól), dodaj nazwę i opis w języku naturalnym.

   Zobacz:

   • Edycja wymiaru głównego

   • Edytowanie miary głównej

5. Załaduj ponownie aplikację i uruchom ponownie pytanie, aby sprawdzić, czy pole lub element główny teraz pojawia się w śledzeniu.

Odpowiedź jest poprawna, ale niekompletna

Wynik planowania Agenta Analityka Danych opisuje, które wykresy zostały zbudowane i które wymiary zostały wybrane. Jeśli wymiar lub miara nie znajduje się w planowanych wykresach, jej wynik podobieństwa był prawdopodobnie wystarczająco wysoki, aby pojawić się na liście pól i elementów głównych, ale poniżej progu dla wyboru wykresu. Ulepszenie powiązanego pola lub metadanych elementu głównego spowoduje, że znajdzie się powyżej progu wyboru.

Narracja i wykres pokazują inne liczby

Ostateczna synteza Agenta Odpowiedzi zawiera identyfikatory dowodów w nawiasach kwadratowych, które łączą każde twierdzenie w tekście z obiektem wykresu, z którego pochodzi. Na przykład:

Brand 1 sold 24 vehicles generating total revenue of $1,584,041.82 [d1f09de1-4a5a...]

Jeśli liczba w tekście nie odpowiada wykresowi, synteza odwoływała się do innego obiektu wykresu niż ten wyświetlony. Zlokalizuj obiekt, do którego odwołuje się ID, i porównaj jego wyrażenie z widocznym wykresem.

Odwołanie: Agenci i ich role