Python/GenAI/LLM: Best Practices zum Stellen von Folgefragen zur Klärung der Benutzerabsicht in einem Chatbot ⇐ Python

[Anonymous]

Ich erstelle einen Chatbot mit Python, pydantic_ai, google_genai und dem gemini-2.0-flash-lite-Modell. Der Bot enthält ein Modul, das für das Abrufen von Kontext aus einer Wissensdatenbank (RAG) verantwortlich ist. Die Wissensdatenbank selbst ist ziemlich komplex, mit vielen überlappenden und ähnlichen Konzepten.
Zum Beispiel könnte ein Benutzer den Chatbot fragen: „Wie kann ich eine SIM-Karte erhalten?“
In der Wissensdatenbank gibt es Informationen zu SIM-Karten, eSIM und extraSIM. Dies wirft eine wichtige Frage auf: Wie entwirft man einen Mechanismus, der bestimmt, ob die Anfrage des Benutzers spezifisch genug ist, um eine Suche in der Wissensdatenbank durchzuführen?
Mit anderen Worten: Wie baut man ein System auf, das erkennen kann, wann die Frage des Benutzers geklärt werden muss, und automatisch Folgefragen generieren kann?
Die Herausforderung besteht darin, dass es Tausende solcher Themen gibt, daher ist die Festcodierung von Regeln keine Option – die Lösung muss generisch sein und skalierbar.