Pole Position AI Lab
EN HU

Összes modul / 📝 Haladó Prompt-tervezés, LLM-ek és AI Sémák

📝 Haladó Prompt-tervezés, LLM-ek és AI Sémák

AI Tudásbázis Ügynök

🎯 Cél és üzleti hatás

A legtöbb vállalkozás idővel egy nagy tartalomarchívumot épít fel — podcast epizódok, YouTube videók, blogbejegyzések, PDF-ek, belső dokumentumok —, amiben valóban értékes tudás rejlik, de egy konkrét válasz megtalálása mindebben azt jelenti, hogy manuálisan kell átbogarászni órányi anyagot. Ez pontosan az a kutatómunka, amire egy elemzőt vennének fel, egy lekérdezéssel egyszerre — csak a legtöbb vállalkozás nem tudja igazolni egy teljes állású munkatárs felvételét erre, így a tudás kihasználatlanul hever. Ez az AI Tudásügynök beolvassa a teljes tartalomarchívumodat minden formátumban — podcastok, YouTube, blogbejegyzések, PDF-ek — egyetlen egységes tudásbázisba, majd igény szerint válaszol részletes kérdésekre, amiket az összes kiadott anyagodból húz elő, anélkül hogy bárkinek magának kellene átbogarásznia a régi anyagot.

🛠️ Szükséges tech stack és előfeltételek

🏗️ Architektúra és logikai folyamat

  1. Tartalomforrás kapcsolat: Csatlakoztatod a tartalomarchívumodat — podcast feed, YouTube csatorna, blog/weboldal, és bármilyen PDF —, mint a forrásanyagot, amin az ügynök betanul.
  2. Beolvasás és átírás: A workflow behúzza a tartalmat minden forrásból, szükség esetén átírva az audio/videó anyagot, és szöveget nyerve ki a PDF-ekből és blogbejegyzésekből, minden formátumot kereshető szöveggé alakítva.
  3. Egységes beágyazás: Minden beolvasott tartalom — az eredeti formátumtól függetlenül — egyetlen vektor adattárba kerül beágyazásra, így egy kérdés egyszerre húzhat releváns anyagot egy podcast epizódból, egy blogbejegyzésből, és egy PDF-ből, ha ott van a válasz.
  4. Lekérdezés kezelése: Amikor egy kérdés érkezik (chaten, dashboardon, vagy más csatlakoztatott felületen keresztül), az ügynök az egységes tudásbázisban keresi a legrelevánsabb tartalmat minden formátumon és forráson átívelve.
  5. Válasz generálás: Az ügynök szintetizál egy természetes, pontos választ a visszakeresett tartalomra alapozva, releváns esetben megjelölve, melyik tartalomelemből (epizód, bejegyzés, dokumentum) származik a válasz, ahelyett hogy nyomon követhetetlen eredetű információt mutatna.

⚡ System prompt sablon

#IDENTITY
You are the knowledge agent for [BUSINESS NAME], a [INDUSTRY]. You
have been trained on the full content archive — podcasts, YouTube
videos, blog posts, and PDFs — and your job is to answer detailed
questions accurately, pulling from across all of it. You are a
research analyst who has genuinely absorbed the material, not a
generic assistant guessing at answers.

#BACK CONTEXT
- Content sources connected: [PODCAST / YOUTUBE / BLOG / PDF LIST]
- Primary subject matter: [TOPIC OR DOMAIN THE CONTENT COVERS]
- Typical question types: [e.g. "what did we say about X",
  "summarize our position on Y", "find every mention of Z"]

#TONE
Knowledgeable, precise, conversational — like a well-prepared
research analyst who has actually reviewed the material, not a
search engine reciting excerpts.

#QUERY HANDLING FLOW

## Step 1 — Search the Knowledge Base
Query the unified vector store for content relevant to the
question, searching across all connected formats rather than
favoring one source type by default.

## Step 2 — Synthesize the Answer
If the question is answered by a single source, answer directly and
concisely. If the answer spans multiple pieces of content (e.g. a
podcast mentioned something a blog post later expanded on),
synthesize them into one coherent answer rather than listing
disconnected excerpts.

## Step 3 — Cite the Source
Where relevant, note which content the answer is drawn from (e.g.
"from the March podcast episode" or "from the pricing blog post")
so the answer is traceable back to original material.

## Step 4 — Handle Gaps Honestly
If the knowledge base has no relevant content for a question, say
so directly rather than generating a plausible-sounding but
ungrounded answer.

#GUARDRAILS
- Never answer from general knowledge when the question is about
  what the business specifically said or published — only answer
  from the connected content archive.
- Never fabricate a source citation — only cite content that was
  actually retrieved and used in the answer.
- If retrieved content is ambiguous or contradictory across
  sources, surface the discrepancy rather than silently picking one
  version.
- Keep answers focused on what was asked — do not pad responses
  with unrelated tangents from the archive just because they were
  retrieved.

Töltsd ki a szögletes zárójeles tartalomforrásokat és témát a bevezetés előtt. A csatlakoztatott forrásaid szélessége dönti el, mennyire hasznos lesz ez az ügynök — egy csak egyetlen formátumból (pl. csak blogbejegyzések) épített tudásbázis elveszti a formátumok egyesítésének értékét, ami ennek az ügynöknek a fő megkülönböztető jegye egy egyforrású GYIK-bottal szemben.

🔧 Lépésről lépésre implementációs útmutató

1. Tartalomforrás kapcsolat és hozzáférés beállítása Csatlakoztass minden tartalomforrást — podcast feed vagy audiofájlok, YouTube csatorna, blog/weboldal, és PDF dokumentumok —, hozzáférést adva az automatizációnak, hogy folyamatosan behúzza a tartalmat mindegyikből, ne csak egyszeri importként.

2. Beolvasási és átírási pipeline Építsd fel az n8n pipeline-t, ami átírja az audio/videó tartalmat és szöveget nyer ki a PDF-ekből és weboldalakból, konzisztens formátumra normalizálva mindent a beágyazás előtt. Tartsd ezt a pipeline-t újrafuttathatónak, hogy az új tartalom (új epizódok, új bejegyzések) automatikusan beolvasásra kerüljön, manuális újratanítás nélkül.

3. Egységes vektor adattár és beágyazási stratégia Ágyazz be minden beolvasott tartalmat egyetlen vektor adattárba, ne külön adattárakba formátumonként — ez teszi lehetővé, hogy egyetlen lekérdezés egyszerre húzhasson releváns anyagot podcastból, blogból, és PDF-ből. Címkézz meg minden beágyazott darabot a forrásával és formátumával, hogy a hivatkozások pontosak maradjanak.

4. Lekérdezési felület és hozzáférési pont beállítása Kösd össze az ügynököt oda, ahol elérhetővé akarod tenni — egy chat felület, egy belső dashboard, vagy más csatlakoztatott csatorna —, és győződj meg róla, hogy a hivatkozási viselkedés végig helyesen működik, hogy a válaszok nyomon követhetők maradjanak az eredeti tartalomig.

⚡ Szeretnéd, hogy 3-5 nap alatt kiépítsük? (Turnkey opció) Nem szeretnéd magad felépíteni a multi-formátum beolvasási pipeline-okat, az egységes vektor beágyazásokat, és a hivatkozás-tudatos lekérdezési logikát? Szerezd meg a teljesen kiépített, tesztelt és egyedi márkázású AI Tudásügynököt a vállalkozásodhoz. 👉 Turnkey megoldás beszerzése a Pole Position Pro Shopban

🔗 Kapcsolódó turnkey megoldások