Fetebird

การทำงาน

Fetebird ปฏิวัติการให้คะแนนงานด้วยการใช้ความสามารถของ Gemini API(gemini-1.5-flash-001) และสถาปัตยกรรม Retrieval Augmented Generation (RAG) ซึ่งช่วยปรับปรุงกระบวนการประเมินให้มีประสิทธิภาพมากขึ้น โดยให้ข้อมูลเชิงลึกที่มีคุณค่าแก่นักการศึกษาเกี่ยวกับความเข้าใจของนักเรียน ทั้งยังยืดหยุ่นและปรับให้เข้ากับสถานการณ์ต่างๆ ได้
ฟังก์ชันหลัก
ฐานข้อมูลคำตอบอ้างอิง - หัวใจหลักของ Fetebird คือฐานข้อมูลคำตอบอ้างอิงที่ผ่านการยืนยัน ซึ่งแต่ละรายการได้รับการเปลี่ยนเป็นเวกเตอร์เพื่อให้เปรียบเทียบได้อย่างมีประสิทธิภาพ ในระยะแรก ฐานข้อมูลนี้อาจมีเฉพาะโซลูชันของครู แต่ระบบจะขยายฐานข้อมูลแบบไดนามิกเมื่อมีการตรวจสอบและอนุมัติงานที่นักเรียนส่งเข้ามามากขึ้น
การผสานรวม Gemini API - แอปใช้ประโยชน์จาก Gemini API (gemini-1.5-flash-001) และไลบรารี Java ของ Langchain4j เพื่อโต้ตอบกับโมเดลภาษาขนาดใหญ่ ซึ่งช่วยให้ Fetebird ดำเนินการประเมินที่ซับซ้อนและให้ความคิดเห็นโดยละเอียดได้
สถาปัตยกรรม RAG - เมื่ออาจารย์เริ่มการประเมิน AI แล้ว Fetebird จะใช้สถาปัตยกรรม RAG ระบบจะดึงคำตอบอ้างอิงที่เกี่ยวข้องจากฐานข้อมูลและแสดงต่อโมเดล Gemini พร้อมกับคำตอบที่นักเรียนส่ง
การออกแบบพรอมต์: พรอมต์ระบบและพรอมต์ผู้ใช้ที่ออกแบบมาอย่างละเอียดจะช่วยในการนำทางการประเมินของโมเดล โดยระบบจะพิจารณาคำตอบอ้างอิงและงานของนักเรียนเพื่อให้ความคิดเห็นที่ครอบคลุม โดยไฮไลต์จุดแข็ง จุดอ่อน และจุดที่ควรปรับปรุง