Limieten en actualiteit

Hoeveel een agent kan bevatten#

Opslag wordt per agent geteld, niet per werkruimte. Er is geen limiet op het aantal bronnen, alleen op hun totale omvang.

Wat telt, is de omvang van wat je toevoegt: het bestand zoals je het uploadt, de tekst van een pagina zoals die gelezen is, de tekens van een tekstbron of een vraag-antwoordpaar. Om een idee te geven: 1 MB platte tekst is ruwweg 500 bladzijden van een boek. Een paar honderd webpagina's passen meestal in 5 MB, omdat alleen de tekst wordt bewaard, niet de afbeeldingen of de opmaakcode.

Is een agent vol, dan wordt een nieuwe bron geweigerd, en een crawl stopt waar hij is en meldt dat. Wat al is opgeslagen, blijft staan.

Ruimte maken#

• Verwijder wat de agent niet nodig heeft. Bronnen die je verwijdert, geven hun ruimte meteen vrij. Hun passages en het opgeslagen bestand verdwijnen mee.
• Gebruik Paden uitsluiten bij het crawlen. Archieven, tagpagina's en vacatures kosten ruimte en maken antwoorden slechter.
• Kies tekst boven PDF. Een vormgegeven brochure van 4 MB bevat vaak maar 20 kB aan woorden.

Actueel houden#

ChatterLab leest je website niet volgens een vast schema opnieuw. Wat de agent weet, is wat hij las op de dag dat je de site toevoegde, totdat jij er iets aan verandert.

• Een pagina is gewijzigd. Voeg die opnieuw toe als Losse link. De agent heeft dat adres al, dus de pagina wordt bijgewerkt en niet nog een keer toegevoegd.
• De site is flink veranderd. Crawl hem opnieuw. Gewijzigde pagina's worden bijgewerkt, ongewijzigde blijven zoals ze zijn en nieuwe komen erbij. Pagina's die van de site zijn verdwenen, blijven staan tot je ze verwijdert, want een crawl verwijdert nooit iets.
• Een document is gewijzigd. Verwijder het oude bestand en upload het nieuwe. Bewaar ze niet allebei.

Een goede gewoonte is om één keer per maand naar Overzicht te kijken. Vragen die ineens laag scoren, wijzen vaak op iets wat aan jouw kant is veranderd.

Agent opnieuw trainen#

De knop Agent opnieuw trainen verwerkt alles wat de agent al heeft opnieuw: elke bron wordt opnieuw geknipt en geïndexeerd vanuit de inhoud die wij hebben opgeslagen. Je website wordt daarbij niet opnieuw opgehaald. Je hebt de knop zelden nodig. Hij is er voor het geval dat het indexeren zelf beter is geworden.

Wat automatisch wordt verwijderd#