Respuestas terrestres de LLM en datos reales

El problema

Los usuarios ya no toleran alucinaciones que parezcan seguras. Cuando un asistente cita una estadística que no existe, atribuye una cita a la persona equivocada o inventa un producto que nunca se lanzó, la confianza en todo el producto colapsa. La conexión a tierra es la solución aceptada, pero la mayoría de las fuentes de conexión a tierra son demasiado estrechas (un dominio, un conjunto de documentos) o demasiado obsoletas (rastreo del mes pasado). El LLM termina rechazando preguntas interesantes o inventando cosas con confianza. Ninguna de las dos cosas es aceptable una vez que el asistente está frente a clientes reales.

La solucion de Scavio

Utilice Scavio como capa base para cualquier pregunta que se beneficie de datos externos en vivo. El proceso es simple: clasifique si la pregunta necesita fundamento, llame a Scavio, inserte los fragmentos citados en el mensaje con las URL de origen e indique al modelo que responda solo usando esos fragmentos. El modelo deja de alucinar porque se ha vinculado explícitamente a contenido verificable y los usuarios ven citas en las que pueden hacer clic. Dado que Scavio cubre Google, YouTube, Amazon y Walmart, la fuente básica funciona para consultas objetivas, tutoriales, preguntas sobre productos y más.

Para quien es

Los equipos de productos ofrecen funciones LLM orientadas al usuario. Si su asistente de soporte, ventas o investigación no puede permitirse el lujo de alucinar y sus usuarios esperan citas en las que se pueda hacer clic, conectarse a tierra con Scavio es el listón mínimo.

Beneficios clave

• Fuentes en vivo con URL que el usuario puede verificar
• Cae directamente en cualquier plantilla de aviso de conexión a tierra
• Cubre consultas factuales sobre web, productos y vídeos desde una API
• La latencia de menos de dos segundos hace que las respuestas fundamentadas se sientan rápidas
• Funciona con OpenAI, Anthropic, Gemini y modelos abiertos

Ejemplo en Python

import requests

API_KEY = "your_scavio_api_key"

SYSTEM = (
    "Answer the question using only the provided sources. "
    "Cite each claim with the source number in brackets."
)

def ground(query: str):
    r = requests.post(
        "https://api.scavio.dev/api/v1/search",
        headers={"x-api-key": API_KEY},
        json={"platform": "google", "query": query},
        timeout=10,
    )
    sources = r.json().get("organic", [])[:5]
    context = "\n".join(
        f"[{i+1}] {s['title']}: {s['snippet']} ({s['link']})"
        for i, s in enumerate(sources)
    )
    return SYSTEM, context

sys, ctx = ground("latest iPhone battery life tests")
print(sys, ctx, sep="\n\n")

Ejemplo en JavaScript

const API_KEY = "your_scavio_api_key";

const SYSTEM =
  "Answer the question using only the provided sources. Cite each claim with the source number in brackets.";

async function ground(query) {
  const r = await fetch("https://api.scavio.dev/api/v1/search", {
    method: "POST",
    headers: {
      "x-api-key": API_KEY,
      "content-type": "application/json",
    },
    body: JSON.stringify({ platform: "google", query }),
  });
  const data = await r.json();
  const sources = (data.organic ?? []).slice(0, 5);
  const context = sources
    .map((s, i) => `[${i + 1}] ${s.title}: ${s.snippet} (${s.link})`)
    .join("\n");
  return { system: SYSTEM, context };
}

console.log(await ground("latest iPhone battery life tests"));

Plataformas utilizadas