طراحی مدل محتوا در Contentstack با هوش مصنوعی
مشخص کنید کدام اطلاعات بخشی از یک صفحهاند و کدام باید جدا و قابل استفاده در چند صفحه باشند. نتیجه را از دید نویسنده و برنامهای که داده را میخواند بسنجید.
طراحی مدل محتوا در Contentstack با هوش مصنوعی از جایی جدی میشود که نویسنده برای اصلاح معرفی یک مدرس مجبور است همان جمله را در پنج صفحه عوض کند. از طرفی اگر هر جمله را به یک رکورد مستقل تبدیل کنید، ساختن یک صفحه ساده هم چند بار رفت و برگشت لازم دارد. اسکیل cms-data-modeling-best-practices به ایجنتتون کمک میکند این تصمیم را بر اساس نحوه استفاده و ویرایش محتوا بگیرید.
مثلا معرفی مدرس شاید در چند دوره دیده شود و زمان بهروزرسانی خودش را داشته باشد، ولی توصیهای که فقط برای درس اول نوشته شده میتواند کنار همان درس بماند. قبل از تغییر ساختار میتوانید بپرسید تیم محتوا چه چیزی را جدا ویرایش میکند، برنامه کدام فیلد را برای پیدا کردن یک دوره میخواند و کدام بخش واقعا به ترجمه جدا نیاز دارد.
کاربردها
- ساختار محتوا را با کاری که نویسنده انجام میدهد بسنجید تا برای ویرایش یک جمله مجبور نباشد چند صفحه نامرتبط را باز کند.
- برای فیلد مشترک مشخص کنید فقط شکل ورود اطلاعات تکرار میشود یا خود مقدار هم باید در همه صفحهها یکسان بماند.
- در مدل چندزبانه بررسی کنید کدام فیلد ترجمه میشود و کدام مقدار مثل شناسه محصول در همه زبانها مشترک است.
- هر ارجاع محتوا را از دید برنامه هم بخوانید و ببینید برای نمایش یک کارت ساده چند رابطه باید دنبال شود.
- اطلاعاتی را که قرار است با آن فیلتر بسازید در فیلدی قابل خواندن بگذارید تا در متن آزاد پنهان نشود.
نصب و استفاده
- یک نمونه مجاز از ساختار فعلی و دو کار معمول نویسنده را به ایجنت بدهید. برای بررسی روی کاغذ حساب لازم نیست، ولی اعمال تغییر به دسترسی مجاز نیاز دارد.
- مثلا بگویید «معرفی مدرس در سه دوره تکرار شده. بگو کدام بخش را جدا نگه داریم و اگر امروز معرفی عوض شد، نویسنده کجا را ویرایش کند.»
- پیشنهاد را با یک صفحه واقعی امتحان کنید و قبل از تغییر مدل، اثر آن را روی اطلاعات قدیمی و برنامه خواننده بررسی کنید.
سوالات متداول
منبع
ساخته Contentstack. نام اصلی: cms-data-modeling-best-practices، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub