Sånn bygde han Partichat.no, uten hallusi­nering

Som førstegangsvelger synes jeg det er vanskelig å få oversikt over alle de politiske partiene og hva de mener. Derfor bygget jeg like før valget Partichat.no – på bare tre dager.

Problemet med å bruke for eksempel ChatGPT før valget er at den lett kan hallusinere. Hva partier mener endrer seg, og ChatGPT er gjerne ikke trent på de nyeste partiprogrammene. I tillegg er det alltid en risiko for at språkmodeller hallusinerer uten mer kontekst.

Partichat løser dette ved å bruke RAG, partiprogrammene som eneste kilde, og en streng systemprompt som nekter å gjette. 

Resultatet er en politisk chatbot med nær null hallusinasjoner – noe jeg mener er avgjørende for demokratiet.

Hvorfor dette er viktig nå

• Valget: Politiske standpunkter bør beskrives slik partiene selv formulerer dem. I en valgsituasjon kan hallusinerte eller “beste gjetning”-svar skape feilinntrykk.
• Etterrettelighet: Når teknologien formidler politikk, må standarden være “kontekst eller stillhet”. Enten finnes det dekning i programmet, eller så sier boten “Ikke omtalt”.
• For meg personlig: Jeg var usikker på hva jeg skulle stemme. Ved å spørre om sakene jeg bryr meg om og se nøytrale, side om side svar basert på partiprogrammene, fikk jeg oversikt og tok et mer velinformert valg.

9 av 10 bekymra for at AI påvirker valget

– Folk frykter å bli påvirket av falsk informasjon. Det må vi ta på alvor, sier Nkom-direktøren.

Nesten null hallusinasjoner

Nesten null hallusinasjoner handler mindre om fancy prompts – og mer om datadisiplin:

• Én ren kilde
• Streng retrieval
• En prompt som nekter å spekulere

Tre grep senket hallusinasjonene:

#1. Kildepolicy: kun partiprogram

Jeg ingester kun offisielle partiprogram PDF-er fra partienes nettsider. Ingen debattinnlegg, nyheter eller blogginnhold. Alle var maskinlesbare, så pdf-parse holdt – ingen OCR.

Metadata per chunk: parti, år, sidetall, kapittel. Dette muliggjør sporbarhet og kommende kildevisning i UI.

#2. Retrieval med likhetsterskel – per parti

• Ingen global miksing. Spør du om Høyre, søker jeg bare i Høyres program.
• Cosine likhet med minimumsterskel. Under terskel? Da får du “Ikke omtalt”.

#3. Systemprompt som nekter å gjette

Jeg instruerer modellen strengt til å alltid søke i partiprogrammet, og ellers svare “Ikke omtalt”.

system: `Du er en nyttig assistent som svarer basert 
   på ${party.name}s partiprogram.
   Bruk verktøyet for å søke etter relevant informasjon i partiprogrammet 
   før du svarer.
   Svar kun basert på informasjon fra partiprogrammet.
   Hvis ingen relevant informasjon finnes, svar 
   "Ikke omtalt i ${party.name}s partiprogram."`

Skal vi bli verdens mest eller best digitaliserte land?

– Retninga Karianne Tung har peika ut treng ei kraftig justering, skriver jurist Sigbjørn Råsberg, og foreslår hvordan vi kan gå fra å bli mest, til best, digitalisert.

Stack og utvikling

Siden jeg fikk idéen litt sent før valget, måtte jeg lage nettsiden kjapt. For å spare tid brukte jeg Vercel AI SDK v5, som gjør det utrolig enkelt å komme i gang med en fullstack chat applikasjon. De har også en egen RAG Guide.

Frontend ble raskt utformet med hjelp av Claude Code. For å bevare kodekvaliteten bruker jeg streng typesjekking med TypeScript og Biome med Ultracite for formatering og linting. Ultracite setter opp strenge regler for deg - og brukes blant annet av Shadcn (utvikleren bak de kjente komponent biblioteket).

Stacken min:

• Next.js (frontend/backend)
• Shadcn
• Tailwind
• Bun
• Postgres med pgvector
• Drizzle ORM
• oRPC

Stor protest mot AI: «Skurke-teknologi!»

– Først og fremst krever vi at det offentlige Norge, redaktører og forlag drar i bremsen, sier Flu Hartberg om parolen.

Hvordan RAG fungerer – kort forklart

I stedet for å la svaret til en språkmodell bare basere seg på treningsdata, kan man feste relevant kontekst til hvert spørsmål ved bruk av RAG.

Nøkkelen ligger i embeddings og vector similarity search:

• Embeddings er vektorer som fanger semantikken i en tekst.
• Tekster med lik betydning får embeddings som ligger nær hverandre.
• Brukerens spørsmål gjøres om til en embedding, og sammenlignes med embeddings fra partiprogrammene.
• Treffer vi over en viss terskel, brukes det som kontekst. Hvis ikke → “Ikke omtalt”.

Et datapunkt som bygde tillit

Jeg testet “Hva mener partiet om formueskatt?” på alle partier. 

Alt var greit – bortsett fra Arbeiderpartiet, som ga “Ikke omtalt i partiprogrammet”. 

Først trodde jeg det var en bug. Det viste seg å være korrekt. 

Den typen “nei svar” er akkurat det du vil ha når kilden ikke dekker spørsmålet.

– Hæ? Er det bare Rødt jeg bør stemme på?

Jørgen i kode24 lurer på om utviklerjobben hans bør ha noe å si for hvilke parti han stemmer på i stortingsvalget.