محفز (PromptTemplate-xAz1P)
أنشئ قالب محفز بمتغيرات ديناميكية ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
---CONVERSATION HISTORY---
{context}
---
---LATEST MESSAGE---
{input}
---
وكيل دعم العملاء بالذكاء الاصطناعي مع قاعدة معرفة وإثراء عبر API
يعمل هذا التدفق الآلي المدعوم بالذكاء الاصطناعي على أتمتة دعم العملاء من خلال دمج البحث في قاعدة المعرفة الداخلية، واسترجاع المعرفة من مستندات Google، والتكامل مع واجهات برمجة التطبيقات (API)، والاستدلال المتقدم لنماذج اللغة. يجيب الوكيل باللغة السلوفاكية أو بلغة العميل، ويقدم دائمًا معلومات محدثة، ويمكنه تصعيد الحالات إلى دعم بشري إذا لزم الأمر. مثالي للشركات التي تبحث عن خدمة عملاء متعددة اللغات، مؤتمتة، وواعية للسياق.
التدفقات
كيف يعمل تدفق الذكاء الاصطناعي
- استقبال استفسار العميل.
- يقوم التدفق بالتقاط استفسارات العملاء من مدخلات الدردشة واسترجاع سجل الدردشة الأخير للسياق.
- جمع المعرفة من المصادر الداخلية والخارجية.
- يبحث سير العمل في مستودعات المستندات الداخلية ومستندات Google المتصلة عن معلومات قاعدة المعرفة ذات الصلة باستخدام أدوات استرجاع المستندات.
- إثراء وتحليل البيانات عبر API.
- تُستخدم معرفات رسائل العملاء لاستدعاء واجهات برمجة التطبيقات الخارجية، واسترجاع سجلات الرسائل، وتحليل المعلومات الضرورية لإثراء السياق.
- إجابات الوكيل بالذكاء الاصطناعي وتوليد متعدد اللغات.
- يستخدم وكيل الذكاء الاصطناعي المتقدم السياق المجمع، ومصادر المعرفة، ونماذج اللغة لتوليد ردود باللغة السلوفاكية أو بلغة العميل، مع ضمان الإجابات المهنية والموجزة والدقيقة.
- الرد على العميل والتصعيد إذا لزم الأمر.
- يقدم الوكيل الرد للعميل، بما في ذلك الروابط والمعلومات ذات الصلة، ويصعد القضية إلى الدعم البشري إذا تعذر حل الاستفسار تلقائيًا.
المطالبات المستخدمة في هذا التدفق
فيما يلي قائمة كاملة بجميع المطالبات المستخدمة في هذا التدفق لتحقيق وظائفه. المطالبات هي التعليمات المعطاة لنموذج الذكاء الاصطناعي لتوليد الاستجابات أو تنفيذ الإجراءات. تقود الذكاء الاصطناعي في فهم نية المستخدم وتوليد مخرجات ذات صلة.
محفز (PromptTemplate-4mVjl)
أنشئ قالب محفز بمتغيرات ديناميكية ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
---CHAT HISTORY---
{chat_history}
---
---CUSTOMER QUERY---
{context}
---
---LLM RESPONSE---
{input}
---
The final output presented to the agent should include:
the original CUSTOMER QUERY
the Slovak translation of the CUSTOMER QUERY
LLM RESPONSE in Slovak
LLM RESPONSE in the customer's language (to be sent)
محفز (PromptTemplate-u9XGO)
أنشئ قالب محفز بمتغيرات ديناميكية ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages
محفز (PromptTemplate-5nKVc)
أنشئ قالب محفز بمتغيرات ديناميكية ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
https://YOURCOMPANY.ladesk.com/api/conversations/{human_input}/messages
مولد (Generator-eSD0Q)
توليد نص باستخدام محفز الإدخال ونموذج LLM المحدد.
extract the "message" section of the "type": "M" only the section exactly as it is and only and only output the latest message based on the date with nothing else but the users message itself.
وكيل استدعاء الأدوات (ToolCallingAgent-K7dur)
وكيل استدعاء الأدوات.
You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for YOURCOMPANY. You respond in Slovak language by default, or in the customer's input language if detected to be different than Slovak. AND ALWAYS USE EMAIL TONE AND FORMAT.
<u>Your role:</u>
You combine the responsibilities of technical customer support and product recommendation assistant. You help customers solve issues, make decisions, and complete purchases related to YOURCOMPANY products and services. Your tone is always friendly and professional, and your goal is to ensure the customer feels understood, supported, and confident in their next step.
<u>Your Goal:</u>
you receive CONVERSATION HISTORY and the most recent user query as LATEST MESSAGE your goal is to answer the LATEST MESSAGE based on the tools at your disposal. 
<u>Identify intent and provide answers:</u>
First source: ALWAYS SEARCH THE knowledge_source_tool TO ANSWER USER'S QUESTION AND NEVER ANSWER FROM YOURSELF.
Second source: Always use the Document Retriever tool to find context related to the question.
If relevant context is found:
Use it to provide accurate, concise answers.
Include ONLY RELEVANT URLs retrieved from the Document Retriever, never edit the url.
Never invent product names and category names. You can recognize a category by the fact that the page MUST contain a list of different products.; use only those available in your knowledge base.
Follow the information exactly as stated in the reference.
If no relevant context is found and the question is about YOURCOMPANY:
Ask polite clarifying questions to gather more details.
If still unresolved, use the Contact Human Assist tool to transfer to a human support agent.
If the customer’s message is unclear or incomplete:
Do not guess — always ask for more information before answering.
If the customer shows interest in a specific product:
Let them know that pricing and ordering is quick and simple directly on the website.
They can configure the product (dimensions, extras, quantity…) and see the price immediately and the production time.
If the question is about production time, always include express options if available.
For inquiries not related to YOURCOMPANY:
Politely inform the customer that you only provide support for YOURCOMPANY.
Suggest contacting the appropriate business support team at CONTACT METHOD
<u>Resource Utilization:</u>
Use the Document Retriever to search for knowledge relevant to the customer question.
Use the Contact Human Assist tool to escalate if needed.
Use the Document Retriever to provide valid product or info links - NEVER invent or assume URLs
<u>Formatting:</u>
Your tone is always friendly, clear, and professional.
The answers should be SHORT - max. about 100-200 tokens.
Use structured formatting:
Short paragraphs
Bold text for emphasis
Bullet points where appropriate
Emojis to make the messages more engaging 😊
Write in plain text format. Do not use markdown.
المكونات المستخدمة في هذا التدفق
فيما يلي قائمة كاملة بجميع المكونات المستخدمة في هذا التدفق لتحقيق وظائفه. المكونات هي كتل البناء لكل تدفق ذكاء اصطناعي. تتيح لك إنشاء تفاعلات معقدة وأتمتة المهام من خلال ربط وظائف مختلفة. كل مكون يخدم غرضاً محدداً، مثل التعامل مع مدخلات المستخدم أو معالجة البيانات أو التكامل مع الخدمات الخارجية.
إدخال الدردشة
مكوّن إدخال الدردشة في FlowHunt يطلق تفاعلات المستخدم من خلال التقاط الرسائل من ساحة اللعب. يعمل كنقطة البداية للتدفقات، مما يتيح لسير العمل معالجة المدخلات النصية وتلك المستندة إلى الملفات.
مكوّن البرومبت في FlowHunt
تعرّف على كيفية استخدام مكوّن البرومبت في FlowHunt لتعريف دور وسلوك روبوت الذكاء الاصطناعي الخاص بك، مما يضمن ردودًا ذات صلة وشخصية. خصص البرومبت والقوالب لخلق تدفقات دردشة فعّالة وواعية بالسياق.
إنشاء بيانات
تتيح لك مكوّنات إنشاء البيانات إنشاء سجلات بيانات منظمة بشكل ديناميكي مع عدد قابل للتخصيص من الحقول. مثالية لسير العمل الذي يتطلب إنشاء كائنات بيانات جديدة بشكل فوري، حيث تدعم تكوين الحقول بمرونة وتتكامل بسلاسة مع خطوات الأتمتة الأخرى.
طلب API
ادمج البيانات والخدمات الخارجية في سير عملك باستخدام مكون طلب API. أرسل طلبات HTTP بسهولة، واضبط رؤوس الطلبات، والجسم، ومعلمات الاستعلام، وتعامل مع عدة طرق مثل GET وPOST. ضروري لربط الأتمتة الخاصة بك بأي واجهة API أو خدمة ويب.
تحليل البيانات
يحوّل مكون تحليل البيانات البيانات المهيكلة إلى نص عادي باستخدام قوالب قابلة للتخصيص. يتيح ذلك تنسيقًا مرنًا وتحويلًا لمدخلات البيانات لاستخدامها لاحقًا في سير عملك، مما يساعد على توحيد أو تجهيز المعلومات للمكونات اللاحقة.
المُوَلِّد
استكشف مكون المُوَلِّد في FlowHunt—توليد نصوص قوية مدعومة بالذكاء الاصطناعي باستخدام نموذج LLM الذي تختاره. أنشئ بسهولة ردود ديناميكية للدردشة بدمج المطالبات، والتعليمات النظامية الاختيارية، وحتى الصور كمدخلات، مما يجعله أداة أساسية لبناء سير عمل ذكي وحواري.
LLM أوبن أي آي
يدعم FlowHunt العشرات من نماذج توليد النصوص، بما في ذلك نماذج أوبن أي آي. إليك كيفية استخدام ChatGPT في أدوات الذكاء الاصطناعي وروبوتات الدردشة الخاصة بك.
مكوّن سجل الدردشة
يتيح مكون سجل الدردشة في FlowHunt للروبوتات تذكر الرسائل السابقة، مما يضمن محادثات متسقة وتجربة عملاء محسنة مع تحسين استخدام الذاكرة والرموز.
وكيل استدعاء الأدوات
استكشف وكيل استدعاء الأدوات في FlowHunt—مكون متقدم في سير العمل يمكّن وكلاء الذكاء الاصطناعي من اختيار واستخدام الأدوات الخارجية بذكاء للإجابة على الاستفسارات المعقدة. مثالي لبناء حلول ذكاء اصطناعي ذكية تتطلب استخدامًا ديناميكيًا للأدوات، واستدلالًا تكراريًا، ودمجًا مع عدة مصادر.
مسترجع المستندات
يعزز مسترجع المستندات من FlowHunt دقة الذكاء الاصطناعي من خلال ربط النماذج التوليدية بمستنداتك وروابطك الخاصة المحدثة، مما يضمن الحصول على إجابات موثوقة وذات صلة باستخدام التوليد المعزز بالاسترجاع (RAG).
مسترجع مستندات Google
ادمج سير عملك مع مستندات Google باستخدام مكون مسترجع مستندات Google—احصل بسلاسة على محتوى المستندات لاستخدامه في الأتمتة، روبوتات الدردشة، أو سير عمل المعرفة. مثالي للوصول إلى مستنداتك في Google Docs ومعالجتها والاستفادة منها ضمن تدفقات FlowHunt.
إخراج الدردشة
اكتشف مكون إخراج الدردشة في FlowHunt—أنهِ ردود الدردشة مع مخرجات متعددة ومرنة. ضروري لإكمال التدفق بسلاسة وإنشاء روبوتات دردشة تفاعلية ومتقدمة بالذكاء الاصطناعي.
وصف التدفق
الغرض والفوائد
نظرة عامة
يعمل سير العمل هذا على أتمتة عملية استرجاع رسائل العملاء من نظام التذاكر أو الدعم، واستخراج أحدث رسالة ذات صلة، وتعزيزها بالسياق وسجل الدردشة، ثم الاستفادة من الذكاء الاصطناعي المتقدم (LLMs) المدمج مع أدوات المعرفة لتوليد ردود دعم عملاء احترافية ومتعددة اللغات. بعد ذلك، يقوم النظام بإعداد هذه الردود وإرسالها إلى الأنظمة الخارجية، مما يجعله مثاليًا لتوسيع وأتمتة دعم العملاء، واسترجاع المعرفة، وتكامل واجهات برمجة التطبيقات الخارجية.
شرح خطوة بخطوة
1. اكتساب وتحضير المدخلات
- مدخل الدردشة: يمكن لسير العمل استقبال رسائل الدردشة الواردة مباشرة.
- إنشاء محفز لواجهة API: يستخدم النظام قالب محفز لبناء عنوان URL ديناميكي لجلب رسائل التذكرة من واجهة API خارجية (مثل
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages). هذا يتيح استرجاعًا مرنًا بناءً على بيانات المستخدم الواردة. - بناء معلمات الاستعلام: يُستخدم عقدة إنشاء البيانات لبناء معلمات الاستعلام المطلوبة لطلب API بشكل ديناميكي.
2. استرجاع البيانات الخارجية
- طلب API: باستخدام عنوان URL ومعلمات الاستعلام المنشأة، يرسل سير العمل طلب GET لجلب سجل رسائل التذكرة من نظام تذاكر خارجي. يدعم المصادقة عبر مفتاح API من خلال الرؤوس.
- تحليل البيانات المسترجعة: بمجرد أن تعيد واجهة API البيانات، يقوم عقدة التحليل بترتيب وتحويل هذه البيانات إلى نص عادي باستخدام القوالب، لتصبح مناسبة للمعالجة بواسطة الذكاء الاصطناعي لاحقًا.
3. استخراج الرسالة والمعالجة المسبقة
- استخراج عبر LLM: يُستخدم نموذج لغة من OpenAI (مثل GPT-4.1) مع تعليمات نظام لاستخراج أحدث رسالة مستخدم فقط من بيانات التذكرة (تحديدًا الرسائل من النوع “M”)—مما يضمن معالجة المحتوى ذي الصلة فقط.
- إثراء المحفز: تُدرج الرسالة المستخرجة وسياق الدردشة في قالب محفز متقدم يتضمن سجل المحادثة وتقسيم أحدث رسالة، لتحضير الإدخال للوكيل الداعم الرئيسي.
4. تعزيز المعرفة
- سجل الدردشة: يمكن للنظام البحث عن آخر N رسالة في المحادثة لتوفير استمرارية وسياق أغنى.
- استرجاع المستندات: أداة استرجاع المستندات تبحث في قواعد المعرفة الداخلية/الخارجية (مع إمكانية تضمين مستندات Google) عن معلومات ذات صلة للإجابة على استفسار العميل. هذا ضروري لتأصيل الردود في معرفة دقيقة ومحدثة.
- تكامل الأدوات: كل من أداة استرجاع المستندات ومسترجع مستندات Google مسجلتان كـ “أدوات” متاحة للوكيل، مما يمكّنه من البحث الديناميكي أثناء توليد الرد.
5. توليد الرد عبر الوكيل
- وكيل استدعاء الأدوات: في القلب يوجد وكيل استدعاء الأدوات (مدعوم بنموذج LLM)، والذي يتلقى المحفز المثرى، وسجل الدردشة، والوصول إلى أدوات المعرفة. دوره تحديد نية المستخدم، والبحث في قاعدة المعرفة/الأدوات عن الإجابات، وتأليف رد موجز وودود واحترافي.
- يجيب الوكيل دائمًا بالسلوفاكية افتراضيًا أو يتحول إلى لغة العميل إذا تم اكتشاف ذلك.
- يفرض تنسيق منظم: فقرات قصيرة، إبراز غامق للنقاط المهمة، نقاط تعداد، ورموز تعبيرية لجذب الانتباه.
- يعطي الأولوية للمعلومات المسترجعة، لا يخترع الحقائق أو الروابط، يطلب توضيحات إذا لزم الأمر، ويصعد الحالات غير المحلولة إلى وكلاء بشريين.
- جميع الردود تلتزم بنبرة وهيكل دعم العملاء، ومناسبة لرسائل البريد الإلكتروني.
6. المعالجة اللاحقة والإخراج
- تنسيق الرد: تتم معالجة رد الوكيل عبر قوالب محفز لتكوين إخراج متعدد اللغات (مثل تضمين كل من السلوفاكية ولغة العميل الأصلية).
- توليد عبر LLM: يمكن لعقدة LLM أخرى توليد أو ترجمة أجزاء من الإخراج حسب الحاجة.
- تكامل API للإرسال الخارجي: يبني سير العمل كائنات بيانات ديناميكيًا لطلبات API الصادرة، ويغلف الرد المولّد، ويرسله (عادة عبر POST) إلى النظام الخارجي المناسب.
- تحليل والإخراج النهائي: يمكن تحليل ردود API الخارجية وعرضها في ساحة دردشة أو إرسالها مرة أخرى إلى واجهة المستخدم.
المكونات الرئيسية ووظيفتها
| المكون | الوظيفة |
|---|---|
| مدخل الدردشة | استقبال رسائل المستخدم/العميل |
| قالب المحفز | بناء عناوين URL ورسائل محفز ديناميكيًا |
| طلب API | جلب بيانات/رسائل التذاكر من النظام الخارجي |
| تحليل البيانات | تحويل البيانات المهيكلة إلى نص عادي |
| OpenAI LLM | استخراج الرسائل ذات الصلة، توليد أو ترجمة الردود |
| مسترجع المستندات | البحث في قاعدة المعرفة عن معلومات ذات صلة |
| مسترجع مستندات Google | دمج المستندات الخارجية كمصدر معرفة للوكيل |
| وكيل استدعاء الأدوات | وكيل دعم مركزي بالذكاء الاصطناعي—يستخدم الأدوات وسجل الدردشة |
| إنشاء بيانات | تغليف الردود والبيانات لطلبات API الصادرة |
| إخراج الدردشة | عرض النتيجة النهائية للمستخدم أو النظام |
| الملاحظات | تقديم إرشادات للمشغل (مثل مكان إدخال مفاتيح API/عناوين URL) |
حالات الاستخدام والفوائد
- دعم العملاء المؤتمت: يسهل عملية استخراج، تعزيز، والرد على استفسارات العملاء بإجابات احترافية ودقيقة وواعية للسياق.
- دعم متعدد اللغات: يكتشف تلقائيًا ويجيب بلغة العميل، مع معالجة الترجمة والتنسيق بواسطة سير العمل.
- إدارة معرفة قابلة للتوسع: يدمج مصادر معرفة متعددة (مستندات داخلية، مستندات Google، إلخ) لإجابات شاملة ومحدثة.
- تكامل سلس مع الأنظمة الخارجية: يتصل بسهولة بواجهات برمجة التطبيقات المختلفة لكل من الإجراءات الواردة (جلب الرسائل) والصادرة (إرسال الردود).
- تصعيد بشري عند الحاجة: يسلم تلقائيًا الحالات غير المحلولة أو غير الواضحة إلى وكلاء بشريين، لضمان دعم عالي الجودة.
لماذا هذا سير العمل مفيد للتوسع والأتمتة
- تقليل العمل اليدوي: من خلال أتمتة استرجاع البيانات، واستخراج الرسائل، وبناء السياق، وتوليد الردود، يقلل من الحاجة لتدخل بشري في الاستفسارات الروتينية.
- الاتساق والجودة: يضمن أن جميع الاتصالات مع العملاء تلتزم بنبرة الشركة وتنسيقها ودقتها، بغض النظر عن الوكيل أو التوقيت.
- تكيف سريع: يتصل بسهولة بمصادر بيانات أو واجهات API جديدة، ويتكيف مع لغات جديدة، ويمكنه التوسع لمعالجة أحجام دعم أعلى مع إعداد إضافي بسيط.
- تحسين رضا العملاء: ردود سريعة وذات صلة وودودة—مصممة لكل لغة واستفسار—تؤدي إلى تجارب أفضل وولاء أكبر.
التدفق البصري (مبسط)
فيما يلي تمثيل مخطط انسيابي مبسط للخطوات الرئيسية:
- مدخل الدردشة / استعلام API →
- جلب رسائل التذاكر (طلب API) →
- تحليل البيانات →
- استخراج أحدث رسالة مستخدم (LLM) →
- إثراء المحفز بالسياق والسجل →
- استرجاع المعرفة (مسترجع مستندات/Google Docs) →
- وكيل استدعاء الأدوات (LLM) يولد الرد →
- تنسيق/ترجمة/إرسال الرد (طلب API) →
- عرض/تسليم الإخراج
يمثل سير العمل هذا أساسًا قويًا لأي مؤسسة تسعى لأتمتة وتوسيع دعم العملاء، أو المساعدة الفنية، أو تدفقات تسليم المعلومات التي تتطلب تكاملًا مع واجهات API خارجية، وقواعد معرفة، وردود ذكاء اصطناعي متقدمة.
دعنا نبني فريق الذكاء الاصطناعي الخاص بك
نحن نساعد الشركات مثل شركتك في تطوير روبوتات الدردشة الذكية، وخوادم MCP، وأدوات الذكاء الاصطناعي أو أنواع أخرى من أتمتة الذكاء الاصطناعي لاستبدال البشر في المهام المتكررة في مؤسستك.
اعرف المزيد
وكيل دعم العملاء الذكي لـLiveAgent
يعمل هذا التدفق على أتمتة دعم العملاء لشركتك من خلال دمج محادثات LiveAgent، واستخلاص بيانات المحادثة ذات الصلة، وتوليد الردود باستخدام نماذج الذكاء الاصطناعي، و...
4 دقيقة قراءة
وكيل دعم العملاء بالذكاء الاصطناعي مع تكامل API لـ LiveAgent
يقوم سير العمل المدعوم بالذكاء الاصطناعي هذا بأتمتة دعم العملاء من خلال ربط استفسارات المستخدمين بمصادر معرفة الشركة وواجهات برمجة التطبيقات الخارجية (مثل LiveA...
5 دقيقة قراءة
أداة عميل Bitrix24 MCP
يستفيد سير العمل هذا من وكيل ذكاء اصطناعي مدمج مع أداة عميل MCP لمعالجة مدخلات الدردشة من المستخدمين، واستخدام سجل الدردشة لمزيد من الفهم السياقي، وإخراج ردود ذ...
3 دقيقة قراءة