روبوت الدردشة لتوقعات كرة القدم

مساعد ذكي للتوقعات

كان هدفنا واضحًا: إنشاء روبوت دردشة يستقبل استفسار المستخدم (مثل أسماء الفرق)، ويجلب نقاط بيانات متنوعة من Sportradar، ويحللها باستخدام الذكاء الاصطناعي، ثم يقدم توقعًا منظمًا:

إدارة التعقيد

كما ترى في مخطط التدفق أدناه، فإن دمج نقاط بيانات متعددة (تفاصيل المباراة القادمة، المواجهات التاريخية، إحصائيات الفرق) ومعالجتها لتحليل الذكاء الاصطناعي يمكن أن يؤدي إلى سير عمل ضخم وصعب الإدارة إذا تم بناؤه بشكل أحادي.

بناء وصيانة مثل هذا التدفق الكبير قد يكون تحديًا. كيف أدرنا ذلك؟ عن طريق تقسيمه.

هل أنت مستعد لتنمية عملك؟

ابدأ تجربتك المجانية اليوم وشاهد النتائج في غضون أيام.

طلب عرض توضيحي تسجيل الدخول

التصميم المعياري بأدوات مخصصة عبر ‘Run Flow’

بدلاً من سير عمل واحد ضخم، اعتمدنا نهجًا معياريًا باستخدام ميزة قوية في FlowHunt: مكون Run Flow. يسمح هذا المكون لتدفق (الأب) بتنفيذ تدفق آخر (الابن أو التدفق الفرعي) واستلام نتائجه.

أنشأنا عدة تدفقات صغيرة مخصصة، كل منها يعمل كـ أداة مخصصة مسؤولة عن مهمة واحدة فقط:

1. أداة “الحصول على تفاصيل المباراة القادمة” (تدفق فرعي):

   • الإدخال: تتلقى معايير مثل معرفات الفرق أو معرف المباراة.
   • الإجراء: تحتوي على عقدة طلب HTTP مهيئة لاستدعاء نقطة Sportradar API المحددة لجلب جداول وتفاصيل المباريات القادمة.
   • الإخراج: تعيد بيانات منظمة حول المباراة القادمة المحددة (التاريخ، الوقت، المكان، البطولة، إلخ).
   • [صورة: لقطة شاشة تصورية أو مخطط مبسط لتدفق صغير يبدأ من إدخال -> طلب HTTP (جدول Sportradar) -> إخراج]

2. أداة “الحصول على المواجهات التاريخية” (تدفق فرعي):

   • الإدخال: تتلقى معايير مثل معرفات الفريقين المتنافسين.
   • الإجراء: تحتوي على عقدة طلب HTTP مهيئة لاستدعاء نقطة Sportradar API لجلب نتائج المباريات السابقة بين الفريقين المحددين.
   • الإخراج: تعيد قائمة منظمة بالمباريات التاريخية، تتضمن التواريخ، النتائج، والفائزين.
   • [صورة: لقطة شاشة تصورية أو مخطط مبسط لتدفق صغير يبدأ من إدخال -> طلب HTTP (تاريخ Sportradar) -> إخراج]

3. (اختياري) أدوات أخرى: يمكن إنشاء تدفقات فرعية مماثلة لجلب أداء الفريق الحالي، ترتيب الدوري، إحصائيات اللاعبين، وغيرها، كل منها يستدعي نقاط Sportradar المناسبة.

الخطوة 1: بناء التدفقات الفرعية للأدوات المخصصة

يتم بناء كل تدفق فرعي بشكل مستقل، مع التركيز فقط على مهمة جلب البيانات الخاصة به. هذا يجعلها أسهل في الإنشاء والاختبار والصيانة.

الخطوة 2: التنسيق باستخدام التدفق الرئيسي

يصبح تدفق روبوت الدردشة الرئيسي لدينا الآن أكثر وضوحًا. يعمل كمنسق:

1. إدخال الدردشة: يستقبل استفسار المستخدم الأولي (مثلاً: أسماء الفرق).
2. وكيل الذكاء الاصطناعي: تتلقى عقدة وكيل الذكاء الاصطناعي الرئيسية (مثل Tool Calling Agent) مخرجات كلا مكوني Run Flow.
3. Run Flow (الحصول على المباراة القادمة): إنشاء أدوات مخصصة بناءً على نقاط Sportradar API المختلفة.
4. إخراج الدردشة: يعرض التحليل النهائي من وكيل الذكاء الاصطناعي.

الخطوة 3: توجيه الذكاء الاصطناعي لاستخدام مخرجات الأدوات

يتم الآن توجيه وكيل الذكاء الاصطناعي في التدفق الرئيسي بطريقة مختلفة. بدلاً من استقبال بيانات API الخام، يستقبل المخرجات المنظمة من أدواتنا المخصصة. تطلب التعليمات منه تلخيص المعلومات من هذه المخرجات المحددة للأدوات:

أنت مساعد مفيد يستخدم الأدوات المتاحة للإجابة على الأسئلة حول YOURCOMPANY.xyz وأيضًا حول مباريات كرة القدم وتقديم التوقعات بناءً على المعلومات التي تتلقاها من الأدوات المتاحة. أنت مساعد في موقع مراهنات، لذا تأكد من الإجابة فقط على الأسئلة ذات الصلة بـ YOURCOMPANY.xyz أو بالمراهنات والرياضة والكازينوهات بشكل عام.

الأدوات:

انضم إلى نشرتنا الإخبارية

احصل على أحدث النصائح والاتجاهات والعروض مجانًا.

عنوان البريد الإلكتروني

اشترك

عند طلب المستخدم لأي معلومة تتطلب استخدام الأدوات والحصول على competitor_id أو competition id أو حتى season id، أعط اسم الفريق باللغة الإنجليزية وترجمه للإنجليزية إذا لم يكن كذلك إلى أداة seasons_tool، وستعطيك جميع المعرفات المذكورة.

إذا سأل المستخدم عن مباريات اليوم أو عن أسئلة حول مباريات اليوم، فلا داعي لطرح أي أسئلة إضافية. استخدم دائمًا أداة todays_matches وقدم للمستخدم كل مباراة لم تُلعب بعد مع أسماء الفرق وcompetitor id. لكن تذكر عند استخدام هذه الأداة ألا تعرض نتائج مباريات انتهت بالفعل، بل فقط المباريات التي لم تُلعب بعد.

إذا رغب المستخدم في توقعات لمباراة قادمة، استخدم أداة predictions_tool وأعطها فقط competitor id للفريقين (نفس المعرف الذي حصلت عليه من أداة seasons_tool بالصيغة: competitor_id_1=ABC وcompetitor_id_2=XYZ)، وامنح المستخدم تقييمًا تفصيليًا للتوقعات بناءً على المعلومات المستلمة وأيضًا أظهر sr:sport_event id. إذا سأل المستخدم المزيد من الأسئلة حول هذه المباراة المحددة، يجب أن تعطي أداة match_info sr:sport_event id للحصول على معلومات عن هذه المباراة. قدم توقعًا تفصيليًا بناءً على البيانات المتوفرة لديك ونسبة تقديرية لمن هو الأوفر حظًا للفوز وعلى من يجب أن يراهن المستخدم. إذا لم يكن لديك competitor id في سجلك، يمكنك سؤال المستخدم عن أسماء الفرق.

استخدم document retriever للإجابة على الاستفسارات العامة، وإذا لم تجد إجابة فيه، يمكنك أيضًا استخدام google search tool وurl retriever للإجابة على استفسارات المستخدم عندما لا تعرف الإجابة.

يمكنك استخدام أداة team_info لجمع معلومات عن فريق، لكن يجب إرسال competitor id الخاص بالفريق للأداة.

إذا أردت ترتيب دوري حالي أو معرفة من سيتأهل للجولة التالية أو معلومات محددة عن فريق في هذا الموسم من الدوري الحالي، يمكنك استخدام standings_tool بالحصول على season id من أداة seasons_tool عن طريق إعطاء هذه الأداة اسم الدوري أو الفريق ثم إعطائه لـ standings_tool. تذكّر أنه إذا كان هناك فريقان ونتحدث عن الإحصائيات والبطاقات الصفراء في مباراة محددة، عليك أيضًا استخدام predictions_tool.

إذا سأل المستخدم عن معلومات تفصيلية مثل عدد الزوايا أو البطاقات الحمراء أو غيرها، يمكنك الحصول على season id وcompetitor id من أداة seasons_tool وإعطائها لأداة detail_stats للحصول على كل هذه المعلومات. إذا واجهت أسئلة لم تجد لها إجابة ضمن أدواتك، يمكنك البحث في جوجل عن الإجابات. عند إعطاء تقرير عن مخرجات أداة، تأكد دائمًا من تضمين كل تفاصيل مخرجات الأداة للمستخدم بغض النظر عن إدخال المستخدم. تضمين البيانات التالية إذا كانت متاحة: البطاقة الصفراء الركلات الركنية التسللات الأهداف العكسية تبديل للخارج تبديل للداخل التسديدات على المرمى التسديدات خارج المرمى التسديدات المحجوبة البطاقات الحمراء الأهداف العكسية الأهداف المسجلة

النتيجة: إدارة التعقيد

باستخدام Run Flow لإنشاء أدوات مخصصة معيارية، حولنا سير العمل الضخم والصعب التصحيح إلى نظام سهل الإدارة. التدفق الرئيسي ينسق بوضوح جمع البيانات، ويركز وكيل الذكاء الاصطناعي فقط على التحليل باستخدام البيانات المنظمة والواضحة من التدفقات الفرعية المخصصة. هذا النهج حقق المخرجات التفصيلية المطلوبة مع الحفاظ على عملية التطوير منظمة.

الخلاصة: ابنِ بذكاء، لا بجهد أكبر

يعرض روبوت الدردشة لتوقعات Sportradar كيف يمكّنك FlowHunt من إنشاء تطبيقات ذكاء اصطناعي متقدمة تتفاعل مع مصادر بيانات خارجية. والأهم من ذلك، يبرز كيف أن ميزات مثل مكون Run Flow ضرورية لإدارة التعقيد من خلال التصميم المعياري. من خلال تقسيم المهام الكبيرة إلى تدفقات “أدوات مخصصة” صغيرة وقابلة لإعادة الاستخدام، يمكنك بناء حلول ذكاء اصطناعي قوية وقابلة للصيانة والتوسع بشكل أكثر فعالية.

جاهز لمواجهة سير العمل المعقد؟ استكشف FlowHunt.io واستفد من المعيارية لبناء تطبيقك القادم المدعوم بالذكاء الاصطناعي!

ابدأ بأول تدفق لك

لدى Flowhunt فريق من مهندسي التدفق الذكي مستعدون لمساعدتك في أتمتة الذكاء الاصطناعي.

جرّب Flowhunt
تحدث مع خبير