Tool Calling Agent
Agent, der kalder værktøjer og bruger en tilpasset systemprompt til at guide LLM i at besvare spørgsmål om YouTube-videoers transskriptioner.
Dette workflow gør det muligt for brugere at chatte interaktivt med transskriptionen af enhver YouTube-video. Ved blot at angive en YouTube-URL kan brugere stille spørgsmål og modtage korte svar baseret på videoens transskription. Systemet er designet til at gøre langformet videoindhold let tilgængeligt og søgbart via samtalebaseret AI.
Trin-for-trin workflowbeskrivelse
1. Chatinitiering og brugervejledning
- Chat Opened Trigger: Workflowet startes, når en bruger åbner chatten. Dette udløser processen og forbereder grænsefladen til brugerinteraktion.
- Velkomstbesked: En beskedwidget viser en venlig velkomst:
"👋 Velkommen til Chat med en YouTube-video værktøjet! Jeg er her for at hjælpe dig med at gøre lange YouTube-videoer til korte svar🌐. Indtast blot URL’en til YouTube-videoen og vent et øjeblik. Jeg giver dig besked, når jeg er klar til at besvare dine spørgsmål. ✨📹" - Beskedoutput: Velkomstbeskeden vises for brugeren i chatoutputtet og guider dem til at indtaste en YouTube-video-URL.
2. Håndtering af brugerinput
- Chat Input: Systemet lytter efter brugerinput, hvilket typisk inkluderer en YouTube-video-URL og eventuelle opfølgende spørgsmål.
- Chat History: Alle tidligere chatbeskeder gemmes i hukommelsen, hvilket muliggør kontekstbaserede svar og kontinuerlige flerspørgsmålssamtaler.
3. Hentning af videotranstekst
- URL Retriever: Når en YouTube-URL angives, bruger workflowet en URL-indholdshenter-node til at udtrække transskriptionen (eller andet tilgængeligt tekstindhold) fra videoen. Denne node er konfigureret til at håndtere op til 30.000 tokens, hvilket gør det muligt at behandle lange videoer.
4. Agentdrevet spørgsmål/svar
- Tool Calling Agent:
- Agenten instrueres i at agere som en professionel YouTube-forsker og personlig assistent.
- Når der modtages en brugerforespørgsel, bruger agenten transskriptionen (hentet af URL Retriever) som sin vidensbase.
- Systemprompten sikrer, at agenten giver korte, præcise svar og undgår at finde på information (“hallucination”), hvis svaret ikke findes i transskriptionen.
- Agenten udnytter chat-historikken til at bevare konteksten på tværs af flere spørgsmål.
- Svaroutput: Agentens svar returneres til brugeren i chatgrænsefladen og lukker løkken ved hvert spørgsmål.
Workflowstruktur
| Trin | Komponent | Formål |
|---|---|---|
| 1. Chatstart | ChatOpenedTrigger, MessageWidget | Hils på brugeren og giv instruktioner |
| 2. Brugerinput | ChatInput, ChatHistory | Modtag brugerforespørgsler og husk samtalehistorik |
| 3. Hent transskription | URLContent | Udtræk transskription fra YouTube-video |
| 4. Q&A Agent | ToolCallingAgent | Besvar brugerspørgsmål ved brug af transskription og chatkontekst |
| 5. Output | ChatOutput | Vis beskeder og svar til brugeren |
Fordele & anvendelsesmuligheder
- Skalérbarhed: Workflowet gør det muligt for alle at interagere med potentielt ubegrænsede YouTube-videoer uden manuel læsning af transskriptioner.
- Automatisering: Processen med at udtrække transskriptioner og besvare spørgsmål er fuldt automatiseret og sparer timers manuelt arbejde.
- Forbedret tilgængelighed: Brugere kan hurtigt få svar fra lange undervisnings-, foredrags- eller dokumentarvideoer uden at skulle se hele indholdet.
- Vidensbevarelse: Kontekstbaseret flerspørgsmålschat bevarer samtalens flow og understøtter mere komplekse forespørgsler og opfølgninger.
Eksempler på brugsscenarier
- Opsummér hurtigt hovedpunkterne fra et langt interview eller en dokumentar.
- Få definitioner, forklaringer eller uddybning af dele af en video.
- Udtræk lister, tidslinjer eller anden struktureret information fra videoindhold.
- Understøt research ved at muliggøre hurtig Q&A på tværs af flere videokilder.
Konklusion
Dette workflow bringer kraftfuld automatisering og AI-drevet samtale til YouTube-videoindhold og gør det til et værdifuldt værktøj for undervisere, forskere, studerende og indholdsforbrugere, der ønsker at udtrække værdi fra video uden manuelt arbejde. Det kan let skaleres og generaliseres til forskellige typer videoindhold, hvilket maksimerer produktivitet og tilgængelighed.
