Prompt
Opret en prompt-skabelon med dynamiske variabler ({input}, {human_input}, {context}, {chat_history}, {system_message}).
This is the message from user:
{input}
LiveAgent AI Chatbot Support
Automatisér kundesupport i LiveAgent med en AI-chatbot, der besvarer spørgsmål ved hjælp af din interne vidensbase, henter relevante dokumenter og smidigt overdrager til menneskelige agenter, når det er nødvendigt. Forbedr svartider og kundetilfredshed med intelligent henvendelseshåndtering.
Flows
Sådan fungerer AI-flowet
- Modtag kundechat.
- Opfanger indgående chatbeskeder fra besøgende på hjemmesiden i LiveAgent.
- Forbered AI-prompt.
- Formaterer brugerinput og chat-historik for at skabe en klar prompt til AI-agenten.
- AI-agent behandler henvendelse.
- AI-agenten analyserer spørgsmålet, søger i interne dokumenter og videnskilder og fastlægger den bedste svarstrategi.
- Hent svar eller eskaler.
- Henter information fra den interne vidensbase eller eskalerer chatten til en menneskelig supportagent, hvis det er nødvendigt.
- Svar kunden.
- Leverer det AI-genererede svar eller forbinder kunden med en menneskelig agent i LiveAgent-chatten.
Prompts brugt i dette flow
Nedenfor er en komplet liste over alle prompts, der bruges i dette flow for at opnå dets funktionalitet. Prompts er instruktioner givet til AI-modellen for at generere svar eller udføre handlinger. De vejleder AI'en i at forstå brugerens hensigt og generere relevante outputs.
Tool Calling Agent
En værktøjs-kaldende agent.
You are an AI language model assistant acting as technical live chat customer support specialist for ***[https://www.YOURWEBSITE.com]*** - ***YOUR_BUSINESS***.
***
<u>**Initial response:**xa0</u>
Conversation may start with automatic pre-chat info (e.g. email, data consent). Start with a greeting, then reply in customer language, offering assistance.
***
<u>**Identify intent and provide answers:**</u>
1. Search for Relevant Content:
- Use Document Retriever tool to find context related to the question.
2. If Relevant Context is Found:
- Use found knowledge sources to provide concise answers with URLs from Document Retriever for more info.
- Provide setup instructions exactly as stated in the referenced URL.
3. If No Relevant Context is Found and Questions are About **YOUR_BUSINESS**:
- Request additional information for unclear queries.
- Focus first on gathering more details, and use Document Retriever again.
- If still unresolved, use the Contact Human Assist tool to transfer the chat to a human support agent. (Ensure the customer speaks ENGLISH for live assistance).
4. For Inquiries NOT related to **YOUR_BUSINESS**:
- Recognize and direct unrelated inquiries to the support team of the mentioned software or business and prevent misuse for inquiries unrelated to **YOUR_BUSINESS**.
***
<u>**Resource Utilization**</u>
* Use "Document Retriever" to search for knowledge relevant to customer question
* Use "Contact Human Assist" tool for transfer valid and relevant communication to Human agent.
* If visitor is asking about pricing of **YOUR_SERVICE**, use URL retriever tool with URL **YOUR-PRICING-PAGE.COM**.
* If customer is asking about recent changes, check **YOUR-PAGE-WITH-RECENT-CHANGES** and **YOUR-PAGE-WITH-NEWS** using URL retriever tool
***
<u>**Formatting:**</u>
* Answer in the conversation's language.
* NEVER USE BULLETPOINTS (not supported yet)
* Use dashes instead of bullet points.
* DO NOT USE MARKDOWN (not supported yet)
* Keep answers in plain text format.
Komponenter brugt i dette flow
Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.
ChatInput
Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.
Prompt-komponent i FlowHunt
Lær, hvordan FlowHunt's Prompt-komponent lader dig definere din AI-bots rolle og adfærd, så du sikrer relevante og personlige svar. Tilpas prompts og skabeloner for effektive, kontekstbevidste chatbot-flows.
Chat Historik Komponent
Chat Historik-komponenten i FlowHunt gør det muligt for chatbots at huske tidligere beskeder, hvilket sikrer sammenhængende samtaler og forbedret kundeoplevelse, samtidig med at hukommelse og token-forbrug optimeres.
Værktøjsopkald Agent
Udforsk Tool Calling Agent i FlowHunt—en avanceret workflow-komponent, der gør det muligt for AI-agenter intelligent at vælge og bruge eksterne værktøjer til at besvare komplekse forespørgsler. Perfekt til at bygge smarte AI-løsninger, der kræver dynamisk værktøjsbrug, iterativ ræsonnering og integration med flere ressourcer.
Dokumenthenter
FlowHunt's Dokumenthenter forbedrer AI-nøjagtigheden ved at forbinde generative modeller til dine egne opdaterede dokumenter og URL'er, hvilket sikrer pålidelige og relevante svar ved hjælp af Retrieval-Augmented Generation (RAG).
URL-henter
Lås op for webindhold i dine arbejdsgange med URL-henter-komponenten. Udfør nemt udtræk og behandling af tekst og metadata fra enhver liste af URL’er – inklusive webartikler, dokumenter og meget mere. Understøtter avancerede muligheder som OCR for billeder, selektiv metadataudtræk og tilpasset caching, hvilket gør den ideel til at bygge vidensrige AI-flows og automatiseringer.
LiveAgent-integration
Integrer FlowHunt Chatbot med LiveAgent for problemfri overgange fra AI til menneskelig support. AI-agenten eskalerer intelligent samtaler til menneskelige agenter, hvilket sikrer glatte kundeinteraktioner og reducerer frustration.
Chat Output
Opdag Chat Output-komponenten i FlowHunt—afslut chatbot-svar med fleksible, fler-delte outputs. Uundværlig for problemfri flow-afslutning og til at skabe avancerede, interaktive AI-chatbots.
Flow-beskrivelse
Formål og fordele
Denne arbejdsgang gør det muligt for en chatbot automatisk at håndtere live chat-interaktioner på LiveAgent-platformen. Botten udnytter en intern vidensbase og kan videresende kundehenvendelser til menneskelige agenter, når det er nødvendigt. Hovedformålet er at automatisere kundesupport, levere øjeblikkelige svar og skalere supportdriften, samtidig med at der sikres en smidig overdragelse til menneskelige agenter ved komplekse eller uløste sager.
Oversigt over arbejdsgangen
Arbejdsgangen behandler indgående chatbeskeder, henter kontekst fra samtalehistorikken, søger i intern dokumentation og genererer svar. Hvis chatbotten ikke kan løse et spørgsmål, kan den eskalere chatten til en rigtig menneskelig agent via integrationen med LiveAgent.
Nøglekomponenter og deres roller
| Komponentnavn | Rolle/Funktion |
|---|---|
| Chat Input | Modtager indgående brugermeddelelser fra chatgrænsefladen. |
| Chat History | Henter nylig chat-historik for at give kontekst til svarene. |
| Prompt Template | Formaterer den indgående besked og kontekst til en prompt for chatbot-agenten. |
| Document Retriever | Søger i intern dokumentation og vidensbaser efter relevante svar. |
| URL Retriever | Henter og fortolker eksterne websider eller dokumentation baseret på URL’er for opdaterede svar. |
| LiveAgent Human Assist Tool | Muliggør eskalering til en menneskelig supportagent via LiveAgent, når det er nødvendigt. |
| Tool Calling Agent | Den primære chatbot-“hjerne”, der styrer dokumentsøgning, svargenerering og eskaleringslogik. |
| Chat Output | Viser chatbot’ens svar i chatgrænsefladen. |
| Note Widget | Giver opsætningsvejledning til administratorer, så chatbotten kan tilpasses til deres virksomhed. |
Sådan fungerer arbejdsgangen
Indtagelse af brugermeddelelse: Arbejdsgangen starter med Chat Input-noden, som opfanger hver ny besked fra brugeren.
Kontekstindsamling: Samtidig henter Chat History-noden den seneste samtalehistorik (op til 10 beskeder) for at sikre kontekstbevidste svar.
Opbygning af prompt: Prompt Template-noden sammensætter dynamisk en prompt ved at indsætte brugerens besked og kontekst, så den er klar til forarbejdning hos chatbot-agenten.
Videnssøgning:
- Document Retriever søger i interne videnskilder efter dokumenter, der er relevante for henvendelsen.
- URL Retriever kan hente indhold fra angivne URL’er (f.eks. prissider, nyheder, opdateringer) efter behov.
Værktøjsorkestrering & svargenerering:
- Tool Calling Agent fungerer som den centrale beslutningsenhed. Den:
- Bruger dokumentsøgningsværktøjer til at besvare spørgsmål med autoritativ information.
- Eskalerer chatten til en menneskelig agent via LiveAgent Human Assist Tool, hvis botten ikke kan løse sagen.
- Følger strenge formateringsregler (ingen markdown eller punkttegn, kun bindestreger til lister, almindelig tekst).
- Sikrer, at svar er på brugerens sprog og angiver URL’er hvor det er relevant.
- Agenten kan konfigureres med virksomhedsspecifik information via Note Widget.
- Tool Calling Agent fungerer som den centrale beslutningsenhed. Den:
Output: Det endelige svar, uanset om det er et automatisk svar eller en besked om eskalering til et menneske, vises via Chat Output-noden.
Konfiguration og tilpasning
Opsætningsvejledning: Note Widget giver vejledning til administratorer til at personliggøre chatbot-konfigurationen for deres organisation. Dette inkluderer opdatering af systembeskeden med korrekt virksomhedsnavn, hjemmeside og andre nøgleoplysninger.
Eskaleringslogik: Hvis chatbotten ikke kan finde et relevant svar, eller henvendelsen er tvetydig eller kompleks, beder den brugeren om flere oplysninger. Hvis det stadig ikke løses, tilbyder den at forbinde brugeren med en menneskelig agent via LiveAgent.
Fordele for skalering og automatisering
- Automatiseret support døgnet rundt: Chatbotten kan straks besvare almindelige spørgsmål, hvilket reducerer svartider og arbejdsbyrden for menneskelige agenter.
- Smidig eskalering: Ved komplekse eller følsomme henvendelser overdrager botten samtalen til en menneskelig agent, så supportkvaliteten og kundetilfredsheden opretholdes.
- Centraliseret vidensbase: Ved at integrere både intern dokumentation og live-URL’er leverer chatbotten opdaterede og præcise svar.
- Kontekstbevidsthed: Den seneste chat-historik tages altid i betragtning, hvilket fører til mere relevante og hjælpsomme svar.
- Konsistent formatering og compliance: Agenten følger strenge regler for formatering og sprog, der passer til LiveAgent-chat.
Sammenfatningstabel: Arbejdsgangslogik
| Trin | Handling |
|---|---|
| Indgående besked | Opfanges af Chat Input |
| Hent chat-historik | Henter op til 10 tidligere beskeder |
| Forbered prompt | Brugermeddelelse + kontekst formateres af Prompt Template |
| Søg i vidensbaser | Document Retriever og URL Retriever værktøjer bruges efter behov |
| Generér svar | Tool Calling Agent udformer et svar ved brug af værktøjer og kontekst |
| Eskalér om nødvendigt | Uløste/komplekse henvendelser sendes videre til en menneskelig agent via LiveAgent |
| Vis svar | Den endelige besked vises til brugeren via Chat Output |
Konklusion
Denne arbejdsgang automatiserer og effektiviserer kundesupporten i LiveAgent ved at kombinere AI-drevet konversation, intern videnssøgning og smidig menneskelig overdragelse. Den er meget konfigurerbar, skalerbar og designet til at øge effektivitet, konsistens og kundetilfredshed i live chat-miljøer.
Lad os bygge dit eget AI-team
Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.
Lær mere
AI Chatbot med LiveChat.com-integration
Implementér en AI-drevet chatbot på din hjemmeside, som udnytter din interne vidensbase til at besvare kundespørgsmål og problemfrit videresender komplekse elle...
3 min læsning
AI-supportchatbot med LiveAgent-integration
Automatisér din kundesupport med en AI-chatbot, der besvarer spørgsmål ved hjælp af din interne vidensbase og problemfrit forbinder brugere til en menneskelig a...
3 min læsning
Smartsupp AI Chatbot med Menneskelig Overdragelse
Dette workflow opretter en AI-drevet chatbot integreret med Smartsupp, som udnytter en intern vidensbase til at besvare kundesupport-forespørgsler. Hvis chatbot...
3 min læsning