Prompt
Opret en prompt-skabelon med dynamiske variable ({input}, {human_input}, {context}, {chat_history}, {system_message}).
Denne arbejdsgang definerer en kundeservice chatbot, der udnytter interne videnskilder til at give brugerne nøjagtige, hjælpsomme og kontekstbevidste svar. Flowet er designet til at automatisere kundedialoger, strømline supporten og sikre, at brugerne modtager rettidige og relevante svar.
Hovedtrin i flowet
1. Initiering af chat-session og velkomst
- Chat Opened Trigger: Flowet begynder med at registrere, når en bruger åbner en chat-session.
- Velkomstbesked: En venlig, informativ velkomstbesked vises til brugeren, inviterer til spørgsmål og forklarer chatbotens formål.
- Output-visning: Velkomstbeskeden vises i chatgrænsefladen, så brugerne føler sig guidet fra første interaktion.
2. Håndtering af brugerinput
- Chat Input: Når en bruger sender en besked eller et spørgsmål, indsamles den til behandling.
- Chat History: Samtalens historik hentes og stilles til rådighed som kontekst, så botten kan yde sammenhængende og fortsat support.
- Document Retriever: Brugerens forespørgsel bruges til at søge i tilknyttede videnskilder eller dokumentation og finde den mest relevante information til det aktuelle spørgsmål.
3. Dynamisk prompt-opbygning
- Prompt Template: En dynamisk prompt sammensættes ved brug af flere variable:
- {input}: Brugerens seneste besked.
- {chat_history}: Den løbende samtale med brugeren.
- {context}: Videnudsnit hentet fra interne kilder.
- Prompten instruerer AI’en i at agere som hjælpsom kundeservicebot, svare kortfattet og tilbyde et supportlink, hvis svaret ikke kendes.
Eksempelstruktur for prompt
| Sektion | Indhold |
|---|---|
| Systembesked | “Du er en hjælpsom AI-kundeservicebot…” |
| Chathistorik | Seneste samtale med brugeren |
| Viden | Hentede dokumenter eller videnudsnit |
| Brugerinput | Brugerens aktuelle spørgsmål |
| Svar | Svar genereret af AI’en |
4. Generering af AI-svar
- Generator Node: Den sammensatte prompt sendes til en AI-model (LLM), som genererer et relevant og nøjagtigt svar ved hjælp af den givne kontekst og historik.
5. Præsentation af svaret
- Chat Output: Det genererede svar vises tilbage til brugeren i chatgrænsefladen, hvilket afslutter svarprocessen og afventer yderligere brugerinput om nødvendigt.
Visualisering af arbejdsgang
Herunder ses en forenklet sekvens af de vigtigste noder og deres roller:
| Trin | Node/Komponent | Formål |
|---|---|---|
| 1 | Chat Opened Trigger | Registrerer nye chat-sessioner og starter workflow |
| 2 | Message Widget | Sender velkomstbesked |
| 3 | Chat Output | Viser beskeder til brugeren |
| 4 | Chat Input | Modtager brugerbeskeder |
| 5 | Chat History | Henter seneste samtale |
| 6 | Document Retriever | Søger i videnskilder |
| 7 | Prompt Template | Udarbejder kontekst-rige prompts til AI |
| 8 | Generator | Bruger AI til at generere svar |
| 9 | Chat Output | Sender genereret svar til brugeren |
Fordele og anvendelighed
- Skalerbarhed: Arbejdsgangen kan håndtere mange samtidige kundehenvendelser uden menneskelig indgriben, så virksomheder let kan skalere kundesupporten.
- Automatisering: Ved at automatisere informationssøgning og svargenerering reducerer chatbotten manuelt arbejde og sikrer ensartet supportkvalitet.
- Kontekstforståelse: Ved at inddrage chathistorik og videnhentning leverer botten relevante, personlige og opdaterede svar.
- Nem tilpasning: Systembeskeden og prompt-skabelonen kan let ændres, så de afspejler virksomhedens branding eller politikker.
- Fallback support: Hvis botten ikke kan svare på et spørgsmål, tilbydes proaktivt et supportlink, hvilket sikrer en positiv kundeoplevelse.
Anvendelsesmuligheder
- Kundesupport for e-handel, SaaS eller servicevirksomheder.
- Besvarelse af FAQ og løsning af almindelige problemer.
- Guidet onboarding af nye brugere.
- Skalering af support i perioder med høj trafik.
Denne arbejdsgang gør det muligt for organisationer at levere hurtig, præcis og skalerbar kundeservice med minimal manuel indsats, hvilket øger både effektivitet og kundetilfredshed.
