Slack-integration

Denne integration lader dig bringe ethvert Flow ind i dit Slack-arbejdsområde, så du kan arbejde med AI, hvor du allerede samarbejder, spare tid og holde alt samlet ét sted.

Hvad kan FlowHunt-integration hjælpe dig med:

• AI-assistent-Flow: Få en AI-bot til at svare på dine spørgsmål om vidensbasen, assistere dig med simple opgaver og hjælpe dig med at skrive bedre.

• Kundeservice-integration: Overvåg chatbot-samtaler, få besked når AI har brug for din hjælp, og hop ind i enhver chatbot-samtale direkte fra Slack.

• Skræddersyede værktøjer: Byg og implementér kanal-specifikke værktøjer for at forenkle daglige arbejdsgange og øge produktiviteten.

Sådan integrerer du Slack i FlowHunt

1. Gå til Integrationer i hovedmenuen til venstre.
2. Find Slack-integration og klik på Integrér.

3. Du bliver ført til Slacks integrationsskærm, hvor du informeres om, at Flo anmoder om adgang til dit arbejdsområde.
4. Hvis du har mere end ét arbejdsområde, kan du bruge dropdown-vælgeren øverst til højre:

5. Når du har valgt det rigtige arbejdsområde, skal du gennemgå tilladelserne og klikke på Tillad.

Hvis du ønsker at integrere et arbejdsområde, hvor du ikke er admin, skal du sende en installationsanmodning til arbejdsområdets admin.

6. Du får besked om, at integrationen er gennemført.

7. Gå til dit Slack-arbejdsområde. Du bør nu se Flowhunt som en af de installerede apps:

Nu hvor din konto er forbundet, er det tid til at bygge de Flows, du vil bruge.

Overblik over Slack-komponenter

Gå tilbage til FlowHunt og gå ind i Flow-editoren.

Du vil bemærke, at der findes to Slack-relaterede komponenter:

• Slack Message Received
• Slack Send Message

Disse fungerer som start- og slutpunkter for Slack-svar og styrer, hvornår og hvordan Flowet interagerer med din Slack-kanal.

Slack Message Received

Denne komponent repræsenterer starten på Slack-samtalen med FlowHunt. Du kan betragte den som en trigger-komponent. Den lader dig også styre, hvornår, hvor og hvordan Flos svar udløses.

Komponent-håndtag

Denne komponent har tre output-håndtag, som styrer og ruter adfærden efter forskellige handlinger i Slack. Da denne komponent altid er starten på et Flow eller Subflow, findes der intet input-håndtag.

• Efter Bot Stop: Styrer, hvad der sker, efter botten er blevet deaktiveret manuelt via Slack.
• Efter Bot Start: Styrer, hvad der sker, efter botten er blevet genaktiveret via Slack.
• Almindelig besked: Styrer, hvad der sker, efter Slack-brugeren (dig) sender en besked.

Komponent-indstillinger

• Kanal: Vælg de kanaler, hvor du vil tilføje FlowHunt.
• Arbejdsområde: Vælg det arbejdsområde, hvor du vil tilføje FlowHunt.

Opsætning af kanaler og arbejdsområde er nødvendig for, at Flowet kan fungere.

Kun udløs ved omtale

Denne indstilling styrer, hvordan du udløser et svar fra Flo:

• Hvis ikke markeret: Flo vil svare på enhver besked, der sendes i den valgte kanal eller tråd. Det er velegnet til kanaler, der kun bruges til samtaler med FlowHunt, f.eks. kundeservice-chatbotkanaler. Du bør ikke bruge dette i interne, befolkede kanaler, hvor folk snakker sammen, da FlowHunt vil afbryde alle samtaler.
• Hvis markeret: Botten svarer kun, hvis den bliver nævnt. Du kan kalde på Flo ved at bruge @flowhunt. Vi anbefaler at bruge dette, når du har brug for hurtig hjælp til at hente eller opsummere information, især i befolkede kanaler.

Slack Send Message

Denne komponent repræsenterer Flowhunts Slack-beskeder tilbage til dig. Den lader dig styre, hvor, hvordan og til hvem Flo sender svar.

Komponent-håndtag

• Slack-besked: Dette input-håndtag angiver, hvad der sendes som besked. Det vil oftest være output fra en AI Agent eller AI Generator. Tilslutning af input er nødvendigt.
• Efter besked sendt: Dette output-håndtag giver dig mulighed for at definere yderligere handlinger og adfærd efter FlowHunt har svaret. Tilslutning af dette håndtag er valgfrit.

Komponent-indstillinger

• Formater som Markdown: Hvis markeret, bliver beskederne formateret i Markdown. Hvis ikke, har beskederne ingen formatering.
• Følg op på tråd: Sikrer, at FlowHunt fortsat lytter og svarer på samtaletråde, hvor den er blevet nævnt, f.eks. kundeservicesamtaler.
• Omtaler: FlowHunt skal nogle gange kontakte dig. For eksempel, når en kundeservice-chatbotbruger ønsker at blive overført til et menneske. FlowHunt får din opmærksomhed ved at bruge den valgte omtale.
• Tråd-tidsstempel: Giver dig mulighed for kun at begrænse FlowHunt til en enkelt tråd.
• Kanal: Vælg de kanaler, hvor du vil tilføje FlowHunt.
• Arbejdsområde: Vælg det arbejdsområde, hvor du vil tilføje FlowHunt.

Bemærk: Du skal vælge kanaler og arbejdsområder i begge komponenter, da der findes brugsscenarier, hvor du kun bruger én af komponenterne, eller hvor du ønsker svar i forskellige eller flere kanaler.

Brug af Slack-integration

Forskellige brugsscenarier kræver forskellige måder at bruge Slack-komponenterne på. Lad os gennemgå de to mest populære tilfælde.

AI-assistent-Flow

Det første store eksempel på Slack-integration er det simple AI-assistent-Flow. Dette Flow giver dig mulighed for at tilføje Flo-botten til forskellige kanaler og chatte med den som din assistent til at besvare spørgsmål om vidensbasen eller hjælpe dig med at skrive bedre.

Den mest basale version af dette Flow kræver kun tre komponenter:

• Slack Message Received
• AI Agent
• Slack Send message

1. Forbind Slack Message Received til AI Agent ved brug af Almindelig besked-håndtaget.
2. Forbind Agentens besked-output til input på Slack Send message-komponenten.

3. Indstil begge Slack-komponenter til samme arbejdsområde og kanal. Indstil de øvrige indstillinger efter behov.
4. Husk at fortælle Agenten, hvad dens opgave er. Hvis du har brug for hjælp til at opsætte AI Agent, henvises til denne guide.

Dette basis-Flow lader dig tale med OpenAI’s GPT4o-model via Slack. For at gøre det til en ægte AI-assistent, kan du overveje at tilføje andre komponenter som:

• Chat-historik for at lade Flowet bevare kontekst.
• Andre LLM-komponenter for at skifte fra standard GPT-4o til en af de mange forskellige modeller, FlowHunt understøtter.
• Værktøjer, så din Agent kan hente information eller udføre opgaver.

Her er et eksempel på et Flow, der bruger Claude Sonnet 3.5 som LLM i stedet for OpenAI’s modeller. For værktøjer har den adgang til verificeret information fra din interne vidensbase via Document Retriever-komponenten, men den kan også søge på Google i realtid. Til sidst må vi ikke glemme chat-historikken:

Gå til Flow-biblioteket og hent dette Flow som en færdig skabelon.

Nu kan denne bot svare på dine spørgsmål med friske informationer og føre en samtale om dataene.

Slack Kundeservice-Flow

Den anden vigtige brugssag er at forbinde din AI-kundeservice-chatbot til Slack. Dette gør det muligt ikke kun at overvåge alle chatbot-samtaler, men også at springe ind når som helst og lade chatbotten give dig besked, når den har brug for din hjælp.

Dette kaldes menneske i loopet og forstærker AI med menneskelig ekspertise for nøjagtighed, fejlfrihed og etisk overholdelse på tværs af forskellige anvendelser. Med andre ord: AI’en holder dig informeret om, hvad der sker, og beder dig aktivt om at tage over i chatbot-vinduet i stedet for bare at give brugerne mulighed for selv at kontakte dig.

Alle disse scenarier kræver en del opsætning. Du kan springe alt besværet over og hente dette Flow som en skabelon fra Flow-biblioteket.

Vi kan opdele dette Flow i tre hoveddele. Først bygger vi selve kundeservice-chatbotten. Dernæst sætter vi triggers op, så du kan overtage via Slack. Sidst tilføjer vi simple kvalitetsforbedringer. Lad os starte med at bygge chatbotten.

Del 1: Oprettelse af Chatbot-Subflow

1. Som altid starter ethvert chatbot-relateret Flow med brugerens Chat Input-trigger.
2. Dernæst opsætter vi eskalering. Start med at forbinde Escalation Gateway til Chat Input:

3. Denne komponent er stedet, hvor AI beslutter, om den skal tage “Human Escalation”- eller “Bot Escalation”-ruten. Altså, om AI’en selv besvarer spørgsmålet, eller om den beder om din hjælp.
4. Fortsæt med at forbinde Slack Send Message-komponenten til begge ruter. Denne komponent sikrer, at begge muligheder rapporteres tilbage til Slack-kanalen, og at du hele tiden holdes informeret om valget.

5. Åbn indstillingerne på Slack Send Message og vælg det arbejdsområde og de kanaler, chatbotten skal være aktiv i. Vælg det samme arbejdsområde og de samme kanaler i begge komponenter:

6. Åbn nu Slack Send Message-komponenten, der er forbundet til human escalation. Her skal botten give besked om, at den har brug for hjælp. Du skal opsætte en Omtale for at underrette de rette personer. Vi anbefaler at bruge @here, som underretter alle kanalmedlemmer, der er online.
7. Hvis du ønsker at blive underrettet om enhver brugers besked, kan du også opsætte Omtale for Send Slack Message, der er forbundet til Bot Response.
8. Selvfølgelig skal botten også svare brugeren i chatten. Det er her, AI Agent kommer ind i billedet. Forbind Bot Response-håndtaget til et AI Agent-input-håndtag:

9. Det sidste trin er at tilføje outputs til Agenten. Vi ønsker, at den både svarer brugeren i chatten, men også at vi kan lytte til svarene via Slack. Derfor forbinder vi AI Agent til både Slack Send Message og Chat output:

10. Opsæt det samme arbejdsområde og kanal som de øvrige steder.

Nu har vi en simpel GPT-4o-chatbot, der kan beslutte, hvornår den ikke kan svare og har brug for din hjælp. Men det er langt fra en komplet kundeservice-chatbot. Lad os tilføje alle de øvrige funktioner, en god kundeservice-chatbot skal have.

Del 2: Kundeservice-chatbot

Vi skal tilføje et par