Descripción del flujo de trabajo

Este flujo de trabajo está diseñado para automatizar y escalar tareas avanzadas de soporte al cliente y recuperación de conocimientos, haciendo uso de LLMs (Modelos de Lenguaje de Gran Tamaño), creación dinámica de datos, solicitudes de API externas (como LiveAgent) y recuperación automatizada de documentos. Es especialmente útil para organizaciones que buscan optimizar procesos de soporte, responder a consultas de clientes con respuestas contextualizadas e integrar búsquedas en la base de conocimientos con interacciones en sistemas externos.

Descripción general de alto nivel

El flujo de trabajo orquesta estos pasos principales:

• Recibe la entrada del usuario (vía chat)
• Construye solicitudes de API dinámicas en función de la entrada y contexto del usuario
• Recupera y analiza datos de fuentes externas (por ejemplo, LiveAgent)
• Utiliza LLMs para extraer y resumir información relevante de las respuestas
• Enriquece las respuestas usando recuperación de documentos de una base de conocimientos
• Emplea un agente basado en LLM para generar respuestas listas para el cliente, siempre fundamentadas en el contexto recuperado
• Presenta la respuesta al usuario

Componentes principales y flujo

Pasos detallados

1. Entrada del usuario y recopilación de contexto

• El proceso comienza con un nodo Chat Input, donde se recibe el mensaje del usuario.
• El nodo Chat History recupera los últimos N mensajes, permitiendo respuestas contextualizadas.
• Un Prompt Template utiliza la entrada del usuario y el historial para generar dinámicamente una URL para la API externa (por ejemplo, obtener una transcripción de conversación de LiveAgent).

2. Construcción de la solicitud API

• Los nodos Create Data permiten la construcción dinámica de parámetros de consulta o cuerpos de solicitud (incluido el almacenamiento seguro de claves API u otros campos necesarios).
• La URL y parámetros generados se envían a un nodo API Request, que interactúa con sistemas externos (como LiveAgent) para obtener los datos requeridos.

3. Análisis y preprocesamiento de datos

• Las respuestas de API se procesan usando nodos Parse Data, transformando datos en bruto en texto estructurado o extrayendo solo los campos relevantes.
• Estos datos procesados se pasan al nodo LLM Generator, que se encarga de extraer información específica (por ejemplo, la sección “Preview”) usando un mensaje de sistema bien definido.

4. Enriquecimiento con conocimientos

• Mientras tanto, el nodo Document Retriever permite que el sistema busque en bases de conocimiento internas documentos altamente relevantes para la consulta del usuario, enriqueciendo aún más al agente con contexto autorizado. Esta herramienta está disponible para el agente LLM.

5. Generación de respuesta por el agente LLM

• El nodo Tool Calling Agent es un potente agente basado en LLM que:
  • Recibe la entrada del usuario, respuestas de API, historial de chat y acceso a herramientas (Document Retriever, Contact Human Assist, etc.)
  • Está guiado por un prompt de sistema detallado que especifica:
    • Usar siempre fuentes autorizadas (por ejemplo, Document Retriever, knowledge_source_tool)
    • Nunca inventar respuestas ni URLs
    • Hacer preguntas aclaratorias si es necesario
    • Formatear las respuestas de forma amigable, profesional y concisa
    • Usar viñetas, texto en negrita y emojis para respuestas atractivas
    • Responder siempre en eslovaco (o el idioma detectado del usuario), usando tono de correo electrónico
    • Escalar a soporte humano si la consulta no puede resolverse
• Esto garantiza que cada respuesta al cliente sea precisa, basada en contexto, cumpla las políticas y sea altamente escalable.

6. Salida al usuario

• La respuesta final generada (por el agente LLM) es analizada y formateada, y luego entregada al usuario mediante los nodos Chat Output.

Notas y mejores prácticas

• Clave API y enlace de LiveAgent: El flujo de trabajo incluye nodos de nota que recuerdan al usuario insertar su clave API y reemplazar YOURLINK en las plantillas de prompts por la URL real de su instancia de LiveAgent.
• Seguridad y cumplimiento: Las claves API y datos sensibles se gestionan usando nodos de datos dinámicos, minimizando el riesgo de exposición accidental.
• Extensibilidad: El diseño modular permite agregar fácilmente más herramientas, transformaciones de datos o canales de salida.

¿Por qué es útil este flujo de trabajo para escalar y automatizar?

• Automatización de extremo a extremo: Integra múltiples fuentes de datos (chat en vivo, APIs, base de conocimientos) y automatiza el proceso de toma de decisiones y respuesta.
• Razonamiento potenciado por LLM: Aprovecha LLMs de última generación para comprensión contextual, extracción de información y comunicación humanizada.
• Soporte consistente y de alta calidad: El prompt del agente refuerza las políticas de la empresa, el tono, las rutas de escalamiento y asegura que no se proporcione información inventada.
• Integración rápida con sistemas externos: Se adapta fácilmente a diferentes APIs o bases de conocimientos actualizando plantillas de prompts y nodos de conexión.
• Escalamiento con intervención humana: Transfiere sin problemas casos complejos a agentes humanos, garantizando cobertura para casos especiales.
• Escalabilidad: Puede gestionar grandes volúmenes de consultas en paralelo, con precisión y cumplimiento constantes.

Tabla resumen de nodos clave

Este flujo de trabajo es ideal para automatizar el soporte al cliente, integrarse con sistemas externos de tickets o chat y garantizar que las respuestas impulsadas por LLM estén siempre fundamentadas en conocimientos autorizados de la empresa. Puede ser la columna vertebral de un asistente de soporte inteligente y escalable, listo para uso empresarial.