AI-keskusteluavustaja muistilla

Tämä työnkulku on suunniteltu mahdollistamaan vuorovaikutteinen keskustelukokemus, jossa AI-avustaja vastaa käyttäjän määrittelemiin tehtäviin hyödyntäen keskusteluhistoriaa kontekstitietoisissa vastauksissa. Se on yleiskäyttöinen malli, joten se on helposti mukautettavissa monenlaisiin keskusteluautomaatioihin ja skaalautuviin AI-pohjaisiin chat-ratkaisuihin.

Työnkulun vaiheet

1. Keskustelun aloitus ja tervetuloviesti

• Chat Opened Trigger: Kun keskustelu avataan, laukaistaan tapahtuma.
• Tervetuloviesti: Viestikomponentti näyttää käyttäjälle ystävällisen tervetuloviestin:

  👋 Tervetuloa yksinkertaiseen tehtävävirtaan!
  Tämä työkalu on suunniteltu niin, että voit itse määrittää tehtävän syötteesi perusteella 🌟. Otan keskusteluhistoriamme huomioon antaakseni olennaista apua ilman lisäkontekstia.
  Kerro vain, mitä haluaisit tehdä, niin aloitetaan! ✨💬

• Näyttö: Tervetuloviesti näytetään keskusteluikkunassa, mikä ohjaa käyttäjää ja asettaa odotukset.

2. Käyttäjän syötteen vastaanotto

• Chat Input Node: Vastaanottaa käyttäjän tekstisyötteen (ja halutessa tiedostoja), joka edustaa tehtävää tai kysymystä.

3. Keskusteluhistorian haku

• Chat History Node: Hakee keskustelusta enintään 10 viimeisintä viestiä (enintään 8000 tokenia). Tätä historiaa käytetään myöhemmin keskustelun kontekstina ja jatkuvuuden ylläpitämiseen.

4. Kehotteen rakentaminen

• Prompt Template Node: Rakentaa dynaamisen kehotteen kielimallille. Se yhdistää:

  • Käyttäjän viimeisimmän syötteen.
  • Viimeisimmän keskusteluhistorian.
  • Kiinteän järjestelmäviestin, joka ohjeistaa AI:ta luomaan kontekstitietoisia vastauksia.

  Käytettävä kehotepohja:

  You are an AI language model assistant.
  
  Your task is to generate answer for human INPUT with consideration of previous conversation in CHAT HISTORY.
  
  --- CHAT HISTORY START
  {chat_history}
  --- CHAT HISTORY END
  
  --- INPUT START
  {input}
  --- INPUT END
  
  ANSWER:
  

5. AI-vastauksen generointi

• Generator Node: Saa rakennetun kehotteen ja tuottaa tekstivastauksen suuren kielimallin (LLM) avulla. Näin varmistetaan, että vastaus on kontekstitietoinen ja räätälöity käyttäjän tarpeeseen.

6. Vastauksen näyttäminen

• Chat Output Node: AI:n generoima vastaus näytetään käyttäjälle keskustelukäyttöliittymässä.

Työnkulun rakenne taulukossa

Miksi tämä työnkulku on hyödyllinen skaalaamiseen ja automaatioon

• Kontekstitietoiset vuorovaikutukset: Keskusteluhistorian hyödyntäminen säilyttää kontekstin, parantaen vastausten osuvuutta ja käyttäjätyytyväisyyttä.
• Käyttäjän määrittelemät tehtävät: Työnkulku ei rajoitu tiettyihin tehtäviin, vaan käyttäjä voi määrittää omat tavoitteensa – erittäin joustava ratkaisu.
• Skaalautuva automaatio: Modulaarinen rakenne mahdollistaa skaalauksen – useat käyttäjät voivat keskustella samanaikaisesti, jokainen omalla kontekstillaan.
• Helppo muokattavuus: Kehotepohja ja komponentit voidaan helposti mukauttaa erilaisiin käyttötarkoituksiin (esim. tuki, tiedonhaku, perehdytys).
• Johdonmukainen käyttökokemus: Automaattinen tervetulotoivotus ja kontekstitietoiset vastaukset takaavat, että jokainen käyttäjä saa ammattimaista ja tehokasta palvelua.

Esimerkkikäyttökohteita

• Asiakaspalveluchatbotit, jotka muistavat aiemmat keskustelut.
• Perehdytysavustajat, jotka ohjaavat uusia käyttäjiä heidän keskustelunsa pohjalta.
• Yleiskäyttöiset AI-apurit sovelluksissa, joissa käyttäjät voivat määrittää omat kysymyksensä tai tehtävänsä.

Tämä työnkulku tarjoaa vankan perustan älykkäiden, kontekstitietoisten keskusteluautomaattien rakentamiseksi, joita voidaan räätälöidä moniin eri käyttötarkoituksiin.