Agent d’assistance client IA avec base de connaissances et enrichissement API

Ce workflow alimenté par l’IA automatise l’assistance client en combinant la recherche dans la base de connaissances interne, la récupération de connaissances depuis Google Docs, l’intégration d’API et le raisonnement avancé de modèles de langage. L’agent répond en slovaque ou dans la langue du client, fournit toujours des informations à jour et peut transférer au support humain si nécessaire. Idéal pour les entreprises recherchant un service client multilingue, automatisé et contextuel.

Comment fonctionne le Flux IA - Agent d’assistance client IA avec base de connaissances et enrichissement API

Flux

Comment fonctionne le Flux IA

Recevoir la demande du client.
Le workflow capture les demandes client issues de l’entrée chat et récupère l’historique récent de la conversation pour le contexte.
Rassembler les connaissances internes et externes.
Le workflow recherche, à l’aide des extracteurs de documents, les informations pertinentes dans les dépôts de documents internes et les Google Docs connectés.
Enrichir et analyser les données via l’API.
Les IDs des messages clients sont utilisés pour appeler des API externes, récupérer l’historique des messages et extraire les informations nécessaires à l’enrichissement du contexte.
Réponse de l’agent IA et génération multilingue.
Un agent IA avancé utilise le contexte collecté, les sources de connaissances et les modèles de langage pour générer des réponses en slovaque ou dans la langue du client, garantissant des réponses professionnelles, concises et précises.
Répondre au client et transférer si besoin.
L’agent envoie la réponse au client, incluant les liens et informations pertinents, et transfère au support humain si la demande ne peut être résolue automatiquement.

Prompts utilisés dans ce flux

Prompt (PromptTemplate-xAz1P)

Créer un modèle de prompt avec variables dynamiques ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

---CONVERSATION HISTORY---
{context}
---

---LATEST MESSAGE---
{input}
---

Prompt (PromptTemplate-4mVjl)

Créer un modèle de prompt avec variables dynamiques ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

---CHAT HISTORY---
{chat_history}
---

---CUSTOMER QUERY---
{context}
---

---LLM RESPONSE---
{input}
---

The final output presented to the agent should include:

        the original CUSTOMER QUERY

        the Slovak translation of the CUSTOMER QUERY


       LLM RESPONSE in Slovak

       LLM RESPONSE in the customer's language (to be sent)

Prompt (PromptTemplate-u9XGO)

Créer un modèle de prompt avec variables dynamiques ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages

Prompt (PromptTemplate-5nKVc)

Créer un modèle de prompt avec variables dynamiques ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

https://YOURCOMPANY.ladesk.com/api/conversations/{human_input}/messages

Générateur (Generator-eSD0Q)

Générer du texte à partir d’un prompt et du modèle LLM sélectionné.

extract the "message" section of the "type": "M" only the section exactly as it is and only and only output the latest message based on the date with nothing else but the users message itself.

Agent appelant des outils (ToolCallingAgent-K7dur)

Un agent d’appel d’outils.

You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for YOURCOMPANY. You respond in Slovak language by default, or in the customer's input language if detected to be different than Slovak. AND ALWAYS USE EMAIL TONE AND FORMAT.

<u>Your role:</u>

You combine the responsibilities of technical customer support and product recommendation assistant. You help customers solve issues, make decisions, and complete purchases related to YOURCOMPANY products and services. Your tone is always friendly and professional, and your goal is to ensure the customer feels understood, supported, and confident in their next step.

<u>Your Goal:</u>

you receive CONVERSATION HISTORY and the most recent user query as LATEST MESSAGE your goal is to answer the LATEST MESSAGE based on the tools at your disposal.&#x20;

<u>Identify intent and provide answers:</u>

First source: ALWAYS SEARCH THE knowledge_source_tool TO ANSWER USER'S QUESTION AND NEVER ANSWER FROM YOURSELF.

Second source: Always use the Document Retriever tool to find context related to the question.

If relevant context is found:

Use it to provide accurate, concise answers.

Include ONLY RELEVANT URLs retrieved from the Document Retriever, never edit the url.

Never invent product names and category names. You can recognize a category by the fact that the page MUST contain a list of different products.; use only those available in your knowledge base.

Follow the information exactly as stated in the reference.

If no relevant context is found and the question is about YOURCOMPANY:

Ask polite clarifying questions to gather more details.

If still unresolved, use the Contact Human Assist tool to transfer to a human support agent.

If the customer’s message is unclear or incomplete:

Do not guess — always ask for more information before answering.

If the customer shows interest in a specific product:

Let them know that pricing and ordering is quick and simple directly on the website.

They can configure the product (dimensions, extras, quantity…) and see the price immediately and the production time.

If the question is about production time, always include express options if available.

For inquiries not related to YOURCOMPANY:

Politely inform the customer that you only provide support for YOURCOMPANY.

Suggest contacting the appropriate business support team at CONTACT METHOD

<u>Resource Utilization:</u>

Use the Document Retriever to search for knowledge relevant to the customer question.

Use the Contact Human Assist tool to escalate if needed.

Use the Document Retriever to provide valid product or info links - NEVER invent or assume URLs

<u>Formatting:</u>

Your tone is always friendly, clear, and professional.

The answers should be SHORT - max. about 100-200 tokens.

Use structured formatting:

Short paragraphs

Bold text for emphasis

Bullet points where appropriate

Emojis to make the messages more engaging 😊

Write in plain text format. Do not use markdown.

Composants utilisés dans ce flux

Voici une liste complète de tous les composants utilisés dans ce flux pour atteindre sa fonctionnalité. Les composants sont les éléments de base de chaque Flux IA. Ils vous permettent de créer des interactions complexes et d'automatiser des tâches en connectant diverses fonctionnalités. Chaque composant sert un objectif spécifique, comme la gestion des entrées utilisateur, le traitement de données ou l'intégration avec des services externes.

Entrée de Chat

Le composant Entrée de Chat dans FlowHunt initie les interactions utilisateur en capturant les messages depuis le Playground. Il sert de point de départ pour les flux, permettant au workflow de traiter aussi bien des entrées textuelles que des fichiers.

Voir Entrée de Chat

Composant Prompt dans FlowHunt

Découvrez comment le composant Prompt de FlowHunt vous permet de définir le rôle et le comportement de votre bot IA, garantissant des réponses pertinentes et personnalisées. Personnalisez les prompts et modèles pour des flux de chatbot efficaces et sensibles au contexte.

Voir Composant Prompt dans FlowHunt

Créer des données

Le composant Créer des données vous permet de générer dynamiquement des enregistrements de données structurées avec un nombre de champs personnalisable. Idéal pour les workflows nécessitant la création à la volée de nouveaux objets de données, il prend en charge la configuration flexible des champs et l'intégration transparente avec d'autres étapes d'automatisation.

Voir Créer des données

Requête API

Intégrez des données et services externes dans votre flux de travail avec le composant Requête API. Envoyez facilement des requêtes HTTP, définissez des en-têtes personnalisés, un corps et des paramètres de requête, et gérez plusieurs méthodes telles que GET et POST. Indispensable pour connecter vos automatisations à n'importe quelle API ou service web.

Voir Requête API

Analyser les données

Le composant Analyser les données transforme les données structurées en texte brut à l'aide de modèles personnalisables. Il permet un formatage flexible et la conversion des entrées de données pour une utilisation ultérieure dans votre flux de travail, aidant à standardiser ou à préparer les informations pour les composants en aval.

Voir Analyser les données

Générateur

Découvrez le composant Générateur dans FlowHunt : une génération de texte puissante pilotée par l’IA utilisant le modèle LLM de votre choix. Créez facilement des réponses dynamiques de chatbot en combinant des prompts, des instructions système optionnelles et même des images en entrée, en faisant un outil central pour construire des workflows intelligents et conversationnels.

Voir Générateur

LLM OpenAI

FlowHunt prend en charge des dizaines de modèles de génération de texte, y compris ceux d’OpenAI. Voici comment utiliser ChatGPT dans vos outils IA et chatbots.

Voir LLM OpenAI

Composant d'Historique de Chat

Le composant d'Historique de Chat dans FlowHunt permet aux chatbots de se souvenir des messages précédents, assurant ainsi des conversations cohérentes et une expérience client améliorée tout en optimisant l’utilisation de la mémoire et des jetons.

Voir Composant d'Historique de Chat

Agent d’Appel d’Outils

Découvrez l’Agent d’Appel d’Outils dans FlowHunt — un composant de workflow avancé qui permet aux agents IA de sélectionner et d’utiliser intelligemment des outils externes pour répondre à des requêtes complexes. Parfait pour créer des solutions IA intelligentes nécessitant l’utilisation dynamique d’outils, un raisonnement itératif et l’intégration de multiples ressources.

Voir Agent d’Appel d’Outils

Récupérateur de Documents

Le Récupérateur de Documents de FlowHunt améliore la précision de l’IA en connectant les modèles génératifs à vos propres documents et URL à jour, garantissant ainsi des réponses fiables et pertinentes grâce à la génération augmentée par récupération (RAG).

Voir Récupérateur de Documents

Récupérateur Google Docs

Intégrez vos flux de travail avec Google Docs grâce au composant Récupérateur Google Docs—récupérez sans effort le contenu de vos documents pour l'utiliser dans des automatisations, des chatbots ou des flux de gestion des connaissances. Idéal pour accéder, traiter et exploiter vos Google Docs au sein des flux FlowHunt.

Voir Récupérateur Google Docs

Sortie de Chat

Découvrez le composant Chat Output dans FlowHunt — finalisez les réponses du chatbot avec des sorties flexibles et multiples. Essentiel pour une finalisation fluide des flux et la création de chatbots IA avancés et interactifs.

Voir Sortie de Chat

Description du flux

Objectif et avantages

Vue d’ensemble

Ce workflow automatise le processus de récupération de messages clients depuis un système de ticket ou de support, extrait le dernier message pertinent, l’enrichit avec du contexte et l’historique de conversation, puis exploite une IA avancée (LLMs) combinée à des outils de connaissance pour générer des réponses professionnelles et multilingues en assistance client. Le processus prépare ensuite ces réponses et les envoie vers les systèmes externes, ce qui le rend idéal pour industrialiser et automatiser l’assistance client, la recherche de connaissances et l’intégration d’API externes.

Décomposition étape par étape

1. Acquisition et préparation des entrées

  • Entrée chat : Le workflow peut recevoir directement les messages de chat entrants.
  • Création de prompt pour l’API : Le système utilise un modèle de prompt pour construire dynamiquement l’URL permettant de récupérer les messages de tickets via une API externe (ex : https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages). Cela permet une récupération flexible selon les données utilisateur entrantes.
  • Construction des paramètres de requête : Un nœud de création de données est utilisé pour construire dynamiquement les paramètres de requête nécessaires à la requête API.

2. Récupération de données externes

  • Requête API : À l’aide de l’URL et des paramètres de requête construits, le workflow envoie une requête GET pour récupérer l’historique des messages du ticket depuis un système de ticketing externe. L’authentification par clé API est prise en charge via les headers.
  • Analyse des données récupérées : Une fois les données retournées par l’API, un nœud de parsing structure et convertit ces données en texte brut à l’aide de modèles, les rendant adaptées au traitement en aval par l’IA.

3. Extraction et prétraitement du message

  • Extraction basée LLM : Un OpenAI LLM (ex : GPT-4.1) est utilisé avec un prompt système pour extraire uniquement le dernier message utilisateur à partir des données du ticket (spécifiquement les messages de type “M”) — garantissant que seul le contenu pertinent soit traité par la suite.
  • Enrichissement du prompt : Le message extrait et le contexte de chat sont insérés dans un prompt sophistiqué incluant l’historique de la conversation et la segmentation du dernier message, préparant l’entrée pour l’agent principal d’assistance.

4. Augmentation des connaissances

  • Historique de chat : Le système peut consulter les N derniers messages de la conversation pour fournir continuité et contexte enrichi.
  • Recherche documentaire : Un extracteur de documents recherche dans les bases de connaissances internes/externes (incluant éventuellement Google Docs) les informations pertinentes pour répondre à la demande du client. Ceci est essentiel pour ancrer les réponses dans des connaissances à jour et fiables.
  • Intégration d’outils : L’extracteur de documents et l’extracteur Google Docs sont tous deux enregistrés comme « outils » disponibles pour l’agent, permettant une recherche dynamique lors de la génération de la réponse.

5. Génération de la réponse par l’agent

  • Agent appelant des outils : Au cœur du système se trouve un agent d’appel d’outils (propulsé par un LLM), qui reçoit le prompt enrichi, l’historique du chat et l’accès aux outils de connaissances. Son rôle est de déterminer l’intention utilisateur, rechercher dans la base de connaissances/outils les réponses et composer une réponse concise, amicale et professionnelle.
    • L’agent répond toujours par défaut en slovaque ou bascule dans la langue du client si elle est détectée.
    • Le format structuré est appliqué : paragraphes courts, mise en gras pour l’emphase, listes à puces et émojis pour l’engagement.
    • L’agent privilégie l’utilisation des connaissances récupérées, n’invente jamais de faits ou d’URL, pose des questions de clarification si besoin et transfère les cas non résolus à un agent humain.
    • Toutes les réponses respectent le ton et la structure de l’assistance client, adaptées à une communication par email.

6. Post-traitement et sortie

  • Mise en forme de la réponse : La réponse de l’agent est ensuite traitée via des modèles de prompt pour construire une sortie multilingue (ex : incluant le slovaque et la langue du client).
  • Génération LLM : Un autre nœud LLM peut générer ou traduire des portions de la sortie si nécessaire.
  • Intégration API pour messages sortants : Le workflow construit dynamiquement les objets de données pour les requêtes API sortantes, emballe la réponse générée et l’envoie (généralement via POST) au système externe concerné.
  • Parsing et sortie finale : Les réponses API sortantes peuvent être analysées et affichées dans l’espace de chat ou renvoyées à l’interface utilisateur.

Principaux composants et leur rôle

ComposantRôle
Entrée ChatAccepte les messages utilisateur/client
Modèle de PromptConstruit dynamiquement URLs et prompts de messages
Requête APIRécupère les données/messages de tickets du système externe
Analyse de DonnéesConvertit les données structurées en texte brut
OpenAI LLMExtrait les messages pertinents, génère ou traduit des réponses
Extracteur de DocumentsRecherche dans la base de connaissances
Extracteur Google DocsIntègre des docs externes pour l’agent
Agent appelant d’outilsAgent IA central — exploite outils et historique de chat
Création de DonnéesPrépare les réponses et données pour les requêtes API sortantes
Sortie ChatAffiche le résultat final à l’utilisateur ou au système
NotesConseils opérateur (ex : où saisir les clés API/URLs)

Cas d’usage & bénéfices

  • Support client automatisé : Rationalise l’extraction, l’enrichissement et la réponse aux demandes avec des réponses professionnelles, précises et contextualisées.
  • Support multilingue : Détecte et répond automatiquement dans la langue du client, avec traduction et mise en forme gérées par le workflow.
  • Gestion de connaissances évolutive : Intègre plusieurs sources (docs internes, Google Docs, etc.) pour des réponses exhaustives et à jour.
  • Intégration fluide de systèmes externes : Se connecte facilement à diverses API pour les actions entrantes (messages) et sortantes (réponses).
  • Transfert humain en cas de besoin : Transfère automatiquement les cas non résolus ou ambigus à un agent humain, garantissant une assistance de qualité.

Pourquoi ce workflow est utile pour l’automatisation et la montée en charge

  • Réduction du travail manuel : En automatisant la récupération de données, l’extraction des messages, la construction du contexte et la génération de réponses, il minimise l’intervention humaine sur les demandes courantes.
  • Cohérence & qualité : Garantit que toutes les communications clients respectent le ton, le format et l’exactitude de l’information, quel que soit l’agent ou l’horaire.
  • Adaptation rapide : Se connecte facilement à de nouvelles sources ou APIs, s’adapte à de nouvelles langues et peut monter en charge pour des volumes plus élevés avec peu de configuration supplémentaire.
  • Satisfaction client accrue : Des réponses rapides, pertinentes et amicales — adaptées à chaque langue et demande — pour de meilleures expériences et fidélisation.

Flux visuel (simplifié)

Voici une représentation schématique simplifiée des principales étapes :

  1. Entrée Chat / Requête API →
  2. Récupérer les messages du ticket (Requête API) →
  3. Analyse des données →
  4. Extraction du dernier message utilisateur (LLM) →
  5. Enrichir le prompt avec contexte & historique →
  6. Recherche documentaire (Extracteur/Google Docs) →
  7. Agent IA génère la réponse →
  8. Mise en forme/Traduction/Envoi de la réponse (Requête API) →
  9. Affichage/Livraison de la sortie

Ce workflow constitue une base robuste pour toute organisation souhaitant automatiser et faire passer à l’échelle son support client, son assistance technique ou ses processus de diffusion d’information nécessitant l’intégration à des APIs externes, des bases de connaissances et des réponses IA avancées.

Laissez-nous construire votre propre équipe d'IA

Nous aidons les entreprises comme la vôtre à développer des chatbots intelligents, des serveurs MCP, des outils d'IA ou d'autres types d'automatisation par IA pour remplacer l'humain dans les tâches répétitives de votre organisation.

Planifier une démo Essayez maintenant

En savoir plus

Agent de support client IA pour LiveAgent
Agent de support client IA pour LiveAgent

Agent de support client IA pour LiveAgent

Ce flux de travail automatise le support client pour votre entreprise en intégrant les conversations LiveAgent, en extrayant les données pertinentes des convers...

6 min de lecture
Outil Client MCP Bitrix24
Outil Client MCP Bitrix24

Outil Client MCP Bitrix24

Ce workflow exploite un Agent IA intégré à l'Outil Client MCP pour traiter les entrées de chat utilisateur, utiliser l'historique des conversations pour un meil...

4 min de lecture
Chatbot de support IA avec intégration LiveAgent
Chatbot de support IA avec intégration LiveAgent

Chatbot de support IA avec intégration LiveAgent

Automatisez votre support client avec un chatbot IA qui répond aux questions en utilisant votre base de connaissances interne et connecte sans effort les utilis...

5 min de lecture