Prompt
Modèle d'invite pour construire l’URL de requête API en utilisant l'entrée utilisateur.
https://YOURLINK.ladesk.com/api/conversations/{input}
Agent de support client IA avec intégration API LiveAgent
Ce workflow alimenté par l’IA automatise le support client en connectant les demandes des utilisateurs aux sources de connaissances de l’entreprise, à des API externes (telles que LiveAgent) et à un modèle de langage pour des réponses professionnelles, amicales et hautement pertinentes. Le flux récupère l’historique des conversations, utilise la recherche documentaire et interagit avec des systèmes externes afin de fournir des réponses concises et structurées, en passant à un support humain si nécessaire. Idéal pour les entreprises cherchant à optimiser le support, les recommandations de produits et la diffusion d’informations.
Flux
Comment fonctionne le Flux IA
- Recevoir et structurer la demande client.
- Capture la question ou le problème de l'utilisateur, prépare des requêtes API dynamiques et le contexte à l'aide de modèles d'invite, et structure les entrées de données initiales.
- Interroger les systèmes externes et récupérer les données.
- Envoie des requêtes aux API externes de support client (ex : LiveAgent) et collecte les données de compte ou de conversation nécessaires pour résoudre le problème du client.
- Extraire et générer le contexte pertinent.
- Traite les données récupérées, extrait les informations clés et utilise un LLM pour générer ou affiner le contexte de la demande client pour un support précis.
- L’agent IA répond à l’aide de la base de connaissances et des outils.
- Un agent IA exploite les sources de connaissances de l'entreprise, les outils de recherche documentaire, l’historique de conversation et le modèle de langage pour formuler des réponses ou recommandations concises et professionnelles.
- Répondre au client ou escalader.
- Transmet la réponse générée par l’IA au client dans un format structuré, et escalade vers un agent humain si la demande ne peut pas être résolue automatiquement.
Prompts utilisés dans ce flux
Voici une liste complète de tous les prompts utilisés dans ce flux pour atteindre sa fonctionnalité. Les prompts sont les instructions données au modèle d'IA pour générer des réponses ou effectuer des actions. Ils guident l'IA dans la compréhension de l'intention de l'utilisateur et la génération de sorties pertinentes.
Prompt
Modèle d'invite pour construire l’URL de requête API pour les messages de conversation.
https://YOURLINK.ladesk.com/api/conversations/{human_input}/messages
Générateur
Message système pour le LLM afin d’extraire la ou les section(s) Aperçu de l’entrée.
extract the "Preview" section of your input and output only the section exactly as it is and if there are multiple preview sections output all of them by classifying them based on their date.
Agent d’appel d’outils
Message système pour que l’agent agisse comme support client et assistant shopping pour *YOURCOMPANY* en langue slovaque, détaillant les comportements et l’util...
You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for<u> *YOURCOMPANY*</u>
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 <u>*YOURCOMPANY*</u> 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 you goal is to answer the most recent query based on the tools at your disposal. 
<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 <u>*YOURCOMPANY*</u>:
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 <u>*YOURCOMPANY*</u>:
Politely inform the customer that you only provide support for <u>*YOURCOMPANY*</u>.
Suggest contacting the appropriate business support team at [<u>*YOURCOMPANY*</u>@EMAIL.EMAIL](mailto:YOURCOMPANY@EMAIL.EMAIL)
<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.
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.
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.
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.
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.
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.
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.
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.
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).
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.
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.
Description du flux
Objectif et avantages
Ce workflow est conçu pour automatiser, rationaliser et faire évoluer le processus de support client et de recommandation de produits, en exploitant des intégrations API, la recherche documentaire, des modèles de langage et le traitement dynamique des données. Vous trouverez ci-dessous un aperçu détaillé de sa structure, de ses composants et de l’automatisation qu’il propose.
Aperçu et objectif
L’objectif principal de ce flux est d’agir comme un assistant intelligent automatisé pour le support client et le shopping d’une entreprise, en utilisant une IA avancée (LLM OpenAI), la construction dynamique de prompts, des appels API et la recherche documentaire. Il est conçu pour répondre aux demandes des clients, récupérer des connaissances pertinentes, recommander des produits et escalader vers des agents humains si besoin — le tout avec un ton amical, professionnel et un rendu structuré.
Un tel workflow permet une interaction client évolutive et cohérente, réduit les efforts manuels et garantit des réponses de support de haute qualité, même en cas de forte demande.
Structure du workflow et étapes clés
1. Entrée et historique de chat
- Le nœud Chat Input collecte les messages des utilisateurs et les pièces jointes comme point de départ.
- Le nœud Chat History récupère les N derniers messages et fournit le contexte de la conversation, permettant des réponses personnalisées et contextualisées.
2. Construction des prompts
- Les Prompt Templates génèrent dynamiquement les URLs d’API en utilisant l’entrée utilisateur et l’historique de chat. Par exemple :
- Un modèle construit une URL pour récupérer les données de conversation depuis LiveAgent (remplacez
YOURLINKpar votre domaine réel). - Un autre modèle sert à poster de nouveaux messages vers LiveAgent.
- Un modèle construit une URL pour récupérer les données de conversation depuis LiveAgent (remplacez
- Des Notes sont incluses comme rappels pour insérer les clés API ou mettre à jour le lien LiveAgent dans les modèles.
3. Requêtes API
- Le workflow utilise deux nœuds API Request :
- Un pour récupérer les informations de conversation (requêtes GET).
- Un autre pour envoyer des messages ou interagir avec la conversation (requêtes POST).
- Les nœuds Create Data construisent dynamiquement les paramètres de requête ou le corps des données pour ces appels API (par exemple, inclure les clés API ou le contenu du message).
4. Analyse et traitement des données
- Les nœuds Parse Data convertissent les réponses API de données structurées en texte brut, en utilisant éventuellement des modèles pour le formatage.
- Cela permet de rendre les résultats des appels API exploitables pour un traitement IA ultérieur ou pour affichage à l’utilisateur.
5. Recherche de connaissances
- Document Retriever est un outil intégré qui recherche dans une base de connaissances ou un référentiel documentaire selon la requête de l’utilisateur, renvoyant les documents, extraits ou liens les plus pertinents.
- Il fournit les connaissances comme ressource pour l’agent IA, garantissant des réponses fondées sur le savoir de l’entreprise.
6. Génération IA et post-traitement
- Les nœuds LLM OpenAI (deux avec des configurations différentes) donnent accès à des modèles de langage avancés (ex : GPT-4.1) pour générer des réponses et extraire des informations structurées.
- Le nœud Generator utilise le LLM pour extraire des sections spécifiques (ex : « Aperçu ») à partir des réponses API traitées.
7. Raisonnement orchestré par l’agent
- Tool Calling Agent est le moteur central de raisonnement :
- Reçoit l’entrée traitée, l’historique de chat et l’accès aux outils (comme le Document Retriever).
- Utilise un prompt système détaillé pour garantir des réponses alignées avec les politiques, le ton et la structure de l’entreprise.
- Décide dynamiquement s’il faut répondre à partir de la base de connaissances, poser des questions de clarification, ou escalader vers un agent humain.
- Veille à ce que la sortie soit concise (100–200 tokens), bien formatée et dans la langue préférée du client.
8. Affichage des réponses
- Les nœuds Chat Output affichent le message final généré ou traité par l’IA à l’utilisateur.
- Le workflow supporte plusieurs points de sortie pour différents stades (ex : après la génération IA, après le raisonnement de l’agent, etc.).
Relations entre composants (tableau simplifié)
| Étape | Entrée(s) | Sortie(s) | Rôle |
|---|---|---|---|
| Chat Input | Message utilisateur | Message | Point d’entrée des demandes clients |
| Chat History | - | Historique de chat | Fournit le contexte pour des réponses personnalisées |
| Prompt Templates | Entrée utilisateur, historique chat | URLs API (texte) | Construit dynamiquement les URLs pour les appels API |
| Create Data | - | Données param/body | Génère les données requises pour les requêtes API |
| API Request | URL, params/body | Données de réponse API | Récupère ou envoie des données vers le service externe (ex : LiveAgent) |
| Parse Data | Réponse API | Texte | Convertit les données structurées en texte pour LLM ou utilisateur |
| LLM OpenAI | Prompt, paramètres | Texte généré par IA | Génère du texte, extrait des informations |
| Generator | Texte, modèle | Texte traité | Extrait des infos spécifiques (« Aperçu ») de l’entrée |
| Document Retriever | Requête | Documents/outil | Trouve les infos pertinentes dans la base de connaissances |
| Tool Calling Agent | Entrée, outils, historique, modèle | Message raisonné | Orchestration de la réponse, usage d’outils, escalade, formatage |
| Chat Output | Message | - | Affiche le message à l’utilisateur |
Pourquoi ce flux est utile pour l’automatisation et la montée en charge
- Cohérence : Garantit à chaque client des réponses exactes, conformes à la politique et à l’image de marque, quelle que soit la charge.
- Scalabilité : Gère un nombre illimité de conversations simultanées, en s’appuyant sur l’IA et les outils automatisés plutôt que sur les seuls agents humains.
- Efficacité : Réduit le travail manuel des agents en automatisant la recherche d’informations, la génération de réponses et même la logique d’escalade.
- Personnalisation : Intègre l’historique du chat et le contexte pour des réponses adaptées.
- Extensibilité : Facile à adapter ou enrichir (modification des prompts, ajout d’intégrations API, mise à jour des sources de connaissances, etc.).
- Multilingue : L’agent IA peut répondre dans la langue préférée du client, améliorant ainsi l’expérience utilisateur.
Points clés de la logique d’automatisation
- Gestion dynamique des entrées : Le flux adapte ses appels API et requêtes de connaissances selon l’entrée utilisateur et le contexte de la conversation.
- Raisonnement conditionnel : L’agent choisit la meilleure source (base de connaissances, API ou escalade humaine) pour chaque réponse.
- Sortie structurée : Imposition de réponses courtes, bien formatées et engageantes, avec puces, texte en gras et emojis.
- Sécurité : Rappel d’insérer les clés API en toute sécurité et de mettre à jour les liens spécifiques à l’entreprise.
- Boucles de feedback : L’agent peut poser des questions de clarification ou passer au support humain si l’automatisation ne permet pas de résoudre le problème.
Résumé
Ce workflow constitue une automatisation robuste et modulaire pour le support client et la recommandation de produits assistés par IA. Il combine l’entrée de chat, l’intégration API dynamique, la recherche documentaire et des modèles de langage avancés au sein d’un agent orchestrateur unique. En automatisant les tâches répétitives et en s’appuyant sur l’IA pour le raisonnement, il permet à votre support de monter en charge efficacement tout en maintenant un haut niveau de service et de personnalisation.
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.
En savoir plus
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
Agent d’Assistance Client Shopify IA
Un workflow pour un agent de service client alimenté par l’IA, capable de répondre aux questions sur les produits Shopify, de récupérer le statut des commandes ...
4 min de lecture
Agent IA de recherche de tarification de produits Shopify
Ce workflow alimenté par l'IA aide les commerçants Shopify à analyser les produits concurrents, rechercher les tendances du marché et générer des stratégies de ...
5 min de lecture