Description du workflow

Ce flux de travail est conçu pour automatiser et faire évoluer des tâches avancées de support client et de récupération de connaissances, en utilisant des LLM (modèles de langage à grande échelle), la création dynamique de données, des requêtes API externes (comme LiveAgent) et la récupération automatisée de documents. Il est particulièrement utile pour les organisations souhaitant rationaliser les processus de support, répondre aux demandes clients avec des réponses contextualisées, et intégrer des recherches dans la base de connaissances avec des interactions systèmes externes.

Vue d’ensemble

Le workflow orchestre les étapes principales suivantes :

• Reçoit la saisie de l’utilisateur (via chat)
• Construit des requêtes API dynamiques en fonction de l’entrée utilisateur et du contexte
• Récupère et analyse les données de sources externes (par exemple, LiveAgent)
• Utilise les LLM pour extraire et résumer les informations pertinentes des réponses
• Enrichit les réponses grâce à la récupération de documents depuis une base de connaissances
• Utilise un agent alimenté par LLM pour générer des réponses prêtes à être envoyées au client, toujours basées sur le contexte récupéré
• Présente la réponse à l’utilisateur

Composants principaux et déroulé

Étapes détaillées

1. Saisie utilisateur et collecte de contexte

• Le processus commence par un nœud Entrée chat, où le message de l’utilisateur est reçu.
• Le nœud Historique du chat récupère les N derniers messages, permettant des réponses contextualisées.
• Un Modèle de prompt utilise l’entrée utilisateur et l’historique pour générer dynamiquement une URL pour l’API externe (par exemple pour récupérer une transcription de conversation depuis LiveAgent).

2. Construction de la requête API

• Les nœuds Créer des données permettent la construction dynamique des paramètres de requête ou du corps (incluant le stockage sécurisé des clés API ou autres champs nécessaires).
• L’URL et les paramètres générés sont transmis à un nœud Requête API, qui interagit avec des systèmes externes (comme LiveAgent) pour récupérer les données requises.

3. Analyse et prétraitement des données

• Les réponses API sont traitées via des nœuds Analyse des données, transformant les données brutes en texte structuré ou en n’extrayant que les champs pertinents.
• Ces données analysées sont transmises au nœud Générateur LLM, qui a pour tâche d’extraire des informations spécifiques (ex. section “Aperçu”) à l’aide d’un message système bien défini.

4. Enrichissement des connaissances

• Parallèlement, le nœud Extracteur de documents permet au système de rechercher dans les bases de connaissances internes des documents très pertinents pour la question de l’utilisateur, enrichissant ainsi l’agent avec un contexte fiable. Cet outil est mis à disposition de l’agent LLM.

5. Génération de la réponse par l’agent LLM

• Le nœud Agent d’appel d’outils est un puissant agent basé sur LLM qui :
  • Reçoit la saisie utilisateur, les réponses API, l’historique du chat et l’accès aux outils (Extracteur de documents, Contact Humain, etc.)
  • Est guidé par un prompt système détaillé spécifiant :
    • Toujours utiliser des sources fiables (ex. Extracteur de documents, knowledge_source_tool)
    • Ne jamais inventer de réponses ou d’URL
    • Poser des questions de clarification si nécessaire
    • Formater les réponses de façon conviviale, professionnelle et concise
    • Utiliser des puces, du texte en gras et des emojis pour des réponses engageantes
    • Toujours répondre en slovaque (ou dans la langue détectée de l’utilisateur), avec un ton email
    • Escalader vers l’assistance humaine si la question ne peut être résolue
• Ceci garantit que chaque réponse client est exacte, basée sur le contexte, conforme à la politique, et hautement évolutive.

6. Sortie vers l’utilisateur

• La réponse finale générée (par l’agent LLM) est analysée et formatée, puis délivrée à l’utilisateur via des nœuds Sortie chat.

Notes et bonnes pratiques

• Clé API et lien LiveAgent : Le flux comporte des nœuds de notes rappelant d’insérer la clé API et de remplacer YOURLINK dans les modèles de prompt par l’URL réelle de votre instance LiveAgent.
• Sécurité et conformité : Les clés API et données sensibles sont gérées via des nœuds de données dynamiques, minimisant les risques d’exposition accidentelle.
• Extensibilité : La conception modulaire permet d’ajouter facilement de nouveaux outils, transformations de données ou canaux de sortie.

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

• Automatisation de bout en bout : Intègre plusieurs sources de données (chat en direct, API, base de connaissances) et automatise la prise de décision et la réponse.
• Raisonnement alimenté par LLM : Utilise des LLM de pointe pour la compréhension contextuelle, l’extraction d’informations et la communication humaine.
• Support cohérent et de qualité : Le prompt système de l’agent applique les politiques de l’entreprise, le ton, les chemins d’escalade et veille à ce qu’aucune donnée hallucinée ne soit fournie.
• Intégration rapide avec les systèmes externes : S’adapte facilement à différentes API ou bases de connaissances en mettant à jour les modèles de prompt et les nœuds de connexion.
• Escalade humaine intégrée : Transfère sans couture les cas complexes vers des agents humains, couvrant ainsi les cas limites.
• Scalabilité : Peut traiter de grands volumes de demandes en parallèle, avec une précision et une conformité constantes.

Tableau récapitulatif des nœuds clés

Ce flux de travail est idéal pour automatiser le support client, s’intégrer à des systèmes de tickets ou de chat externes, et garantir que les réponses générées par LLM sont toujours fondées sur la connaissance officielle de l’entreprise. Il peut constituer l’épine dorsale d’un assistant support intelligent, évolutif et prêt pour l’entreprise.