Prompt
Créez un modèle de prompt avec des variables dynamiques ({input}, {human_input}, {context}, {chat_history}, {system_message}).
Vue d’ensemble du workflow : Flux simple avec historique de chat
Ce workflow est conçu pour faciliter une expérience de chat interactive où l’assistant IA répond aux tâches définies par l’utilisateur, tout en exploitant l’historique des échanges pour fournir des réponses contextuelles. Il s’agit d’un modèle polyvalent, le rendant adaptable à une grande variété d’automatisations conversationnelles et de solutions de chat IA évolutives.
Décomposition du workflow étape par étape
1. Lancement de la session de chat et message de bienvenue
- Déclencheur d’ouverture du chat : Lors de l’ouverture du chat, un déclencheur s’active.
- Message de bienvenue : Un widget de message affiche un message de bienvenue chaleureux à l’utilisateur :
👋 Bienvenue dans le Flux de Tâches Simple !
Cet outil est conçu pour vous permettre de définir votre propre tâche en fonction de votre saisie 🌟. Je prendrai en compte notre historique de conversation afin de vous fournir une assistance pertinente sans contexte supplémentaire.
Dites-moi simplement ce que vous souhaitez faire et commençons ! ✨💬 - Affichage : Le message de bienvenue s’affiche dans la zone de sortie du chat, facilitant l’accueil et précisant les attentes.
2. Capture de l’entrée utilisateur
- Nœud de saisie de chat : Reçoit la saisie texte (et éventuellement de fichiers) de l’utilisateur, représentant la tâche ou la question qu’il souhaite adresser.
3. Récupération de l’historique du chat
- Nœud d’historique du chat : Récupère jusqu’aux 10 derniers messages (avec une limite de 8 000 tokens) du chat. Cet historique est ensuite utilisé pour fournir du contexte et maintenir la continuité de la conversation.
4. Construction du prompt
Nœud de modèle de prompt : Construit un prompt dynamique pour le modèle de langage. Il intègre :
- La dernière saisie de l’utilisateur.
- L’historique récent du chat.
- Un message système fixe qui instruit l’IA de générer des réponses contextuelles.
Le modèle de prompt utilisé est :
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. Génération de la réponse IA
- Nœud générateur : Reçoit le prompt construit et génère une réponse textuelle en utilisant un grand modèle de langage (LLM). Cela garantit une réponse contextuelle et adaptée à la demande de l’utilisateur.
6. Affichage de la réponse
- Nœud de sortie du chat : La réponse générée par l’IA est affichée à l’utilisateur dans l’interface de chat.
Tableau de structure du workflow
| Étape | Nœud/Composant | Objectif |
|---|---|---|
| Début du chat | ChatOpenedTrigger | Détecte l’ouverture du chat |
| Message de bienvenue | MessageWidget | Accueille et informe l’utilisateur |
| Afficher le message | ChatOutput | Affiche le message de bienvenue |
| Saisie utilisateur | ChatInput | Capture la tâche ou la question de l’utilisateur |
| Récupérer historique | ChatHistory | Récupère la conversation récente pour le contexte |
| Construction prompt | PromptTemplate | Génère le prompt pour le LLM avec saisie et historique |
| Génération IA | Generator | Produit une réponse contextuelle à l’aide du prompt |
| Afficher réponse IA | ChatOutput | Affiche la réponse générée par l’IA à l’utilisateur |
Pourquoi ce workflow est utile pour la montée en charge et l’automatisation
- Interactions contextuelles : En intégrant l’historique du chat, le système maintient le contexte, améliorant la pertinence des réponses et la satisfaction utilisateur.
- Tâches définies par l’utilisateur : Le workflow est indépendant des tâches, permettant aux utilisateurs de définir leurs propres objectifs, ce qui le rend très flexible.
- Automatisation évolutive : La conception modulaire permet l’échelle—plusieurs utilisateurs peuvent interagir simultanément, chaque session conservant son propre contexte.
- Personnalisation facile : Le modèle de prompt et les nœuds peuvent être facilement adaptés à des cas d’usage spécifiques (ex : support, recherche d’informations, onboarding).
- Expérience utilisateur cohérente : L’accueil automatisé et les réponses contextuelles garantissent que chaque interaction est traitée de façon professionnelle et efficace.
Exemples d’utilisations
- Chatbots de support client qui se souviennent des échanges précédents.
- Assistants d’onboarding qui guident les nouveaux utilisateurs selon leur conversation en cours.
- Aides IA généralistes dans des applications où les utilisateurs définissent leurs propres requêtes ou tâches.
Ce workflow offre une base solide pour créer des automations de chat intelligentes et contextuelles, adaptables à de nombreux usages différents.
