Descrizione del Workflow

Questo workflow è pensato per automatizzare e scalare compiti avanzati di supporto clienti e recupero della conoscenza, sfruttando LLM (Large Language Models), creazione dinamica di dati, richieste API esterne (come LiveAgent) e recupero automatico di documenti. È particolarmente utile per le organizzazioni che vogliono ottimizzare i processi di supporto, rispondere alle richieste dei clienti con risposte contestualizzate e integrare ricerche nella knowledge base con interazioni verso sistemi esterni.

Panoramica Generale

Il workflow orchestra questi passaggi principali:

• Riceve l’input utente (tramite chat)
• Costruisce richieste API dinamiche basate su input utente e contesto
• Recupera e analizza dati da fonti esterne (es. LiveAgent)
• Usa LLM per estrarre e riassumere informazioni rilevanti dalle risposte
• Arricchisce le risposte tramite recupero documenti dalla knowledge base
• Utilizza un agente basato su LLM per generare risposte pronte per il cliente, sempre fondate sul contesto recuperato
• Presenta la risposta all’utente

Componenti Principali e Flusso

Passaggi Dettagliati

1. Input Utente e Raccolta Contesto

• Il processo inizia con un nodo Chat Input, dove viene ricevuto il messaggio dell’utente.
• Il nodo Chat History recupera gli ultimi N messaggi, abilitando risposte contestualizzate.
• Un Prompt Template usa l’input utente e la cronologia per generare dinamicamente un URL per l’API esterna (ad esempio per recuperare una trascrizione da LiveAgent).

2. Costruzione della Richiesta API

• I nodi Create Data permettono la costruzione dinamica di parametri di query o body della richiesta (inclusa la memorizzazione sicura delle API key o altri campi necessari).
• L’URL e i parametri generati vengono passati a un nodo API Request, che interagisce con sistemi esterni (come LiveAgent) per ottenere i dati richiesti.

3. Parsing e Preprocessing dei Dati

• Le risposte API vengono processate tramite nodi Parse Data, trasformando i dati grezzi in testo strutturato o estraendo solo i campi rilevanti.
• Questi dati parsati passano al nodo LLM Generator, che ha il compito di estrarre informazioni specifiche (es. la sezione “Preview”) usando un messaggio di sistema ben definito.

4. Arricchimento della Conoscenza

• Nel frattempo, il nodo Document Retriever permette al sistema di cercare all’interno delle knowledge base interne i documenti più rilevanti rispetto alla richiesta, arricchendo ulteriormente l’agente con contesto autorevole. Questo strumento è reso disponibile all’agente LLM.

5. Generazione della Risposta tramite Agente LLM

• Il nodo Tool Calling Agent è un potente agente basato su LLM che:
  • Riceve input utente, risposte API, cronologia chat e accesso agli strumenti (Document Retriever, Contact Human Assist, ecc.)
  • È guidato da un prompt di sistema dettagliato che specifica:
    • Usa sempre fonti autorevoli (es. Document Retriever, knowledge_source_tool)
    • Non inventare mai risposte o URL
    • Fai domande di chiarimento se necessario
    • Format le risposte in modo amichevole, professionale e conciso
    • Usa elenchi puntati, testo in grassetto ed emoji per risposte coinvolgenti
    • Rispondi sempre in slovacco (o nella lingua rilevata dell’utente), usando tono da email
    • Escala a un operatore umano se la richiesta non può essere risolta
• Questo garantisce che ogni risposta al cliente sia accurata, basata sul contesto, conforme alle policy e altamente scalabile.

6. Output all’Utente

• La risposta finale generata (dall’agente LLM) viene processata e formattata, quindi consegnata all’utente tramite i nodi Chat Output.

Note e Best Practice

• API Key e Link LiveAgent: Il workflow include nodi di nota che ricordano di inserire la propria API key e sostituire YOURLINK nei template prompt con l’URL reale della propria istanza LiveAgent.
• Sicurezza e Compliance: Le API key e i dati sensibili vengono gestiti tramite nodi dati dinamici, riducendo il rischio di esposizione accidentale.
• Estendibilità: Il design modulare permette di aggiungere facilmente altri strumenti, trasformazioni dati o canali di output.

Perché questo Workflow è Utile per Scalabilità e Automazione?

• Automazione End-to-End: Integra più fonti dati (live chat, API, knowledge base) e automatizza il processo decisionale e di risposta.
• Ragionamento Potenziato da LLM: Sfrutta LLM all’avanguardia per comprensione contestuale, estrazione informazioni e comunicazione umana.
• Supporto Consistente e di Qualità: Il prompt di sistema dell’agente fa rispettare policy aziendali, tono, percorsi di escalation ed evita dati allucinati.
• Integrazione Rapida con Sistemi Esterni: Adattamento semplice a diverse API o knowledge base aggiornando i template prompt e i nodi di connessione.
• Escalation Human-in-the-Loop: Passaggio fluido dei casi complessi ad operatori umani, garantendo copertura per i casi limite.
• Scalabilità: Può gestire grandi volumi di richieste in parallelo, con accuratezza e conformità costanti.

Tabella Riassuntiva dei Nodi Chiave

Questo workflow è ideale per automatizzare il supporto clienti, integrarsi con sistemi di ticketing o chat esterni e garantire che le risposte guidate da LLM siano sempre fondate su conoscenze aziendali autorevoli. Può essere la spina dorsale di un assistente di supporto intelligente e scalabile, pronto per l’uso enterprise.