Prompt
Maak een prompttemplate met dynamische variabelen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
https://YOURLINK.ladesk.com/api/conversations/{input}
AI Klantenservice Agent voor LiveAgent
Deze workflow automatiseert de klantenservice voor jouw bedrijf door LiveAgent-gesprekken te integreren, relevante gespreksgegevens te extraheren, antwoorden te genereren met AI-modellen en kennisbankdocumenten op te halen. De AI-agent behandelt inkomende supportvragen, verrijkt de context uit kennisbronnen en levert beknopte, professionele antwoorden in een klantvriendelijk formaat.
Flows
Hoe de AI-flow werkt
- Ontvang Klantvraag.
- Verzamelt binnenkomende klantberichten als de eerste input voor de workflow.
- LiveAgent Gespreksgegevens Ophalen.
- Genereert LiveAgent API-URL's en haalt gespreksrecords op die verband houden met de klantvraag.
- Gespreksinhoud Extraheren en Verwerken.
- Parset API-antwoorden om belangrijke gespreksgegevens te extraheren, en gebruikt vervolgens AI om samen te vatten of relevante delen te extraheren voor verdere analyse.
- Verrijken met Kennisbank & AI Agent.
- Haalt relevante context uit de kennisbank en gebruikt een AI-agent om een nauwkeurig, behulpzaam antwoord voor de klant te genereren.
- Eindantwoord Leveren.
- Formatteert en levert het door AI gegenereerde antwoord aan de klant, waarbij het antwoord duidelijk, professioneel en voorzien van de benodigde informatie is.
Gebruikte prompts in deze flow
Hieronder vindt u een complete lijst van alle prompts die in deze flow zijn gebruikt om de functionaliteit te bereiken. Prompts zijn de instructies die aan het AI-model worden gegeven om reacties te genereren of acties uit te voeren. Ze begeleiden de AI bij het begrijpen van de gebruikersintentie en het genereren van relevante uitvoer.
Prompt
Maak een prompttemplate met dynamische variabelen ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).
https://YOURLINK.ladesk.com/api/conversations/{human_input}/messages
Generator
Genereer tekst met behulp van de inputprompt en het geselecteerde LLM-model.
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.
Tool Calling Agent
Een tool calling agent.
You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for Your Company. 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 Your Company 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 Your Company:
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 Your Company:
Politely inform the customer that you only provide support for Your Company.
Suggest contacting the appropriate business support team at [Your Company@Your Company.sk](mailto:YourCompany@YourCompany.sk).
<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.
Gebruikte componenten in deze flow
Hieronder vindt u een complete lijst van alle componenten die in deze flow zijn gebruikt om de functionaliteit te bereiken. Componenten zijn de bouwstenen van elke AI-flow. Ze stellen u in staat om complexe interacties te creëren en taken te automatiseren door verschillende functionaliteiten met elkaar te verbinden. Elke component heeft een specifiek doel, zoals het verwerken van gebruikersinvoer, het verwerken van gegevens of het integreren met externe diensten.
ChatInput
Het Chat Input-component in FlowHunt start gebruikersinteracties door berichten vanuit de Playground vast te leggen. Het dient als het startpunt voor flows, waardoor de workflow zowel tekst- als bestandsinvoer kan verwerken.
Promptcomponent in FlowHunt
Ontdek hoe de Promptcomponent van FlowHunt je in staat stelt de rol en het gedrag van je AI-bot te definiëren, zodat je relevante, gepersonaliseerde antwoorden krijgt. Pas prompts en sjablonen aan voor effectieve, contextbewuste chatbotflows.
Gegevens aanmaken
De component Gegevens aanmaken stelt je in staat om dynamisch gestructureerde gegevensrecords te genereren met een aanpasbaar aantal velden. Ideaal voor workflows waarin het creëren van nieuwe gegevensobjecten on-the-fly nodig is, met flexibele veldconfiguratie en naadloze integratie met andere automatiseringsstappen.
API-verzoek
Integreer externe data en services in je workflow met de API-verzoek-component. Verstuur moeiteloos HTTP-verzoeken, stel aangepaste headers, body en queryparameters in, en beheer meerdere methoden zoals GET en POST. Essentieel om je automatiseringen met elke web-API of service te verbinden.
Gegevens parseren
De Parse Data-component zet gestructureerde gegevens om in platte tekst met behulp van aanpasbare sjablonen. Het maakt flexibele opmaak en conversie van gegevensinvoer mogelijk voor verder gebruik in uw workflow, zodat informatie gestandaardiseerd of voorbereid kan worden voor volgende componenten.
LLM OpenAI
FlowHunt ondersteunt tientallen tekstgeneratiemodellen, waaronder modellen van OpenAI. Hier lees je hoe je ChatGPT gebruikt in je AI-tools en chatbots.
Generator
Ontdek het Generator-component in FlowHunt—krachtige AI-gedreven tekstgeneratie met het door jou gekozen LLM-model. Creëer moeiteloos dynamische chatbot-antwoorden door prompts, optionele systeemberichten en zelfs afbeeldingen als input te combineren, waardoor het een essentiële tool is voor het bouwen van intelligente, conversatiestromen.
Tool Calling Agent
Ontdek de Tool Calling Agent in FlowHunt—een geavanceerd workflowonderdeel waarmee AI-agenten intelligent externe tools kunnen selecteren en gebruiken om complexe vragen te beantwoorden. Perfect voor het bouwen van slimme AI-oplossingen die dynamisch gebruik van tools, iteratief redeneren en integratie met meerdere bronnen vereisen.
Document Retriever
De Document Retriever van FlowHunt verhoogt de nauwkeurigheid van AI door generatieve modellen te koppelen aan je eigen, up-to-date documenten en URL's. Zo krijg je betrouwbare en relevante antwoorden met Retrieval-Augmented Generation (RAG).
Chatgeschiedenis-component
De Chatgeschiedenis-component in FlowHunt stelt chatbots in staat eerdere berichten te onthouden, wat zorgt voor samenhangende gesprekken en een verbeterde klantervaring, terwijl het geheugen- en tokengebruik wordt geoptimaliseerd.
Chatuitvoer
Ontdek het Chat Output-component in FlowHunt—finaliseer chatbot-antwoorden met flexibele, meerledige outputs. Essentieel voor naadloze flow-afronding en het creëren van geavanceerde, interactieve AI-chatbots.
Flowbeschrijving
Doel en voordelen
Workflow Beschrijving
Deze workflow is ontworpen om geavanceerde klantenservice- en kennisopvragingstaken te automatiseren en op te schalen, waarbij gebruik wordt gemaakt van LLM’s (Large Language Models), dynamische datacreatie, externe API-verzoeken (zoals LiveAgent) en geautomatiseerd documentherstel. Het is vooral nuttig voor organisaties die hun supportprocessen willen stroomlijnen, klantvragen contextueel willen beantwoorden en kennisbankopvragingen willen integreren met externe systeeminteracties.
Overzicht op Hoofdlijnen
De workflow coördineert deze hoofdonderdelen:
- Ontvangt gebruikersinput (via chat)
- Bouwt dynamische API-verzoeken op basis van gebruikersinput en context
- Haalt en parset gegevens uit externe bronnen (bijv. LiveAgent)
- Gebruikt LLM’s om relevante informatie uit antwoorden te extraheren en samen te vatten
- Verrijkt antwoorden met documentherstel uit een kennisbank
- Benut een LLM-gestuurde agent om klantklare antwoorden te genereren, altijd onderbouwd door opgehaalde context
- Presenteert het antwoord terug aan de gebruiker
Hoofdcomponenten en Stroom
| Stap | Component | Doel |
|---|---|---|
| 1 | Chat Input | Accepteert gebruikersvragen of berichten |
| 2 | Prompt Template | Vormt dynamische URL’s voor API-verzoeken, waarbij gebruikersinput en context in vooraf ingestelde sjablonen worden geplaatst |
| 3 | API Request | Stuurt HTTP-aanvragen (GET/POST) naar externe API’s (bijv. LiveAgent), inclusief parameters en body indien nodig |
| 4 | Parse Data | Zet API-antwoorden (JSON/data) om naar platte tekst of gestructureerde prompts voor LLM-verwerking |
| 5 | LLM Generator | Gebruikt een LLM (bijv. OpenAI GPT-4.1) om specifieke secties (bijv. “Preview”) uit inputgegevens te extraheren |
| 6 | Tool Calling Agent | Een LLM-agent die alle context, historie en tools ontvangt en wordt aangestuurd door een aangepaste systeemprompt |
| 7 | Document Retriever | Zoekt kennisbronnen naar relevante documenten op basis van de gebruikersvraag |
| 8 | Chat Output | Presenteert het uiteindelijke antwoord of bericht aan de gebruiker |
Gedetailleerde Stappen
1. Gebruikersinput en Contextverzameling
- Het proces begint met een Chat Input-node, waar het bericht van de gebruiker wordt ontvangen.
- De Chat History-node haalt de laatste N berichten op, zodat contextuele antwoorden mogelijk zijn.
- Een Prompt Template gebruikt de gebruikersinput en geschiedenis om dynamisch een URL te genereren voor de externe API (bijvoorbeeld om een gespreksverslag van LiveAgent op te halen).
2. API-verzoek Opbouw
- Create Data-nodes maken het mogelijk om dynamisch queryparameters of request bodies samen te stellen (inclusief veilige opslag van API-sleutels of andere benodigde velden).
- De gegenereerde URL en parameters worden ingevoerd in een API Request-node, die interacteert met externe systemen (zoals LiveAgent) om de benodigde gegevens op te halen.
3. Gegevens Parsing en Voorbewerking
- API-antwoorden worden verwerkt met Parse Data-nodes, die ruwe data omzetten naar gestructureerde tekst of alleen relevante velden extraheren.
- Deze geparste gegevens worden doorgegeven aan de LLM Generator-node, die is belast met het extraheren van specifieke informatie (bijv. de “Preview”-sectie) met behulp van een goed gedefinieerd systeembericht.
4. Kennisverrijking
- Ondertussen stelt de Document Retriever-node het systeem in staat om binnen interne kennisbanken naar documenten te zoeken die zeer relevant zijn voor de gebruikersvraag, waardoor de agent wordt verrijkt met gezaghebbende context. Deze tool is beschikbaar voor de LLM-agent.
5. LLM Agent Antwoordgeneratie
- De Tool Calling Agent-node is een krachtige LLM-gebaseerde agent die:
- Gebruikersinput, API-antwoorden, chatgeschiedenis en toegang tot tools (Document Retriever, Contact Human Assist, enz.) ontvangt
- Wordt gestuurd door een gedetailleerde systeemprompt, waarin staat:
- Gebruik altijd gezaghebbende bronnen (bijv. Document Retriever, knowledge_source_tool)
- Nooit zelf antwoorden of URL’s verzinnen
- Stel verduidelijkingsvragen indien nodig
- Formatteer antwoorden vriendelijk, professioneel en beknopt
- Gebruik opsommingstekens, vetgedrukte tekst en emoji’s voor aantrekkelijke antwoorden
- Antwoord altijd in het Slowaaks (of gedetecteerde gebruikers-taal), in e-mailstijl
- Escaleer naar menselijke support als de vraag niet kan worden opgelost
- Dit zorgt ervoor dat elk klantantwoord accuraat, contextueel, beleidstrouw en zeer schaalbaar is.
6. Output naar de Gebruiker
- Het uiteindelijke gegenereerde antwoord (van de LLM-agent) wordt geparset en geformatteerd en vervolgens geleverd aan de gebruiker via Chat Output-nodes.
Notities en Best Practices
- API-sleutel en LiveAgent-link: De workflow bevat notitienodes die de gebruiker eraan herinneren zijn API-sleutel in te voeren en
YOURLINKin prompttemplates te vervangen door de eigen LiveAgent-instance URL. - Beveiliging en Compliance: API-sleutels en gevoelige gegevens worden afgehandeld met behulp van dynamische datanodes, waardoor het risico op onbedoelde blootstelling wordt geminimaliseerd.
- Uitbreidbaarheid: Het modulaire ontwerp maakt het eenvoudig om extra tools, datatransformaties of outputkanalen toe te voegen.
Waarom Is Deze Workflow Nuttig voor Schaling en Automatisering?
- End-to-End Automatisering: Integreert meerdere gegevensbronnen (live chat, API’s, kennisbank) en automatiseert het besluitvormings- en antwoordproces.
- LLM-Gedreven Redenering: Maakt gebruik van geavanceerde LLM’s voor contextueel begrip, informatie-extractie en mensachtige communicatie.
- Consistente, Hoge Kwaliteit Support: De system prompt van de agent handhaaft bedrijfsbeleid, toon, escalatiepaden en zorgt dat er geen verzonnen gegevens worden verstrekt.
- Snelle Integratie met Externe Systemen: Eenvoudig aan te passen aan verschillende API’s of kennisbanken door prompttemplates en connectienodes te wijzigen.
- Human-in-the-Loop Escalatie: Draagt complexe gevallen naadloos over aan menselijke agenten, waardoor dekking voor uitzonderingen is gegarandeerd.
- Schaalbaarheid: Kan grote aantallen vragen parallel verwerken, met consistente nauwkeurigheid en compliance.
Samenvattende Tabel van Belangrijkste Nodes
| Node Type | Hoofdrol |
|---|---|
| Note | Herinneringen en instructies voor configuratie |
| Chat Input/Output | Gebruikersinteractiepunten |
| Chat History | Biedt context uit eerdere interacties |
| Create Data | Bouwt dynamisch API-verzoekdata op |
| Prompt Template | Genereert query-URL’s of prompts |
| API Request | Interactie met externe diensten |
| Parse Data | Transformeert ruwe data voor LLM-consumptie |
| LLM Generator | Extraheert/verwerkt informatie via LLM |
| Document Retriever | Zoekt interne kennisbronnen door |
| Tool Calling Agent | Orkestreert tools en genereert antwoord |
Deze workflow is ideaal voor het automatiseren van klantenservice, het integreren met externe ticket- of chatsystemen, en het waarborgen dat LLM-gestuurde antwoorden altijd zijn gebaseerd op gezaghebbende bedrijfskennis. Het kan de ruggengraat vormen van een schaalbare, intelligente supportassistent, klaar voor zakelijk gebruik.
Laat ons uw eigen AI-team bouwen
Wij helpen bedrijven zoals die van u bij het ontwikkelen van slimme chatbots, MCP-servers, AI-tools of andere soorten AI-automatisering om mensen te vervangen bij repetitieve taken in uw organisatie.
Meer informatie
AI-klantenserviceagent met LiveAgent API-integratie
Deze AI-gedreven workflow automatiseert klantenservice door gebruikersvragen te koppelen aan bedrijfskennisbronnen, externe API’s (zoals LiveAgent) en een taalm...
5 min lezen
AI Klantenservice Agent met Kennisbank en API-verrijking
Deze door AI aangedreven workflow automatiseert klantenservice door interne kennisbankzoekopdrachten, kennisophaling uit Google Docs, API-integratie en geavance...
5 min lezen
AI Chatbot met LiveChat.com-integratie
Implementeer een AI-gestuurde chatbot op uw website die gebruikmaakt van uw interne kennisbank om klantvragen te beantwoorden en complexere of onopgeloste vrage...
4 min lezen