Workflow-overzicht: Simpele flow met chatgeschiedenis

Deze workflow is ontworpen om een interactieve chatervaring mogelijk te maken waarbij de AI-assistent reageert op door de gebruiker gedefinieerde taken, terwijl de chatgeschiedenis wordt gebruikt voor contextbewuste antwoorden. Het is een sjabloon voor algemeen gebruik, waardoor het aanpasbaar is voor een grote verscheidenheid aan conversatieautomatiseringen en schaalbare AI-gedreven chatoplossingen.

Stap-voor-stap workflow-uitwerking

1. Starten van chatsessie en welkomstbericht

• Chat Opened Trigger: Wanneer de chat wordt geopend, wordt een trigger geactiveerd.
• Welkomstbericht: Een message widget toont een vriendelijk welkomstbericht aan de gebruiker:

  👋 Welkom bij de Simple Task Flow!
  Deze tool is ontworpen zodat je zelf je taak kunt definiëren op basis van je invoer 🌟. Ik houd rekening met onze chatgeschiedenis om relevante hulp te bieden zonder verdere context.
  Laat gerust weten wat je zou willen doen en dan gaan we van start! ✨💬

• Weergave: Het welkomstbericht wordt getoond in het chatoutputgebied, waardoor onboarding wordt geboden en verwachtingen worden geschetst.

2. Gebruikersinvoer vastleggen

• Chat Input Node: Ontvangt tekstinvoer (en optioneel bestand) van de gebruiker, die de taak of vraag vertegenwoordigt die men wil behandelen.

3. Chatgeschiedenis ophalen

• Chat History Node: Haalt maximaal de laatste 10 berichten op (met een limiet van 8000 tokens) uit de chat. Deze geschiedenis wordt later gebruikt om context te bieden en continuïteit in het gesprek te waarborgen.

4. Promptconstructie

• Prompt Template Node: Bouwt een dynamische prompt voor het taalmodel. Deze integreert:

  • De nieuwste gebruikersinvoer.
  • De recente chatgeschiedenis.
  • Een vaste systeemboodschap die de AI instrueert om contextbewuste antwoorden te genereren.

  De gebruikte prompttemplate is:

  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. AI-generatie

• Generator Node: Ontvangt de geconstrueerde prompt en genereert een tekstantwoord met behulp van een groot taalmodel (LLM). Dit zorgt ervoor dat het antwoord contextueel relevant is en is afgestemd op het verzoek van de gebruiker.

6. Outputweergave

• Chat Output Node: Het door de AI gegenereerde antwoord wordt getoond aan de gebruiker in de chatinterface.

Workflowstructuurtabel

Waarom deze workflow nuttig is voor opschaling en automatisering

• Contextuele interacties: Door chatgeschiedenis te integreren, behoudt het systeem context, wat de relevantie van antwoorden en de tevredenheid van gebruikers verbetert.
• Door de gebruiker gedefinieerde taken: De workflow is taak-agnostisch, waardoor gebruikers hun eigen doelen kunnen bepalen en het zeer flexibel is.
• Schaalbare automatisering: Het modulaire ontwerp is geschikt voor opschaling—meerdere gebruikers kunnen gelijktijdig interactie hebben, waarbij elke sessie zijn eigen context behoudt.
• Eenvoudige aanpassing: De prompttemplate en nodes zijn eenvoudig aan te passen voor specifieke toepassingen (bijv. support, informatieopvraging, onboarding).
• Consistente gebruikerservaring: Geautomatiseerde begroeting en contextbewuste antwoorden zorgen ervoor dat iedere gebruikersinteractie professioneel en efficiënt wordt afgehandeld.

Voorbeeldtoepassingen

• Klantenservice-chatbots die eerdere interacties onthouden.
• Onboarding-assistenten die nieuwe gebruikers begeleiden op basis van hun lopende gesprek.
• Algemeen inzetbare AI-hulpen in apps waar gebruikers hun eigen vragen of taken kunnen definiëren.

Deze workflow biedt een robuuste basis voor het bouwen van intelligente, contextbewuste chatautomatiseringen die afgestemd kunnen worden op veel verschillende toepassingen.