Flow-beskrivelse
Formål og fordeler
Oversikt
Denne arbeidsflyten automatiserer prosessen med å hente kundemeldinger fra et billett- eller støttesystem, trekke ut den siste relevante meldingen, berike den med kontekst og chatthistorikk, og deretter benytte avansert AI (LLM-er) kombinert med kunnskapsverktøy for å generere profesjonelle, flerspråklige kundestøttesvar. Prosessen forbereder og sender så disse svarene tilbake til eksterne systemer, noe som gjør den ideell for skalering og automatisering av kundestøtte, kunnskapsinnhenting og ekstern API-integrasjon.
Trinnvis gjennomgang
- Chatinnput: Arbeidsflyten kan motta innkommende chatmeldinger direkte.
- Promptopprettelse for API: Systemet bruker en promptmal for dynamisk å konstruere URL for å hente billettmeldinger fra en ekstern API (f.eks.
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages
). Dette muliggjør fleksibel henting basert på innkommende brukerdata. - Konstruksjon av spørringsparametere: En dataskapingsnode brukes til å bygge nødvendige spørringsparametere for API-forespørselen dynamisk.
2. Henting av eksterne data
- API-forespørsel: Ved å bruke den konstruerte URL-en og spørringsparametrene, sender arbeidsflyten en GET-forespørsel for å hente billettens meldingshistorikk fra et eksternt billettsystem. API-nøkkelautentisering støttes via headere.
- Parsing av hentede data: Når API-en returnerer data, strukturerer og konverterer en parsernode disse dataene til ren tekst ved hjelp av maler, slik at de egner seg for videre AI-behandling.
3. Uttrekk og forprosessering av meldinger
- LLM-basert uttrekk: En OpenAI LLM (f.eks. GPT-4.1) brukes med en systemprompt for kun å trekke ut den nyeste brukermeldingen fra billettdataene (spesielt meldinger av type “M”)—slik sikres det at kun relevant innhold behandles videre.
- Promptberikelse: Den uttrukne meldingen og chatkonteksten settes inn i en avansert promptmal som inkluderer samtalehistorikk og segmentering av siste melding, og forbereder innputen til hovedstøtteagenten.
4. Kunnskapsberikelse
- Chatthistorikk: Systemet kan slå opp de siste N meldingene i samtalen for å gi kontinuitet og rikere kontekst.
- Dokumenthenting: Et dokumenthenterverktøy søker i interne/eksterne kunnskapsbaser (valgfritt inkludert Google Docs) etter relevant informasjon for å svare på kundens spørsmål. Dette er avgjørende for å forankre svarene i oppdatert og nøyaktig kunnskap.
- Verktøyintegrasjon: Både dokumenthenter og Google Docs-henter er registrert som “verktøy” tilgjengelig for agenten, noe som muliggjør dynamisk oppslag under svargenerering.
5. Agentdrevet svargenerering
- Verktøykallende agent: I kjernen er det en verktøykallende agent (drevet av en LLM) som mottar den berikede prompten, chatthistorikk og tilgang til kunnskapsverktøy. Dens rolle er å avgjøre brukers intensjon, søke i kunnskapsbasen/verktøyene etter svar og komponere et konsist, vennlig og profesjonelt svar.
- Agenten svarer alltid på slovakisk som standard, eller bytter til kundens språk hvis det oppdages.
- Strukturert formatering håndheves: korte avsnitt, fet skrift for å fremheve, punktlister og emojier for engasjement.
- Agenten prioriterer å bruke hentet kunnskap, finner aldri opp fakta eller URL-er, ber om avklaring ved behov, og eskalerer uløste saker til menneskelige agenter.
- Alle svar følger kundestøttens tone og struktur, egnet for e-postkommunikasjon.
6. Etterprosessering og utdata
- Svarformatering: Agentens svar behandles videre gjennom promptmaler for å konstruere flerspråklig utdata (f.eks. inkludert både slovakisk og kundens originale språk).
- LLM-generering: En annen LLM-node kan generere eller oversette deler av utdataene etter behov.
- API-integrasjon for utgående meldinger: Arbeidsflyten bygger dynamisk dataobjekter for utgående API-forespørsler, pakker det genererte svaret, og sender det (typisk via POST) til relevant eksternt system.
- Parsing og endelig utdata: Utgående API-svar kan parses og vises i chat-lekeplassen eller sendes tilbake til brukergrensesnittet.
Komponent | Formål |
---|
Chatinnput | Tar imot bruker-/kundemeldinger |
Promptmal | Bygger dynamisk URL-er og meldingsprompter |
API-forespørsel | Henter billettdata/meldinger fra eksternt system |
Parse Data | Konverterer strukturerte data til ren tekst |
OpenAI LLM | Trekker ut relevante meldinger, genererer eller oversetter svar |
Dokumenthenter | Søker kunnskapsbase etter relevant info |
Google Docs-henter | Integrerer eksterne dokumenter som kunnskap for agenten |
Verktøykallende agent | Sentral AI-støtteagent—bruker verktøy og chatthistorikk |
Create Data | Pakker svar og data for utgående API-forespørsler |
Chat Output | Viser endelig resultat til sluttbruker eller system |
Notater | Gir operatørveiledning (f.eks. hvor API-nøkler/URL-er skal legges inn) |
Bruksområder og fordeler
- Automatisert kundestøtte: Strømlinjeformer prosessen med å trekke ut, berike og svare på kundehenvendelser med profesjonelle, nøyaktige og kontekstbevisste svar.
- Flerspråklig støtte: Oppdager og svarer automatisk på kundens språk, med oversettelse og formatering håndtert av arbeidsflyten.
- Skalerbar kunnskapsforvaltning: Integrerer flere kunnskapskilder (interne dokumenter, Google Docs osv.) for omfattende og oppdaterte svar.
- Sømløs integrasjon med eksterne systemer: Knytter seg enkelt til ulike API-er for både innkommende (henting av meldinger) og utgående (posting av svar) handlinger.
- Menneskelig eskalering ved behov: Overfører automatisk uløste eller uklare saker til menneskelige agenter for å sikre høy kvalitet på støtten.
Hvorfor denne arbeidsflyten er nyttig for skalering og automatisering
- Reduserer manuelt arbeid: Ved å automatisere datainnhenting, meldingsuttrekk, kontekstbygging og svargenerering, minimeres behovet for menneskelig inngripen ved rutineforespørsler.
- Konsistens og kvalitet: Sikrer at all kundekommunikasjon følger selskapets tone, format og informasjonsnøyaktighet, uavhengig av agent eller vakt.
- Rask tilpasning: Kobler seg enkelt til nye datakilder eller API-er, tilpasser seg nye språk, og kan skaleres for å håndtere høyere støttevolum med minimalt ekstra oppsett.
- Bedre kundetilfredshet: Rask, relevant og vennlig respons—tilpasset hver kundes språk og spørsmål—gir bedre opplevelser og lojalitet.
Visuell flyt (forenklet)
Nedenfor er en forenklet flytskjema-representasjon av hovedstegene:
- Chatinnput / API-forespørsel →
- Hent billettmeldinger (API-forespørsel) →
- Parse Data →
- Trekk ut siste brukermelding (LLM) →
- Berik prompt med kontekst og historikk →
- Hent kunnskap (Dokument/Google Docs-henter) →
- Verktøykallende agent (LLM) genererer svar →
- Formater/oversett/send svar (API-forespørsel) →
- Vis/lever utdata
Denne arbeidsflyten er et robust fundament for enhver organisasjon som ønsker å automatisere og skalere kundestøtte, teknisk bistand eller informasjonsleveransearbeidsflyter som krever integrasjon med eksterne API-er, kunnskapsbaser og avanserte AI-svar.