Velkomstmelding
Viser en velkomstmelding og korte instruksjoner til brukeren om Google Docs forskningsassistenten og dens muligheter.
AI Google Docs forskningsassistent
Denne AI-drevne arbeidsflyten henter ut spesifikk informasjon fra et Google-dokument og utvider deretter med forskning på tvers av kilder som Google Søk, Wikipedia og URL-er. Ideell for brukere som ønsker raske, kontekstuelle svar som kombinerer interne dokumenter med oppdatert kunnskap fra nettet.
Flows
Hvordan AI Flow fungerer
- Bruker starter forskningsforespørsel.
- Brukeren starter en chat og sender inn en forespørsel sammen med et Google-dokument for analyse.
- Hent ut innhold fra Google-dokument.
- Systemet henter ut målrettet informasjon eller innhold fra det oppgitte Google-dokumentet.
- Utvid med AI-forskningsagent.
- En AI-forskningsagent bruker flere verktøy—Google Søk, Wikipedia og URL-innhentere—for å samle ytterligere kontekst og validere eller berike den hentede informasjonen.
- Kombiner og generer svar.
- AI-agenten syntetiserer funn fra både Google-dokumentet og eksterne kilder til et helhetlig svar.
- Presenter resultatene til bruker.
- Arbeidsflyten leverer den innhentede og berikede informasjonen tilbake til brukeren i chatgrensesnittet.
Prompts brukt i denne flowen
Systemprompt for verktøykallende agent
Systemmelding som instruerer AI-agenten i hvordan den skal bruke Google Docs Retriever og forskningsverktøyene for å besvare brukerens forespørsler.
Komponenter brukt i denne flowen
Nedenfor er en komplett liste over alle komponenter som brukes i denne flowen for å oppnå dens funksjonalitet. Komponenter er byggesteinene i hver AI Flow. De lar deg lage komplekse interaksjoner og automatisere oppgaver ved å koble sammen ulike funksjoner. Hver komponent tjener et spesifikt formål, som å håndtere brukerinndata, behandle data, eller integrere med eksterne tjenester.
Chat Åpnet Utløser
Komponenten Chat Åpnet Utløser oppdager når en chatøkt starter, slik at arbeidsflyter kan svare øyeblikkelig så snart en bruker åpner chatten. Den igangsetter flyter med den innledende chatmeldingen, noe som gjør den essensiell for å bygge responsive, interaktive chatboter.
ChatInput
Chat Input-komponenten i FlowHunt initierer brukerinteraksjoner ved å fange opp meldinger fra Playground. Den fungerer som startpunktet for flyter, og gjør det mulig for arbeidsflyten å behandle både tekst- og filbaserte innspill.
Chat Output
Oppdag Chat Output-komponenten i FlowHunt—fullfør chatbot-svar med fleksible, flerdelte utganger. Essensielt for sømløs flytavslutning og for å lage avanserte, interaktive AI-chatboter.
Meldingswidget
Meldingswidget-komponenten viser tilpassede meldinger i arbeidsflyten din. Ideell for å ønske brukere velkommen, gi instruksjoner eller vise viktig informasjon. Den støtter Markdown-formatering og kan settes til å vises kun én gang per økt.
Chatthistorikk-komponent
Chatthistorikk-komponenten i FlowHunt gjør det mulig for chatboter å huske tidligere meldinger, noe som sikrer sammenhengende samtaler og forbedret kundeopplevelse samtidig som minne- og tokenbruk optimaliseres.
Google Docs-henter
Integrer arbeidsflytene dine med Google Docs ved hjelp av Google Docs-henter-komponenten—hent dokumentinnhold sømløst til bruk i automatiseringer, chatboter eller kunnskapsbaserte arbeidsflyter. Ideell for tilgang til, bearbeiding og utnyttelse av Google Docs i FlowHunt-flows.
Verktøy-Kallende Agent
Utforsk Verktøy-Kallende Agent i FlowHunt—en avansert arbeidsflytkomponent som gjør det mulig for AI-agenter å intelligent velge og bruke eksterne verktøy for å svare på komplekse forespørsler. Perfekt for å bygge smarte AI-løsninger som krever dynamisk verktøybruk, iterativ resonnering og integrasjon med flere ressurser.
GoogleSearch-komponent
FlowHunts GoogleSearch-komponent forbedrer chatbotens nøyaktighet ved å bruke Retrieval-Augmented Generation (RAG) for å få tilgang til oppdatert kunnskap fra Google. Kontroller resultatene med alternativer som språk, land og spørreprefikser for presise og relevante svar.
URL-henter
Lås opp webinnhold i arbeidsflytene dine med URL-henter-komponenten. Hent og prosesser tekst og metadata fra en hvilken som helst liste med URL-er – inkludert nettartikler, dokumenter og mer. Støtter avanserte alternativer som OCR for bilder, selektiv metadatauttrekk og tilpassbar caching, noe som gjør den ideell for å bygge kunnskapsrike AI-flyter og automasjoner.
Wikipedia-verktøy
Chat enkelt med hvilken som helst Wikipedia-side ved hjelp av FlowHunts AI-agenter. Få korte sammendrag, kildelenker og gjør timer med forskning om til interaktive innsikter.
Flow-beskrivelse
Formål og fordeler
Denne arbeidsflyten, med tittelen Google Docs AI Agent Researcher, er laget for å hjelpe brukere med effektivt å hente ut informasjon fra et Google-dokument og deretter utvide, validere eller berike denne informasjonen ved hjelp av AI-forskningsverktøy. Den automatiserer prosessen med å kombinere dokumenthenting med avanserte forskningsmuligheter, noe som gjør den verdifull for alle som trenger dypere innsikt fra sine dokumenter eller krever rask faktasjekk og innhenting av kontekst.
Oversikt over arbeidsflyten
Når arbeidsflyten startes, hilser den på brukeren og venter på deres forespørsel. Brukeren gir en prompt (dvs. hva de leter etter) og kan eventuelt legge ved et Google-dokument. Systemet henter deretter innholdet fra Google-dokumentet og analyserer det med en AI-agent. Denne agenten er utstyrt med flere verktøy, inkludert:
- Google Docs Retriever: Henter ut innhold fra det oppgitte Google-dokumentet.
- Google Søk: Utfører nettsøk for å finne ytterligere relevant materiale.
- URL-innhenter: Henter og analyserer innhold fra spesifikke URL-er.
- Wikipedia-verktøy: Svarer på generelle spørsmål og gir bakgrunnsinformasjon.
- Chat-minne: Opprettholder chat-historikk for kontekstsensitive svar.
AI-agenten kombinerer disse kildene for å hente ut den forespurte informasjonen, berike den og presentere funnene tilbake til brukeren i chatgrensesnittet.
Steg-for-steg flyt
| Steg | Handling | Verktøy/Komponent | Hensikt |
|---|---|---|---|
| 1 | Bruker åpner chat | Chat Opened Trigger & Message Widget | Viser velkomstmelding og instruksjoner |
| 2 | Bruker sender inn forespørsel og/eller legger ved Google-dokument | Chat Input | Fanger opp brukerens prompt og dokument |
| 3 | Chat-historikk opprettholdes | Chat History | Støtter kontekstsensitive svar |
| 4 | Innhold fra Google-dokument hentes | Google Docs Retriever | Gjør dokumentinnhold tilgjengelig for AI-agenten |
| 5 | AI-agent behandler forespørsel | Tool Calling Agent | Bruker alle forskningsverktøy for å finne, analysere og syntetisere svaret |
| 6 | Agenten bruker eksterne verktøy | Google Search, URL Retriever, Wikipedia | Utvider, validerer og beriker informasjonen |
| 7 | Endelig svar vises til bruker | Chat Output | Presenterer resultatene i chatgrensesnittet |
Hvordan verktøyene samarbeider
- Tool Calling Agent fungerer som hjernen, og styrer hvilke verktøy som skal brukes basert på brukerens forespørsel.
- Agenten kan hente ut en spesifikk bit informasjon fra Google-dokumentet og, om nødvendig, utføre nettsøk eller hente innhold fra URL-er for å samle ytterligere kontekst eller kryss-sjekke fakta.
- Ved å få tilgang til Wikipedia kan agenten gi generell bakgrunn eller svare på bredere spørsmål knyttet til forespørselen.
Eksempler på brukstilfeller
- Akademisk forskning: Hent ut en definisjon, påstand eller referanse fra et delt Google-dokument og se hvordan det diskuteres eller valideres i akademiske kilder og på nettet.
- Markedsanalyse: Hent et firmanavn eller en statistikk fra en rapport og få siste nytt, Wikipedia-bakgrunn og andre omtaler på nettet.
- Faktasjekk: Valider påstander eller fakta presentert i et dokument ved å sammenligne med oppdatert nettsøk og Wikipedia-data.
Fordeler for skalering og automatisering
Denne arbeidsflyten er spesielt nyttig for å skalere repeterende forsknings- eller dokumentanalysetjenester, siden den:
- Sparer tid: Automatiserer informasjonsinnhenting og forskning, og reduserer manuelt arbeid.
- Sikrer nøyaktighet: Kryss-sjekker dokumentinnhold med pålitelige nettbaserte kilder for validering.
- Gir dypere innsikt: Tilbyr berikede svar ved å kombinere dokument-, nett- og leksikalkunnskap.
- Støtter samarbeid: Ideell for team som deler og diskuterer dokumenter, siden all forskning skjer i et samlet chatmiljø.
Oppsummeringstabell over hovedkomponenter
| Komponent | Funksjonalitet |
|---|---|
| Chat Input/Output | Brukergrensesnitt for forespørsler og svar |
| Message Widget | Viser velkomst- og instruksjonsmeldinger |
| Chat History | Opprettholder samtalekontekst |
| Google Docs Retriever | Henter dokumentinnhold |
| Google Search | Finner relevant innhold på nettet |
| URL Retriever | Henter innhold fra spesifikke URL-er |
| Wikipedia Tool | Gir faktabasert bakgrunn og forklaringer |
| Tool Calling Agent | Koordinerer alle verktøy og syntetiserer svaret |
Ved å automatisere både uthenting og berikelse av informasjon gir denne arbeidsflyten brukere mulighet til å få mer verdi ut av sine dokumenter—raskere og med større trygghet.
La oss bygge ditt eget AI-team
Vi hjelper bedrifter som din med å utvikle smarte chatboter, MCP-servere, AI-verktøy eller andre typer AI-automatisering for å erstatte mennesker i repeterende oppgaver i organisasjonen din.
Lær mer
Google Docs Q&A Chatbot
En AI-drevet chatbot som gir presise svar på brukerens spørsmål, basert strengt på innholdet fra et gitt Google-dokument. Ideell for forskning, innholds-gjennom...
3 min lesing
Google Sheets AI Spørsmål-og-svar-assistent
En AI-drevet assistent som svarer på brukerens spørsmål utelukkende basert på innholdet i et angitt Google-ark. Arbeidsflyten henter data fra Google Sheets, ink...
3 min lesing
Automatisert LinkedIn-, Stillings- og Bransjeberikelse fra Google Sheets
Denne arbeidsflyten beriker automatisk kontaktdata i Google Sheets ved å finne LinkedIn-profiler, hente ut stillingstitler og bransjer, og oppdatere arket ved h...
5 min lesing