Prompt
Prompt-mal for å konstruere API-URL med dynamisk menneskelig input.
https://YOURLINK/api/conversations/{human_input}/messages
AI-drevet e-postspamdeteksjon og support-ruting
Denne AI-arbeidsflyten klassifiserer automatisk innkommende e-poster som spam eller ikke, og ruter intelligente og legitime meldinger til en AI-assistent som benytter selskapets kunnskapskilder for å gi profesjonelle support-svar. Den integrerer dokumenthenting, avanserte LLM-er og API-interaksjoner for sømløs automatisering av kundestøtte.
Flows
Hvordan AI Flow fungerer
- Motta innkommende e-post.
- Arbeidsflyten starter med å motta en e-post eller meldingsinput fra bruker.
- Klassifiser e-post som spam eller ikke.
- Bruker en AI-modell for å avgjøre om den innkommende meldingen er spam eller en legitim kundehenvendelse.
- Rute basert på klassifisering.
- Spam-meldinger utløser en enkel varsling, mens legitime henvendelser blir rutet til AI-supportassistenten.
- Hent kunnskap og skriv svar.
- AI-assistenten henter relevante dokumenter og kunnskap, og genererer deretter et profesjonelt, kontekstsensitivt support-svar.
- Lever utdata til bruker.
- Det endelige svaret eller varselet sendes tilbake til brukeren eller supportagenten.
Prompts brukt i denne flowen
Prompt
Prompt-mal for å konstruere API-URL med dynamisk input.
https://YOURLINK/api/conversations/{input}
Prompt
Prompt-mal for å konstruere API-URL med dynamisk menneskelig input.
https://YOURLINK/api/conversations/{human_input}/messages
Generator
Systemprompt for LLM for å klassifisere e-poster som spam eller ikke.
Du er en e-postklassifiserer for bedrifter.
Avgjør om e-posten er relevant for virksomheten eller et uønsket tilbud.
Spam (“ja”) hvis den inneholder:
- Kampanjer, rabatter, salg, kampanjer, bonuspoeng, affiliate-lenker  
- Invitasjoner til webinarer, seminarer, arrangementer eller partnerskap  
- Investering, krypto, jobb- eller sidevirksomhetstilbud  
- Uoppfordret reklame eller kommersiell henvendelse  
Ikke spam (“nei”) hvis den inneholder:
- Kundefrustrasjon, supporthenvendelser, brukerspørsmål  
- Fakturaer, pristilbud, bestillinger, kontrakter eller betalingsdiskusjoner  
- Intern eller partnerkoordinering, planlegging eller rapporter  
- Legitime svar eller bekreftelsesforespørsler  
Returner kun "ja" eller "nei".
Generator
Systemprompt for LLM for å trekke ut forhåndsvisningsseksjoner fra input.
ekstraher "Preview"-seksjonen fra ditt input og returner kun seksjonen nøyaktig som den er, og hvis det er flere forhåndsvisningsseksjoner, returner alle ved å klassifisere dem basert på datoen deres.
Tool Calling Agent
Systemprompt for LLM-agent som skal opptre som en profesjonell kundesupportassistent.
Du er en AI språkmodellassistent som fungerer som en vennlig og profesjonell kundestøtte- og konsulentassistent for [DITT SELSKAP].
Svar alltid på engelsk, uansett om input er på engelsk eller et annet språk.
Alle meldinger skal skrives i en høflig og forretningsmessig tone for å skape trygghet og tillit hos kundene.
[Rolle]
Du hjelper til med spørsmål, konsultasjoner og teknisk problemløsning knyttet til [DITT SELSKAP]s tjenester og tilhørende produkter (f.eks. kundestøtteverktøy, flytstyringsverktøy, nettsidebygging og -administrasjon, osv.).
Gi veiledning i en tone som er lett å forstå og etterlater et positivt inntrykk hos kundene.
[Formål]
Basert på samtalehistorikk og siste henvendelse, henviser du til nøyaktig informasjon fra tilgjengelige kunnskapskilder eller verktøy for å gi optimale svar på engelsk.
[Prioritet på informasjonsreferanse]
Primærkilde: Bruk søkeverktøyet for kunnskapskilder for å verifisere relevant informasjon før du svarer.
Sekundærkilde: Når du undersøker relatert kontekst, bruk alltid dokumenthentingsverktøyet.
Spekulasjon eller fabrikasjon basert på egne vurderinger er forbudt.
[Retningslinjer for svar]
1. Når relevant kontekst eller informasjon er funnet, gi nøyaktige og konsise svar på engelsk basert på den informasjonen.
2. List opp URL-ene til refererte kilder direkte under svaret (det er ikke tillatt å endre URL-er).
3. Bruk kun tjenestenavn og navn på abonnementer som finnes i den faktiske kunnskapsbasen.
4. Hvis ingen relevant informasjon finnes, oppgi tydelig at "the relevant information could not be found" og be høflig om ytterligere detaljer fra kunden.
[Håndtering av spørsmål som ikke er relatert til [DITT SELSKAP]]
For henvendelser som ikke er relatert til [DITT SELSKAP], oppgi tydelig: "This question is not related to [YOUR COMPANY]."
[Når en kunde viser interesse for en spesifikk plan eller tjeneste]
• Gi detaljer om planen, prising og konsultasjon/demo-alternativer.
• Ved behov, veiled kunden i hvordan de kan ta kontakt via den offisielle nettsiden.
• For spørsmål om implementeringsplan eller oppstartskostnader, presenter tilgjengelige alternativer.
[Regler for stil og uttrykk]
• Bruk en profesjonell e-posttone (formell, men tilgjengelig).
• Strukturer svar i korte avsnitt for lesbarhet.
• Punktlister er tillatt.
• Bruk kun ren tekst (Markdown-symboler som #, ##, ### for overskrifter er strengt forbudt).
• Ikke bruk emojis eller emotikoner.
• Oppretthold respektfullt språk uten å bli for formell.
[Anbefalt svarformat]
1. Høflig hilsen (f.eks. "Thank you for your inquiry.")
2. Oppsummer kort spørsmålet eller problemet.
3. Presenter løsningen eller veiledningen klart.
4. Gi eventuelt neste steg (f.eks. URL-er, kontaktinformasjon eller supportalternativer).
5. Avsluttende setning (f.eks. "We look forward to assisting you further.")
[Forbudte handlinger]
• Bruk av Markdown-symboler (f.eks. #, ##, ###) er forbudt.
• Bruk av fet, kursiv eller lenkesyntaks i Markdown er forbudt.
• Spekulasjon basert på usikker informasjon er forbudt.
• Bruk av upassende uttrykk, slang eller emojis er forbudt.
[Eksempler på svartone]
"Takk for din henvendelse.
Detaljene er som følger: …"
"Vi beklager eventuelle ulemper, men angående denne saken…"
"Takk for oppmerksomheten, og vennligst gi beskjed hvis du har behov for ytterligere assistanse."
[Spesielle merknader]
• For spørsmål om [DITT SELSKAP] og dets relaterte tjenester, skal du alltid svare basert på den siste tilgjengelige kunnskapen.
• Hvis relevant informasjon ikke kan oppnås, be om flere detaljer og unngå spekulative svar.
• Bruk alltid høflige og empatiske uttrykk for å sikre at kundene føler seg ivaretatt.
Denne prompten fungerer som standard for å levere konsistent, kundeservice av høy kvalitet som medlem av [DITT SELSKAP] sitt supportteam.
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.
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.
Prompt-komponent i FlowHunt
Lær hvordan FlowHunts Prompt-komponent lar deg definere din AI-bots rolle og oppførsel, og sikrer relevante, personaliserte svar. Tilpass prompt og maler for effektive, kontekstsensitive chatbot-strømmer.
API-forespørsel
Integrer eksterne data og tjenester i arbeidsflyten din med API-forespørsel-komponenten. Send HTTP-forespørsler enkelt, angi egendefinerte headers, body og spørringsparametere, og håndter flere metoder som GET og POST. Essensielt for å koble automatiseringene dine til enhver web-API eller tjeneste.
Analyser Data
Komponenten Analyser Data omformer strukturert data til ren tekst ved hjelp av tilpassbare maler. Den muliggjør fleksibel formatering og konvertering av datainnganger for videre bruk i arbeidsflyten din, og hjelper til med å standardisere eller forberede informasjon for nedstrøms komponenter.
Generator
Utforsk Generator-komponenten i FlowHunt—kraftig AI-drevet tekstgenerering ved bruk av din valgte LLM-modell. Lag enkelt dynamiske chatbot-svar ved å kombinere prompt, valgfrie systeminstruksjoner og til og med bilder som input, noe som gjør den til et kjernetool for å bygge intelligente, samtalebaserte arbeidsflyter.
Betinget Rutingskomponent
Den betingede rutingskomponenten muliggjør dynamisk beslutningstaking i arbeidsflyten din. Den sammenligner inndatatekst mot en spesifisert verdi ved hjelp av ulike operatorer—som lik, inneholder eller er tom—og ruter meldingen til forskjellige utganger basert på sammenligningsresultatet. Dette lar deg forgrene flytlogikken din, slik at du kan lage personlige og intelligente arbeidsflyter som tilpasser seg brukerens inndata.
Opprett Data
Opprett Data-komponenten lar deg dynamisk generere strukturerte dataregistre med et tilpassbart antall felt. Ideell for arbeidsflyter som krever opprettelse av nye dataobjekter underveis, den støtter fleksibel feltkonfigurasjon og sømløs integrasjon med andre automatiseringstrinn.
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.
LLM OpenAI
FlowHunt støtter dusinvis av tekstgenereringsmodeller, inkludert modeller fra OpenAI. Her er hvordan du bruker ChatGPT i dine AI-verktøy og chatboter.
LLM Anthropic AI
FlowHunt støtter dusinvis av AI-modeller, inkludert Claude-modeller fra Anthropic. Lær hvordan du bruker Claude i dine AI-verktøy og chatboter med tilpassbare innstillinger for skreddersydde svar.
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.
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.
Dokumentinnhenter
FlowHunts Dokumentinnhenter forbedrer AI-nøyaktigheten ved å koble generative modeller til dine egne oppdaterte dokumenter og nettadresser, og sikrer pålitelige og relevante svar ved bruk av Retrieval-Augmented Generation (RAG).
Notat
Notat-komponenten i FlowHunt lar deg legge til kommentarer og dokumentasjon direkte i arbeidsflyten din. Bruk den for å klargjøre, kommentere eller gi instruksjoner i flyten din, noe som gjør komplekse automatiseringer enklere å forstå og vedlikeholde.
Flow-beskrivelse
Formål og fordeler
Arbeidsflytbeskrivelse: Skalerbar og automatisert håndtering av bedrifts-e-post og chat
Denne arbeidsflyten er laget for å automatisere og skalere prosessering, klassifisering og ruting av bedrifts-e-poster og chatmeldinger, med særlig fokus på kundeservicescenarier. Den benytter en kombinasjon av AI-drevet klassifisering, betinget logikk, API-integrasjoner og kontekstsensitive agent-svar, noe som gjør den svært nyttig for virksomheter som ønsker å effektivisere kundestøtte, oppdage spam og integrere AI-agenter med eksterne systemer som LiveAgent.
Overordnet oversikt
Flyten består av to hovedgrener:
- E-post/meldingsspamdeteksjon og ruting: Klassifiserer automatisk innkommende meldinger som spam eller ikke, og ruter dem deretter for å sikre effektiv håndtering og redusere manuell filtrering.
- Kontekstuelt AI-agent for kundestøtte: Benytter ekstern dokumenthenting og en avansert agent til å gi nøyaktige, kontekstfylte og retningslinje-kompatible kundesvar.
Detaljert flytstruktur
1. Spamdeteksjon og ruting
- Input: Meldinger mottas via en chat-input-node.
- Promptkonstruksjon: En prompt-mal fylles ut med innkommende melding og sendes til en API-forespørselsnode (konfigurert for LiveAgent eller lignende systemer).
- Tekstekstraksjon: API-responsen parses for å trekke ut relevant innhold via en parser-node.
- Spamklassifiserings-LLM: Den uttrukne meldingen sendes til en OpenAI GPT-4.1-modell med systemprompt som instruerer om å returnere “ja” hvis meldingen er spam (f.eks. kampanjer, uønskede tilbud) eller “nei” hvis den er relevant for virksomheten.
- Betinget ruting:
- Hvis meldingen klassifiseres som spam (“ja”), genererer en prompt-mal et standard spamvarsel, som vises i chatten.
- Hvis meldingen ikke er spam (“nei”), går den videre til en kontekstsensitiv AI-supportagent for videre håndtering.
Logikktabell for spamruting:
| Steg | Verktøy/node | Formål |
|---|---|---|
| Melding inn | ChatInput | Mottar bruker-/kundemelding |
| Prompt for API | PromptTemplate | Formaterer melding for LiveAgent API |
| API-kall | APIRequest | Sender/henter meldingsdata |
| Parse Data | ParseData | Ekstraherer meldingens forhåndsvisning |
| Spam-LLM-klassifisering | Generator (OpenAI) | Klassifiserer som spam eller ikke |
| Betinget router | ConditionalRouter | Ruter videre basert på LLM-output |
| Spam-varsling | PromptTemplate & ChatOutput | Standardrespons for spam |
| Ikke spam | Går til supportagent | For videre menneskelignende håndtering |
2. Kontekstuelt AI-kundeserviceagent
- Dokumenthenting: Når en melding ikke er spam, hentes relevante dokumenter fra en kunnskapsbase, filtrert på kategorier og tidspunkter, slik at oppdatert og kontekstuelt informasjon er tilgjengelig.
- Chat-historikk: Nylig chatthistorikk hentes for å gi agenten kontekst for sine svar, og sikre kontinuitet og relevans.
- LLM-agentorkestrering: En Anthropic Claude Sonnet 4-modell driver en Tool Calling Agent, som får en detaljert systemmelding med strenge svarregler (f.eks. alltid svare på engelsk, bruke høflig forretningsspråk, sitere URL-er nøyaktig, unngå spekulasjon og følge spesifikk utdataformat).
- Verktøysintegrasjon: Agenten kan kalle dokumenthenterverktøyet og andre API-er ved behov for å støtte sine svar og sikre faktabaserte svar.
- Utdata: Agentens svar skrives ut i chatten og kan også oversendes til videre API-integrasjon (f.eks. videresending til LiveAgent).
Logikktabell for agentsvar:
| Steg | Verktøy/node | Formål |
|---|---|---|
| Dokumenthenter | DocumentRetriever | Henter relevant kontekst fra kunnskapsbase |
| Chat-historikk | ChatHistory | Gir nylig samtalekontekst |
| LLM-modell | Anthropic Claude | Avansert språkforståelse |
| Tool Calling Agent | ToolCallingAgent | Kombinerer verktøy, kontekst og retningslinjer |
| Utdata | ChatOutput | Sender svar til chat/playground |
| API-videresending | APIRequest/ParseData | Eventuell logging/videresending til LiveAgent |
Systemmeldingsretningslinjer for agenten
- Svar alltid på engelsk, uansett input-språk.
- Bruk en formell, men vennlig forretningsstil; ingen markdown, ingen emojis, ingen spekulasjon.
- Svar må sitere URL-er rett under svaret og følge en tydelig, punktvennlig struktur.
- Hvis ingen relevant info finnes, be høflig kunden om flere detaljer.
3. API-integrasjon og datahåndtering
- Dynamisk datagenerering: Flere noder genererer nødvendige datadictionary-er for API-forespørsler, inkludert API-nøkler, meldingsinnhold og spørringsparametre.
- Flere API-interaksjoner: Arbeidsflyten kan håndtere flere API-kall (f.eks. til LiveAgent, andre backend-systemer) med fleksible metoder (GET, POST, osv.).
- Dataparsing: Etter hver API-respons, trekker parser-noder ut relevant tekst til videre behandling eller utdata.
4. Fordeler med automatisering og skalering av arbeidsflyten
- Automatisk spamfiltrering: Eliminerer manuell gjennomgang av uønskede meldinger, sparer tid og lar agenter fokusere på reelle supporthenvendelser.
- Konsistent, retningslinjefast support: Agenten følger alltid selskapets retningslinjer, og sikrer pålitelig og merkevaretrygg kommunikasjon.
- Kunnskapsdrevne svar: Ved å integrere dokumenthenting baserer agenten sine svar på den nyeste og mest relevante informasjonen.
- Fleksibel API-integrasjon: Enkel utvidelse til nye verktøy, sakssystemer eller kunnskapskilder etter hvert som forretningsbehovene endres.
- Skalerbar: Den modulære designen gjør det mulig å håndtere flere samtaler parallelt og tilpasse seg økte meldingsvolum enkelt.
Eksempelscenarier
- Kundeserviceteam: Automatisk triagering av meldinger, håndtering av spam og levering av nøyaktige, kontekstfylte svar.
- Salg/lead-kvalifisering: Filtrer ut irrelevante henvendelser før genuint interesserte går videre til salgsteamet.
- Omnikanal-integrasjon: Koble til plattformer som LiveAgent eller egendefinerte API-er for å samle support på tvers av kanaler.
Installasjonsnotater
- Krever tilpasning: Bytt ut plassholdere for API-nøkler og URL-er (f.eks. “YOURLINK”) med faktiske verdier i produksjon.
- Kunnskapsbasestyring: Hold kildene for dokumenthenting oppdatert for optimal ytelse hos agenten.
Denne arbeidsflyten gir en robust og skalerbar arkitektur for automatisering av kundekommunikasjon, og sikrer både effektivitet og høy kvalitet på svar i tråd med selskapets retningslinjer. Dens modularitet gjør det enkelt å utvide etter hvert som virksomheten vokser eller nye automatiseringsbehov oppstår.
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
AI Gmail-assistent for e-posthåndtering
Strømlinjeform Gmail-arbeidsflyten med en AI-drevet assistent som kan søke, organisere og administrere e-poster, opprette og sende nye meldinger, og automatiser...
3 min lesing
Hvordan konfigurere håndtering av LiveAgent-henvendelser med AI-agent og spamforebygging for din bedrift
Lær hvordan du tilpasser API-nøkler, URL-er og innstillinger i det automatiserte e-post- og chatflytet slik at det passer for din virksomhet.
3 min lesing
automation
FlowHunt
+2
AI kundeservice-chatbot med menneskelig overlevering
En AI-drevet kundeservice-chatbot som automatisk hjelper brukere, henter informasjon fra interne dokumenter og nettet, og sømløst eskalerer til en menneskelig a...
3 min lesing