Agent Obsługi Klienta AI z Bazą Wiedzy i Wzbogacaniem przez API

Ten oparty na AI workflow automatyzuje obsługę klienta poprzez łączenie wyszukiwania w wewnętrznej bazie wiedzy, pobierania informacji z Google Docs, integracji z API oraz zaawansowanego rozumowania modelu językowego. Agent odpowiada po słowacku lub w języku klienta, zawsze dostarcza aktualne informacje i może przekazać sprawę do obsługi ludzkiej w razie potrzeby. Idealny dla firm poszukujących wielojęzycznej, zautomatyzowanej i kontekstowej obsługi klienta.

Jak działa przepływ AI - Agent Obsługi Klienta AI z Bazą Wiedzy i Wzbogacaniem przez API

Przepływy

Jak działa przepływ AI

Odbierz Zapytanie Klienta.
Przepływ przechwytuje zapytania klientów z wejścia czatu i pobiera ostatnią historię rozmowy dla kontekstu.
Zgromadź Wiedzę z Wewnętrznych i Zewnętrznych Źródeł.
Workflow przeszukuje zarówno wewnętrzne repozytoria dokumentów, jak i podłączone Google Docs w poszukiwaniu odpowiednich informacji z bazy wiedzy przy użyciu narzędzi do wyszukiwania dokumentów.
Wzbogacanie i Analiza Danych przez API.
Identyfikatory wiadomości klienta są używane do wywołania zewnętrznych API, pobrania historii wiadomości i parsowania niezbędnych informacji w celu wzbogacenia kontekstu.
Odpowiedzi Agenta AI i Generowanie Wielojęzyczne.
Zaawansowany agent AI wykorzystuje zgromadzony kontekst, źródła wiedzy oraz modele językowe, aby generować odpowiedzi po słowacku lub w języku klienta, zapewniając profesjonalne, zwięzłe i precyzyjne odpowiedzi.
Odpowiedz Klientowi i Eskaluj w razie Potrzeby.
Agent przekazuje odpowiedź klientowi, uwzględniając odpowiednie linki i informacje, a w razie nierozwiązania sprawy automatycznie przekazuje ją do obsługi ludzkiej.

Prompty wykorzystane w tym przepływie

Prompt (PromptTemplate-xAz1P)

Utwórz szablon prompta z dynamicznymi zmiennymi ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

---CONVERSATION HISTORY---
{context}
---

---LATEST MESSAGE---
{input}
---

Prompt (PromptTemplate-4mVjl)

Utwórz szablon prompta z dynamicznymi zmiennymi ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

---CHAT HISTORY---
{chat_history}
---

---CUSTOMER QUERY---
{context}
---

---LLM RESPONSE---
{input}
---

The final output presented to the agent should include:

        the original CUSTOMER QUERY

        the Slovak translation of the CUSTOMER QUERY


       LLM RESPONSE in Slovak

       LLM RESPONSE in the customer's language (to be sent)

Prompt (PromptTemplate-u9XGO)

Utwórz szablon prompta z dynamicznymi zmiennymi ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages

Prompt (PromptTemplate-5nKVc)

Utwórz szablon prompta z dynamicznymi zmiennymi ({input}, {human_input}, {context}, {chat_history}, {system_message}, {all_input_variables}).

https://YOURCOMPANY.ladesk.com/api/conversations/{human_input}/messages

Generator (Generator-eSD0Q)

Generuj tekst korzystając z prompta wejściowego i wybranego modelu LLM.

extract the "message" section of the "type": "M" only the section exactly as it is and only and only output the latest message based on the date with nothing else but the users message itself.

Tool Calling Agent (ToolCallingAgent-K7dur)

Agent wywołujący narzędzia.

You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for YOURCOMPANY. 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 YOURCOMPANY 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 as LATEST MESSAGE your goal is to answer the LATEST MESSAGE based on the tools at your disposal.&#x20;

<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 YOURCOMPANY:

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 YOURCOMPANY:

Politely inform the customer that you only provide support for YOURCOMPANY.

Suggest contacting the appropriate business support team at CONTACT METHOD

<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.

Komponenty wykorzystane w tym przepływie

Poniżej znajduje się pełna lista wszystkich komponentów wykorzystanych w tym przepływie do osiągnięcia jego funkcjonalności. Komponenty są podstawowymi elementami każdego przepływu AI. Pozwalają tworzyć złożone interakcje i automatyzować zadania poprzez łączenie różnych funkcjonalności. Każdy komponent służy określonemu celowi, takiemu jak obsługa danych wejściowych użytkownika, przetwarzanie danych lub integracja z zewnętrznymi usługami.

ChatInput

Komponent Chat Input w FlowHunt inicjuje interakcje z użytkownikiem, przechwytując wiadomości z Playground. Służy jako punkt początkowy dla przepływów, umożliwiając przetwarzanie zarówno tekstowych, jak i plikowych wejść.

Zobacz ChatInput

Komponent Prompt w FlowHunt

Dowiedz się, jak komponent Prompt w FlowHunt pozwala definiować rolę i zachowanie Twojego bota AI, zapewniając trafne i spersonalizowane odpowiedzi. Dostosuj prompty i szablony dla skutecznych, kontekstowych przepływów czatbota.

Zobacz Komponent Prompt w FlowHunt

Utwórz Dane

Komponent Utwórz Dane umożliwia dynamiczne generowanie uporządkowanych rekordów danych z dowolną liczbą pól. Idealny do przepływów pracy wymagających tworzenia nowych obiektów danych na bieżąco, wspiera elastyczną konfigurację pól i płynną integrację z innymi krokami automatyzacji.

Zobacz Utwórz Dane

Żądanie API

Integruj zewnętrzne dane i usługi w swoim workflow za pomocą komponentu Żądanie API. Bez wysiłku wysyłaj żądania HTTP, ustawiaj własne nagłówki, ciało i parametry zapytania oraz obsługuj wiele metod, takich jak GET i POST. Niezbędne do łączenia Twoich automatyzacji z dowolnym API lub usługą internetową.

Zobacz Żądanie API

Parsowanie danych

Komponent Parsowanie danych przekształca dane strukturalne w zwykły tekst za pomocą konfigurowalnych szablonów. Umożliwia elastyczne formatowanie i konwersję danych wejściowych do dalszego wykorzystania w Twoim przepływie pracy, pomagając standaryzować lub przygotować informacje dla kolejnych komponentów.

Zobacz Parsowanie danych

Generator

Poznaj komponent Generator w FlowHunt — potężne generowanie tekstu oparte na AI z wykorzystaniem wybranego modelu LLM. Bez wysiłku twórz dynamiczne odpowiedzi chatbotów, łącząc prompty, opcjonalne instrukcje systemowe, a nawet obrazy jako wejście, czyniąc Generator kluczowym narzędziem do budowy inteligentnych, konwersacyjnych przepływów pracy.

Zobacz Generator

LLM OpenAI

FlowHunt obsługuje dziesiątki modeli generowania tekstu, w tym modele OpenAI. Oto jak używać ChatGPT w swoich narzędziach AI i chatbotach.

Zobacz LLM OpenAI

Komponent Historia Czatów

Komponent Historia Czatów w FlowHunt umożliwia chatbotom zapamiętywanie poprzednich wiadomości, zapewniając spójne rozmowy i lepsze doświadczenia klientów przy jednoczesnej optymalizacji wykorzystania pamięci i tokenów.

Zobacz Komponent Historia Czatów

Agent Wywołujący Narzędzia

Poznaj Agenta Wywołującego Narzędzia w FlowHunt—zaawansowany komponent workflow, który umożliwia agentom AI inteligentny wybór i używanie zewnętrznych narzędzi do odpowiadania na złożone zapytania. Idealny do budowania inteligentnych rozwiązań AI wymagających dynamicznego korzystania z narzędzi, iteracyjnego rozumowania i integracji z wieloma zasobami.

Zobacz Agent Wywołujący Narzędzia

Wyszukiwarka Dokumentów

Wyszukiwarka Dokumentów FlowHunt zwiększa dokładność AI, łącząc modele generatywne z Twoimi aktualnymi dokumentami i adresami URL, zapewniając wiarygodne i trafne odpowiedzi dzięki Retrieval-Augmented Generation (RAG).

Zobacz Wyszukiwarka Dokumentów

Google Docs Retriever

Integruj swoje workflowy z Google Docs za pomocą komponentu Google Docs Retriever—pobieraj treść dokumentów bezpośrednio do automatyzacji, chatbotów lub przepływów wiedzy. Idealny do uzyskiwania dostępu, przetwarzania i wykorzystywania Google Docs w ramach przepływów FlowHunt.

Zobacz Google Docs Retriever

Wynik czatu

Odkryj komponent Wynik czatu w FlowHunt—finalizuj odpowiedzi chatbota za pomocą elastycznych, wieloczęściowych wyjść. Niezbędny do płynnego kończenia przepływów i tworzenia zaawansowanych, interaktywnych chatbotów AI.

Zobacz Wynik czatu

Opis przepływu

Cel i korzyści

Przegląd

Ten workflow automatyzuje proces pobierania wiadomości klientów z systemu ticketowego lub wsparcia, wyodrębniania najnowszej istotnej wiadomości, wzbogacania jej kontekstem oraz historią czatu, a następnie wykorzystuje zaawansowane AI (LLM) w połączeniu z narzędziami wiedzy do generowania profesjonalnych, wielojęzycznych odpowiedzi w obsłudze klienta. Następnie przygotowuje i wysyła te odpowiedzi z powrotem do systemów zewnętrznych, co czyni go idealnym rozwiązaniem dla skalowania i automatyzacji wsparcia klienta, wyszukiwania wiedzy i integracji z API zewnętrznymi.

Szczegółowy Przebieg Krok po Kroku

1. Pozyskanie i Przygotowanie Wejścia

  • Wejście z Czatu: Workflow może odbierać przychodzące wiadomości czatowe bezpośrednio.
  • Tworzenie Promptu dla API: System używa szablonu prompta do dynamicznego budowania URL-a do pobierania wiadomości z ticketu przez zewnętrzne API (np. https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages). Umożliwia to elastyczne pobieranie danych w oparciu o napływające dane użytkownika.
  • Budowanie Parametrów Zapytania: Węzeł tworzenia danych służy do dynamicznego konstruowania niezbędnych parametrów zapytania dla żądania API.

2. Pobieranie Danych Zewnętrznych

  • Żądanie API: Wykorzystując skonstruowany URL i parametry zapytania, workflow wysyła żądanie GET w celu pobrania historii wiadomości ticketu z zewnętrznego systemu ticketowego. Autoryzacja kluczem API jest wspierana przez nagłówki.
  • Parsowanie Pobranego Dane: Po otrzymaniu danych przez API, węzeł parsera strukturyzuje i konwertuje te dane do zwykłego tekstu przy użyciu szablonów, dzięki czemu nadają się do dalszego przetwarzania przez AI.

3. Wyodrębnianie i Wstępne Przetwarzanie Wiadomości

  • Ekstrakcja przez LLM: OpenAI LLM (np. GPT-4.1) jest używany z promptem systemowym do wyodrębnienia tylko najnowszej wiadomości użytkownika z danych ticketu (konkretnie wiadomości typu “M”) — zapewnia to, że tylko istotna treść trafia do dalszego przetwarzania.
  • Wzbogacanie Promptu: Wyodrębniona wiadomość oraz kontekst czatu są wstawiane do zaawansowanego szablonu prompta, który zawiera segmentację historii rozmowy i najnowszej wiadomości, przygotowując dane wejściowe dla głównego agenta wsparcia.

4. Wzbogacanie Wiedzy

  • Historia Czatów: System może wyszukać ostatnie N wiadomości w rozmowie, aby zapewnić ciągłość i bogatszy kontekst.
  • Wyszukiwanie Dokumentów: Narzędzie do wyszukiwania dokumentów przeszukuje wewnętrzne/zewnętrzne bazy wiedzy (opcjonalnie również Google Docs) w poszukiwaniu odpowiednich informacji do odpowiedzi na pytanie klienta. Jest to kluczowe dla oparcia odpowiedzi na aktualnej i dokładnej wiedzy.
  • Integracja Narzędzi: Zarówno narzędzie do wyszukiwania dokumentów, jak i Google Docs Retriever są zarejestrowane jako „narzędzia” dostępne dla agenta, umożliwiając dynamiczne wyszukiwanie podczas generowania odpowiedzi.

5. Generowanie Odpowiedzi przez Agenta

  • Tool Calling Agent: Sercem rozwiązania jest Tool Calling Agent (oparty na LLM), który otrzymuje wzbogacony prompt, historię czatu i dostęp do narzędzi wiedzy. Jego zadaniem jest określenie intencji użytkownika, wyszukanie odpowiedzi w bazie wiedzy/narzędziach i stworzenie zwięzłej, przyjaznej oraz profesjonalnej odpowiedzi.
    • Agent domyślnie odpowiada po słowacku lub przechodzi na język klienta, jeśli zostanie wykryty inny.
    • Wymuszone jest ustrukturyzowane formatowanie: krótkie akapity, pogrubienia, wypunktowania i emotikony dla zaangażowania.
    • Agent priorytetowo korzysta z pozyskanej wiedzy, nigdy nie wymyśla faktów czy URL-i, prosi o doprecyzowanie w razie potrzeby oraz eskaluje nierozwiązane sprawy do obsługi ludzkiej.
    • Wszystkie odpowiedzi zachowują ton i strukturę obsługi klienta, odpowiednie do komunikacji mailowej.

6. Postprocessing i Wyjście

  • Formatowanie Odpowiedzi: Odpowiedź agenta jest dodatkowo przetwarzana przez szablony promptów w celu skonstruowania wyjścia wielojęzycznego (np. zawierającego zarówno słowacki, jak i oryginalny język klienta).
  • Generowanie przez LLM: Kolejny węzeł LLM może generować lub tłumaczyć fragmenty odpowiedzi w razie potrzeby.
  • Integracja API dla Wiadomości Wychodzących: Workflow dynamicznie buduje obiekty danych dla żądań API wychodzących, pakuje wygenerowaną odpowiedź i wysyła ją (zwykle przez POST) do odpowiedniego systemu zewnętrznego.
  • Parsowanie i Wyjście Końcowe: Odpowiedzi API wychodzących mogą być parsowane i wyświetlane w czacie testowym lub zwracane do interfejsu użytkownika.

Kluczowe Komponenty i Ich Przeznaczenie

KomponentPrzeznaczenie
Wejście z CzatPrzyjmuje wiadomości użytkownika/klienta
Szablon PromptuDynamicznie buduje URL-e i prompty wiadomości
Żądanie APIPobiera dane/tickety z systemu zewnętrznego
Parsowanie DanychPrzekształca dane strukturalne w zwykły tekst
OpenAI LLMWyodrębnia istotne wiadomości, generuje lub tłumaczy odpowiedzi
Wyszukiwarka DokumentówPrzeszukuje bazę wiedzy w poszukiwaniu odpowiednich informacji
Google Docs RetrieverIntegruje zewnętrzne dokumenty jako wiedzę dla agenta
Tool Calling AgentCentralny AI agent wsparcia — korzysta z narzędzi i historii
Tworzenie DanychPakuje odpowiedzi i dane do żądań API wychodzących
Wyjście z CzatWyświetla końcowy wynik użytkownikowi lub systemowi
NotatkiWskazówki operacyjne (np. gdzie wprowadzić klucze API/URL-e)

Zastosowania i Korzyści

  • Zautomatyzowana Obsługa Klienta: Usprawnia proces wyodrębniania, wzbogacania i odpowiadania na zapytania klientów profesjonalnie, precyzyjnie i z uwzględnieniem kontekstu.
  • Wsparcie Wielojęzyczne: Automatycznie wykrywa i odpowiada w języku klienta, z tłumaczeniem i formatowaniem obsługiwanym przez workflow.
  • Skalowalne Zarządzanie Wiedzą: Integruje wiele źródeł wiedzy (dokumenty wewnętrzne, Google Docs itd.) dla pełnych i aktualnych odpowiedzi.
  • Bezproblemowa Integracja z Systemami Zewnętrznymi: Łatwo łączy się z różnymi API zarówno do pobierania (wiadomości przychodzące), jak i wysyłania (odpowiedzi wychodzące).
  • Eskalacja do Człowieka: Automatycznie przekazuje nierozwiązane lub niejasne przypadki do agentów ludzkich, zapewniając wysoką jakość wsparcia.

Dlaczego Ten Workflow Jest Przydatny do Skalowania i Automatyzacji

  • Redukcja Ręcznej Pracy: Automatyzując pobieranie danych, wyodrębnianie wiadomości, budowanie kontekstu i generowanie odpowiedzi, minimalizuje potrzebę interwencji człowieka przy rutynowych zapytaniach.
  • Spójność i Jakość: Zapewnia, że cała komunikacja z klientem jest zgodna z tonem firmy, formatem i precyzją informacji — niezależnie od agenta czy zmiany.
  • Szybka Adaptacja: Łatwo łączy się z nowymi źródłami danych lub API, dostosowuje do nowych języków i może obsługiwać większe wolumeny wsparcia przy minimalnej dodatkowej konfiguracji.
  • Poprawa Satysfakcji Klienta: Szybkie, trafne i przyjazne odpowiedzi — dopasowane do języka i pytania klienta — prowadzą do lepszych doświadczeń i lojalności.

Wizualny Przebieg (Uproszczony)

Poniżej uproszczony schemat głównych kroków:

  1. Wejście z Czat / Zapytanie API →
  2. Pobierz Wiadomości Ticketu (Żądanie API) →
  3. Parsowanie Danych →
  4. Wyodrębnij Najnowszą Wiadomość Użytkownika (LLM) →
  5. Wzbogacenie Promptu Kontekstem i Historią →
  6. Wyszukanie Wiedzy (Wyszukiwarka Dokumentów/Google Docs) →
  7. Tool Calling Agent (LLM) Generuje Odpowiedź →
  8. Formatowanie/Tłumaczenie/Wysłanie Odpowiedzi (Żądanie API) →
  9. Wyświetlenie/Dostarczenie Wyniku

Ten workflow stanowi solidną podstawę dla każdej organizacji chcącej automatyzować i skalować obsługę klienta, wsparcie techniczne lub przepływy informacji wymagające integracji z API zewnętrznymi, bazami wiedzy oraz zaawansowanymi odpowiedziami AI.

Pozwól nam zbudować Twój własny zespół AI

Pomagamy firmom takim jak Twoja rozwijać inteligentne chatboty, serwery MCP, narzędzia AI lub inne rodzaje automatyzacji AI, aby zastąpić człowieka w powtarzalnych zadaniach w Twojej organizacji.

Zaplanuj demo Wypróbuj teraz

Dowiedz się więcej

Agent AI do obsługi klienta dla LiveAgent
Agent AI do obsługi klienta dla LiveAgent

Agent AI do obsługi klienta dla LiveAgent

Ten workflow automatyzuje obsługę klienta w Twojej firmie poprzez integrację rozmów z LiveAgent, wydobywanie istotnych danych z konwersacji, generowanie odpowie...

4 min czytania
Bitrix24 MCP Client Tool
Bitrix24 MCP Client Tool

Bitrix24 MCP Client Tool

Ten przepływ pracy wykorzystuje Agenta AI zintegrowanego z narzędziem MCP Client Tool do przetwarzania wejścia użytkownika z czatu, wykorzystuje historię czatu ...

3 min czytania
Asystent AI do czatu z pamięcią konwersacji
Asystent AI do czatu z pamięcią konwersacji

Asystent AI do czatu z pamięcią konwersacji

Prosty workflow asystenta AI na czacie, który wykorzystuje poprzednią historię rozmowy do generowania trafnych odpowiedzi na wiadomości użytkownika. Zawiera wia...

3 min czytania