Przegląd workflow: Prosty przepływ z historią czatu

Ten workflow został zaprojektowany, aby umożliwić interaktywną rozmowę z AI, gdzie asystent odpowiada na zadania określone przez użytkownika, wykorzystując historię czatu do generowania odpowiedzi uwzględniających kontekst. Jest to uniwersalny szablon, który można dostosować do szerokiego zakresu automatyzacji konwersacyjnych i skalowalnych rozwiązań AI na czacie.

Szczegółowy opis krok po kroku

1. Inicjalizacja sesji czatu i wiadomość powitalna

• Wyzwalacz otwarcia czatu: Po otwarciu czatu aktywowany jest wyzwalacz.
• Wiadomość powitalna: Widget z wiadomościami wyświetla użytkownikowi przyjazną wiadomość powitalną:

  👋 Witaj w Prostym Przepływie Zadań!
  To narzędzie zostało stworzone, abyś mógł określić własne zadanie na podstawie swojego wejścia 🌟. Wezmę pod uwagę naszą historię czatu, aby zapewnić trafne wsparcie bez dodatkowego kontekstu.
  Daj mi znać, co chciałbyś zrobić, i zaczynajmy! ✨💬

• Wyświetlanie: Wiadomość powitalna pokazywana jest w obszarze wyjściowym czatu, zapewniając onboarding i określając oczekiwania.

2. Przechwytywanie wiadomości od użytkownika

• Węzeł wejścia czatu: Odbiera tekst (a opcjonalnie plik) od użytkownika, reprezentujący zadanie lub pytanie, którym chce się zająć.

3. Pobieranie historii czatu

• Węzeł historii czatu: Pobiera do 10 ostatnich wiadomości (z limitem 8000 tokenów) z czatu. Ta historia jest później używana do zapewnienia kontekstu i ciągłości rozmowy.

4. Budowanie promptu

• Węzeł szablonu promptu: Tworzy dynamiczny prompt dla modelu językowego. Integruje:

  • Najnowsze wejście użytkownika.
  • Ostatnią historię czatu.
  • Stałą wiadomość systemową instruującą AI, by generowała odpowiedzi uwzględniające kontekst.

  Użyty szablon promptu to:

  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. Generowanie odpowiedzi AI

• Węzeł generatora: Otrzymuje zbudowany prompt i generuje odpowiedź tekstową przy użyciu dużego modelu językowego (LLM). Zapewnia to, że odpowiedź jest kontekstowa i dostosowana do prośby użytkownika.

6. Wyświetlanie wyników

• Węzeł wyjścia czatu: Wygenerowana przez AI odpowiedź jest wyświetlana użytkownikowi w interfejsie czatu.

Tabela struktury workflow

Dlaczego ten workflow jest przydatny dla skalowania i automatyzacji

• Kontekstowe interakcje: Dzięki uwzględnieniu historii czatu system zachowuje kontekst, zwiększając trafność odpowiedzi i satysfakcję użytkownika.
• Zadania definiowane przez użytkownika: Workflow jest niezależny od zadania, pozwalając użytkownikowi określić własne cele – jest więc bardzo elastyczny.
• Skalowalna automatyzacja: Modularny projekt pozwala na skalowanie — wielu użytkowników może prowadzić rozmowy jednocześnie, a każda sesja zachowuje własny kontekst.
• Łatwa personalizacja: Szablon promptu i węzły workflow można łatwo dostosować do konkretnych zastosowań (np. wsparcie, wyszukiwanie informacji, onboarding).
• Spójne doświadczenie użytkownika: Automatyczne powitanie i odpowiedzi uwzględniające kontekst gwarantują profesjonalną i efektywną obsługę każdego kontaktu.

Przykładowe zastosowania

• Chatboty obsługi klienta pamiętające poprzednie interakcje.
• Asystenci onboardingowi prowadzący nowych użytkowników na podstawie bieżącej rozmowy.
• Uniwersalne AI w aplikacjach, gdzie użytkownicy mogą definiować własne zapytania lub zadania.

Ten workflow stanowi solidną podstawę do tworzenia inteligentnych, kontekstowych automatyzacji czatu, które można dostosować do wielu różnych zastosowań.