Prompt
Utwórz szablon promptu z dynamicznymi zmiennymi ({input}, {human_input}, {context}, {chat_history}, {system_message}).
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
| Krok | Węzeł/Komponent | Cel |
|---|---|---|
| Start czatu | ChatOpenedTrigger | Wykrywa otwarcie czatu |
| Wiadomość powitalna | MessageWidget | Wita i informuje użytkownika |
| Wyświetlenie powitania | ChatOutput | Pokazuje wiadomość powitalną |
| Wejście użytkownika | ChatInput | Przechwytuje zadanie lub pytanie użytkownika |
| Pobieranie historii | ChatHistory | Pobiera ostatnie rozmowy jako kontekst |
| Budowanie promptu | PromptTemplate | Tworzy prompt dla LLM z wejściem i historią czatu |
| Generowanie AI | Generator | Tworzy odpowiedź kontekstową na podstawie promptu |
| Wyświetlanie AI | ChatOutput | Pokazuje wygenerowaną przez AI odpowiedź użytkownikowi |
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.
