Wykrywanie spamu w e-mailach i automatyczne przekierowanie do wsparcia dzięki AI

Ten przepływ pracy AI automatycznie klasyfikuje przychodzące e-maile jako spam lub nie, a następnie inteligentnie przekierowuje prawidłowe wiadomości do asystenta AI, który wykorzystuje źródła wiedzy firmy do udzielania profesjonalnych odpowiedzi wsparcia. Integruje pobieranie dokumentów, zaawansowane modele LLM i interakcje API dla płynnej automatyzacji obsługi klienta.

Jak działa przepływ AI - Wykrywanie spamu w e-mailach i automatyczne przekierowanie do wsparcia dzięki AI

Przepływy

Jak działa przepływ AI

Odbierz przychodzącego e-maila.
Przepływ rozpoczyna się od odebrania e-maila lub wiadomości od użytkownika.
Klasyfikacja e-maila jako spam lub nie.
Wykorzystuje model AI do określenia, czy przychodząca wiadomość to spam, czy prawidłowe zapytanie klienta.
Przekierowanie na podstawie klasyfikacji.
Wiadomości uznane za spam uruchamiają prostą notyfikację, a prawidłowe zapytania są kierowane do asystenta AI ds. wsparcia.
Pobierz wiedzę i wygeneruj odpowiedź.
Asystent AI pobiera odpowiednie dokumenty i wiedzę, a następnie generuje profesjonalną, kontekstową odpowiedź wsparcia.
Dostarcz wynik użytkownikowi.
Końcowa odpowiedź lub powiadomienie jest przekazywane użytkownikowi lub agentowi wsparcia.

Prompty wykorzystane w tym przepływie

Prompt

Szablon promptu do konstruowania adresu API z dynamicznym wejściem od człowieka.

https://YOURLINK/api/conversations/{human_input}/messages

Prompt

Szablon promptu do wyjścia dla wiadomości oznaczonej jako spam.

Ta wiadomość została wykryta jako spam

Prompt

Szablon promptu do konstruowania adresu API z dynamicznym wejściem.

https://YOURLINK/api/conversations/{input}

Prompt

Szablon promptu do konstruowania adresu API z dynamicznym wejściem od człowieka.

https://YOURLINK/api/conversations/{human_input}/messages

Generator

Prompt systemowy dla LLM do klasyfikacji e-maili jako spam lub nie.

Jesteś klasyfikatorem e-maili biznesowych.

Zdecyduj, czy e-mail jest istotny biznesowo, czy to niechciana oferta.

Spam („tak”) jeśli zawiera:

- Promocje, zniżki, wyprzedaże, kampanie, punkty lojalnościowe, linki afiliacyjne  

- Zaproszenia na webinary, seminaria, wydarzenia lub do współpracy  

- Oferty inwestycyjne, kryptowalutowe, pracy lub dodatkowego zarobku  

- Nieproszone reklamy lub komercyjne oferty  

Nie spam („nie”) jeśli zawiera:

- Reklamacje klientów, zgłoszenia wsparcia, pytania dotyczące użytkowania  

- Faktury, wyceny, zamówienia, umowy lub rozmowy o płatnościach  

- Koordynacja wewnętrzna lub z partnerami, ustalanie terminów, raporty  

- Prawidłowe odpowiedzi lub prośby o potwierdzenie  

Wynik wyjściowy tylko "tak" lub "nie".

Generator

Prompt systemowy dla LLM do wyodrębniania sekcji Preview z wejścia.

wyodrębnij sekcję "Preview" z twojego wejścia i wypisz tylko tę sekcję dokładnie tak, jak jest; jeśli jest wiele sekcji preview, wypisz je wszystkie, klasyfikując według daty.

Tool Calling Agent

Prompt systemowy dla agenta LLM działającego jako profesjonalny asystent wsparcia klienta.

Jesteś asystentem AI działającym jako przyjazny i profesjonalny asystent wsparcia oraz konsultant dla [TWOJEJ FIRMY].
Zawsze odpowiadaj po angielsku, niezależnie od języka wejściowego.
Wszystkie wiadomości powinny być napisane uprzejmym i biznesowym tonem, by wzbudzić zaufanie klientów.
[Zakres roli]
Pomagasz w pytaniach, konsultacjach i rozwiązywaniu problemów technicznych związanych z usługami [TWOJEJ FIRMY] i powiązanymi produktami (np. narzędzia wsparcia klienta, narzędzia do zarządzania przepływami, budowa i zarządzanie stronami www itd.).
Udzielaj wskazówek w sposób zrozumiały i pozostawiający pozytywne wrażenie.
[Cel]
Na podstawie historii rozmowy i najnowszego zapytania korzystaj z aktualnych informacji ze źródeł wiedzy lub narzędzi, by dostarczyć optymalną odpowiedź w języku angielskim.
[Priorytet korzystania z informacji]
Główne źródło: Skorzystaj z narzędzia wyszukiwania w źródłach wiedzy, by zweryfikować informacje przed odpowiedzią.
Źródło drugorzędne: Przy badaniu kontekstu zawsze używaj narzędzia pobierania dokumentów.
Spekulacje lub zmyślanie na podstawie własnej oceny są zabronione.
[Zasady udzielania odpowiedzi]
1. Gdy znajdziesz odpowiedni kontekst lub informacje, udziel precyzyjnej i zwięzłej odpowiedzi po angielsku na ich podstawie.
2. Wypisz adresy URL źródeł bezpośrednio pod odpowiedzią (nie modyfikuj URL-i).
3. Używaj wyłącznie nazw usług i planów istniejących w rzeczywistej bazie wiedzy.
4. Jeśli nie znajdziesz odpowiednich informacji, wyraźnie napisz "the relevant information could not be found" i uprzejmie poproś klienta o dodatkowe szczegóły.
[Obsługa pytań niezwiązanych z [TWOJĄ FIRMĄ]]
W przypadku zapytań niezwiązanych z [TWOJĄ FIRMĄ] wyraźnie napisz: "This question is not related to [YOUR COMPANY]."
[Gdy klient jest zainteresowany konkretnym planem lub usługą]
• Przedstaw szczegóły planu, ceny oraz opcje konsultacji/demo.
• W razie potrzeby poinstruuj, jak zapytać poprzez oficjalną stronę internetową.
• Przy pytaniach o harmonogram wdrożenia lub koszty początkowe, przedstaw dostępne opcje.
[Zasady stylu i wypowiedzi]
• Stosuj profesjonalny, e-mailowy ton (formalny, ale przystępny).
• Odpowiedzi podziel na krótkie akapity, by były czytelne.
• Dopuszczalne są wypunktowania.
• Używaj wyłącznie zwykłego tekstu (znaki Markdown takie jak #, ##, ### są surowo zabronione).
• Nie używaj emotikonów ani emoji.
• Zachowuj uprzejmy język, unikając zbyt formalnych zwrotów.
[Zalecany format odpowiedzi]
1. Uprzejme powitanie (np. "Thank you for your inquiry.")
2. Krótkie powtórzenie pytania lub problemu.
3. Jasno przedstaw rozwiązanie lub wskazówki.
4. W razie potrzeby podaj następne kroki (np. URL-e, kontakt, opcje wsparcia).
5. Zakończenie (np. "We look forward to assisting you further.")
[Zabronione działania]
• Zakaz używania znaków Markdown (np. #, ##, ###).
• Zakaz używania pogrubień, kursywy ani linków w składni Markdown.
• Zakaz spekulacji na podstawie niepewnych informacji.
• Zakaz używania niestosownych zwrotów, slangu czy emoji.
[Przykłady tonu odpowiedzi]
"Thank you for your inquiry.  
The details are as follows: …"  
"We apologize for any inconvenience, but regarding this matter…"  
"Thank you for your attention, and please let us know if you need further assistance."
[Uwagi specjalne]
• W przypadku pytań o [TWOJĄ FIRMĘ] i powiązane usługi zawsze odpowiadaj na podstawie najnowszej dostępnej wiedzy.
• Jeśli nie można uzyskać odpowiednich informacji, poproś o dodatkowe szczegóły i unikaj spekulacji.
• Zawsze używaj uprzejmych i empatycznych zwrotów, by klient czuł się wspierany.
Ten prompt stanowi standard dostarczania spójnej, wysokiej jakości obsługi klienta jako członek zespołu wsparcia [TWOJEJ FIRMY].

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

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

Router warunkowy

Komponent Router warunkowy umożliwia dynamiczne podejmowanie decyzji w Twoim przepływie pracy. Porównuje tekst wejściowy z określoną wartością przy użyciu różnych operatorów — takich jak równa się, zawiera lub jest puste — i kieruje wiadomość do różnych wyjść w zależności od wyniku porównania. Pozwala to rozgałęzić logikę przepływu, tworząc spersonalizowane i inteligentne ścieżki dostosowane do danych użytkownika.

Zobacz Router warunkowy

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

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

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

LLM Anthropic AI

FlowHunt obsługuje dziesiątki modeli AI, w tym modele Claude firmy Anthropic. Dowiedz się, jak korzystać z Claude w swoich narzędziach AI i chatbotach dzięki konfigurowalnym ustawieniom dla spersonalizowanych odpowiedzi.

Zobacz LLM Anthropic AI

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

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

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

Notatka

Komponent Notatka w FlowHunt pozwala dodawać komentarze i dokumentację bezpośrednio do Twojego workflow. Użyj go, aby wyjaśnić, opisać lub przekazać instrukcje w swoim przepływie, dzięki czemu złożone automatyzacje będą łatwiejsze do zrozumienia i utrzymania.

Zobacz Notatka

Opis przepływu

Cel i korzyści

Opis przepływu: Skalowalna i zautomatyzowana obsługa e-maili biznesowych i czatów

Ten przepływ został zaprojektowany, by automatyzować i skalować przetwarzanie, klasyfikowanie i przekierowywanie e-maili biznesowych oraz wiadomości czatowych, ze szczególnym uwzględnieniem scenariuszy wsparcia klienta. Łączy klasyfikację opartą na AI, logikę warunkową, integracje API i odpowiedzi agenta świadomego kontekstu, dzięki czemu jest niezwykle przydatny dla organizacji chcących usprawnić obsługę klienta, wykrywanie spamu i integrację agentów AI z zewnętrznymi systemami jak LiveAgent.

Ogólny przegląd

Przepływ składa się z dwóch głównych gałęzi:

  1. Wykrywanie i przekierowanie spamu w wiadomościach/e-mailach: Automatycznie klasyfikuje przychodzące wiadomości jako spam lub nie i odpowiednio je przekierowuje, zapewniając efektywną obsługę i ograniczając ręczną filtrację.
  2. Kontekstowy agent AI dla wsparcia klienta: Wykorzystuje zewnętrzne pobieranie dokumentów i zaawansowanego agenta z obsługą narzędzi, by dostarczać precyzyjne, bogate w kontekst i zgodne z polityką odpowiedzi wsparcia klienta.

Szczegółowa struktura przepływu

1. Wykrywanie spamu i przekierowanie

  • Wejście: Wiadomości odbierane są przez węzeł wejścia czatowego.
  • Budowa promptu: Szablon promptu jest wypełniany przychodzącą wiadomością i wysyłany do węzła żądania API (skonfigurowanego np. dla LiveAgent).
  • Ekstrakcja tekstu: Odpowiedź API jest parsowana w celu wyodrębnienia istotnej treści za pomocą węzła parsowania.
  • Klasyfikator spamu LLM: Wyodrębniona wiadomość jest przesyłana do modelu OpenAI GPT-4.1 z promptem systemowym, który instruuje, by wyjście było “tak” jeśli to spam (np. promocje, niechciane oferty), albo “nie” jeśli to wiadomość istotna biznesowo.
  • Warunkowe przekierowanie:
    • Jeśli wiadomość zostanie sklasyfikowana jako spam („tak”), szablon promptu generuje standardową notyfikację o spamie, która jest wyświetlana na czacie.
    • Jeśli nie jest spamem („nie”), przechodzi do kontekstowego agenta AI wsparcia klienta.

Tabela logiki przekierowania spamu:

KrokNarzędzie/WęzełCel
Wejście wiadomościChatInputOdbiera wiadomość od użytkownika/klienta
Prompt do APIPromptTemplateFormatuje wiadomość do API LiveAgent
Wywołanie APIAPIRequestWysyła/pobiera dane wiadomości
Parsowanie danychParseDataEkstrahuje podgląd wiadomości
Klasyfikator spamu LLMGenerator (OpenAI)Klasyfikuje jako spam lub nie
Router warunkowyConditionalRouterPrzekierowuje wg wyniku LLM
Notyfikacja o spamiePromptTemplate & ChatOutputStandardowa odpowiedź dla spamu
Brak spamuPrzekazanie do agenta wsparciaDalsza obsługa jak przez człowieka

2. Kontekstowy agent AI wsparcia klienta

  • Pobieranie dokumentów: Gdy wiadomość nie jest spamem, przepływ pobiera odpowiednie dokumenty z bazy wiedzy, filtrowane po kategoriach i harmonogramach, by zapewnić aktualność i kontekst.
  • Integracja historii czatu: Pobierana jest ostatnia historia rozmowy, by zapewnić agentowi kontekst do odpowiedzi – gwarantując ciągłość i trafność.
  • Orkiestracja agenta LLM: Model Anthropic Claude Sonnet 4 zasila agenta Tool Calling Agent, któremu przekazywany jest szczegółowy komunikat systemowy opisujący ścisłe zasady odpowiedzi (np. zawsze po angielsku, uprzejmy biznesowy ton, cytowanie URL-i, brak spekulacji, określony format wyjściowy).
  • Integracja narzędzi: Agent może korzystać z narzędzia pobierania dokumentów i innych API według potrzeb, by uzupełnić odpowiedzi o fakty.
  • Wyjście: Odpowiedź agenta jest wyświetlana na czacie i może być również przekazana do dalszej integracji API (np. do LiveAgent).

Tabela logiki odpowiedzi agenta:

KrokNarzędzie/WęzełCel
Pobieranie dokumentówDocumentRetrieverPobiera kontekst z bazy wiedzy
Historia czatuChatHistoryDostarcza kontekst ostatniej rozmowy
Model LLMAnthropic ClaudeZaawansowane rozumienie języka
Tool Calling AgentToolCallingAgentŁączy narzędzia, kontekst i polityki odpowiedzi
WyjścieChatOutputWysyła odpowiedź na czat/playground
Przekazanie do APIAPIRequest/ParseDataOpcjonalnie przekazuje do logów/LiveAgent

Wytyczne do komunikatu systemowego agenta

  • Zawsze odpowiadaj po angielsku, niezależnie od języka wejściowego.
  • Używaj formalnego, lecz przyjaznego biznesowego tonu; brak Markdown, emotikonów i spekulacji.
  • Odpowiedzi muszą cytować URL-e bezpośrednio pod odpowiedzią i mieć przejrzystą, wypunktowaną strukturę.
  • Jeśli nie znaleziono odpowiednich informacji, uprzejmie poproś klienta o więcej szczegółów.

3. Integracja API i obsługa danych

  • Dynamiczne generowanie danych: Kilka węzłów generuje wymagane słowniki danych do żądań API, w tym klucze API, treści wiadomości i parametry zapytań.
  • Wielokrotne interakcje z API: Przepływ obsługuje wiele żądań API (np. do LiveAgent, innych systemów zaplecza) z elastycznymi metodami (GET, POST itd.).
  • Parsowanie danych: Po każdej odpowiedzi API węzły parsujące wyodrębniają istotny tekst do dalszego przetwarzania lub wyjścia.

4. Automatyzacja przepływu i korzyści skalowania

  • Automatyczne filtrowanie spamu: Eliminuje ręczny przegląd niechcianych wiadomości, oszczędzając czas i skupiając uwagę agentów na prawdziwych zgłoszeniach.
  • Spójna, zgodna z polityką obsługa: Agent zawsze działa zgodnie z politykami firmy, zapewniając niezawodną, bezpieczną komunikację.
  • Odpowiedzi oparte na wiedzy: Dzięki integracji z pobieraniem dokumentów agent opiera odpowiedzi na najnowszych i najbardziej relewantnych informacjach.
  • Elastyczna integracja API: Łatwo rozszerzalny o nowe narzędzia, systemy ticketowe czy źródła wiedzy wraz z rozwojem biznesu.
  • Skalowalność: Modułowa konstrukcja umożliwia równoległą obsługę wielu rozmów i łatwą adaptację do większych wolumenów wiadomości.

Przykładowe zastosowania

  • Zespoły wsparcia klienta: Automatyczna selekcja wiadomości, obsługa spamu i precyzyjne, kontekstowe odpowiedzi.
  • Sprzedaż/Kwalifikacja leadów: Filtrowanie nierelewantnych zapytań przed przekazaniem wartościowych leadów do handlowców.
  • Omnikanałowa integracja: Połączenie z platformami jak LiveAgent czy własnymi API do ujednolicenia wsparcia na wielu kanałach.

Uwagi wdrożeniowe

  • Wymagane personalizacje: Zamień przykładowe klucze API i adresy URL (np. “YOURLINK”) na rzeczywiste wartości wdrożeniowe.
  • Zarządzanie bazą wiedzy: Regularnie aktualizuj źródła pobierania dokumentów dla optymalnej pracy agenta.

Ten przepływ zapewnia solidną, skalowalną architekturę do automatyzacji komunikacji z klientem, gwarantując zarówno efektywność, jak i wysoką jakość odpowiedzi zgodnych z polityką firmy. Jego modułowość umożliwia łatwe rozbudowywanie wraz z rozwojem firmy lub pojawiającymi się potrzebami automatyzacji.

Dowiedz się więcej

Budowa automatycznego AI-respondenta do zgłoszeń z detekcją spamu
Budowa automatycznego AI-respondenta do zgłoszeń z detekcją spamu

Budowa automatycznego AI-respondenta do zgłoszeń z detekcją spamu

Dowiedz się, jak zbudować w pełni zautomatyzowany system obsługi klienta z odpowiedziami AI na zgłoszenia oraz inteligentną detekcją spamu, wykorzystując integr...

15 min czytania
AI Automation Customer Support +3
Agent obsługi klienta AI z integracją API LiveAgent
Agent obsługi klienta AI z integracją API LiveAgent

Agent obsługi klienta AI z integracją API LiveAgent

Ten zautomatyzowany przez AI workflow automatyzuje obsługę klienta poprzez łączenie zapytań użytkowników ze źródłami wiedzy firmy, zewnętrznymi API (takimi jak ...

4 min czytania