Prompt
Skapa en promptmall med dynamiska variabler för LLM, med stöd för fält som {input}, {human_input}, {context}, {chat_history}, {system_message}.
En chattbot i realtid som använder Google Sök begränsat till din egen domän, hämtar relevant webbinnehåll och utnyttjar OpenAI LLM för att besvara användarfrågor med aktuell information. Perfekt för att ge exakta, domänspecifika svar inom kundsupport eller informationsportaler.

Flows
Skapa en promptmall med dynamiska variabler för LLM, med stöd för fält som {input}, {human_input}, {context}, {chat_history}, {system_message}.
Nedan är en komplett lista över alla komponenter som används i detta flow för att uppnå dess funktionalitet. Komponenter är byggstenarna i varje AI Flow. De låter dig skapa komplexa interaktioner och automatisera uppgifter genom att koppla olika funktioner. Varje komponent tjänar ett specifikt syfte, som att hantera användarindata, bearbeta data eller integrera med externa tjänster.
Chatinmatningskomponenten i FlowHunt initierar användarinteraktioner genom att fånga upp meddelanden från Playground. Den fungerar som startpunkt för flöden och möjliggör att arbetsflödet kan bearbeta både text- och filbaserade indata.
Upptäck Chattutgång-komponenten i FlowHunt—slutför chatbottsvar med flexibla, flerdelade utdata. Oumbärlig för smidig avslutning av flöden och skapande av avancerade, interaktiva AI-chattbottar.
Komponenten Knappwidget i FlowHunt omvandlar text eller indata till interaktiva, klickbara knappar i ditt arbetsflöde. Perfekt för att skapa dynamiska användargränssnitt, samla in användarval och öka engagemanget i AI-drivna chatbotar eller automatiserade processer.
Komponenten Chatöppningsutlösare upptäcker när en chattsession startar och möjliggör att arbetsflöden kan svara omedelbart så snart en användare öppnar chatten. Den initierar flöden med det första meddelandet, vilket gör den oumbärlig för att bygga responsiva, interaktiva chatbotar.
Chatthistorik-komponenten i FlowHunt gör det möjligt för chatbots att minnas tidigare meddelanden, vilket säkerställer sammanhängande konversationer och förbättrad kundupplevelse samtidigt som minnes- och tokenanvändning optimeras.
Lär dig hur FlowHunts Prompt-komponent låter dig definiera din AI-bots roll och beteende, vilket säkerställer relevanta och personliga svar. Anpassa prompts och mallar för effektiva, kontextmedvetna chatbotflöden.
Utforska Generator-komponenten i FlowHunt—kraftfull AI-driven textgenerering med din valda LLM-modell. Skapa enkelt dynamiska chatbot-svar genom att kombinera promptar, valfria systeminstruktioner och till och med bilder som indata, vilket gör den till ett kärnverktyg för att bygga intelligenta, konverserande arbetsflöden.
FlowHunt stöder dussintals textgenereringsmodeller, inklusive modeller från OpenAI. Så här använder du ChatGPT i dina AI-verktyg och chatbottar.
Frågeutvidgning i FlowHunt förbättrar chatbotens förståelse genom att hitta synonymer, rätta stavfel och säkerställa konsekventa, korrekta svar på användarfrågor.
FlowHunt’s GoogleSearch-komponent förbättrar chatbotens noggrannhet genom att använda Retrieval-Augmented Generation (RAG) för att hämta uppdaterad kunskap från Google. Kontrollera resultat med val som språk, land och frågeprefix för precisa och relevanta svar.
Lås upp webbinnehåll i dina arbetsflöden med komponenten URL-hämtare. Extrahera och bearbeta enkelt text och metadata från valfri lista av URL:er – inklusive webbartiklar, dokument och mer. Stöder avancerade alternativ som OCR för bilder, selektiv metadataextraktion och anpassningsbar cache, vilket gör den idealisk för att bygga kunskapsrika AI-flöden och automatiseringar.
Flow-beskrivning
Detta arbetsflöde implementerar en enkel Retrieval-Augmented Generation (RAG) chattbot som utnyttjar realtids-Google Sök för att hämta aktuell information från internet—specifikt kan den anpassas för att begränsa alla sökningar till en viss domän. Huvudmålet är att skapa en chattbot som kan besvara användarfrågor med det mest relevanta och senaste innehållet som finns online, vilket gör den mycket värdefull för situationer där statiska kunskapsbaser är otillräckliga.
Arbetsflödet består av flera modulära block som var och en representerar en specifik funktion. Nedan följer en uppdelning av arbetsflödets struktur och funktionalitet:
| Komponent | Roll |
|---|---|
| Chatinmatning | Tar emot användarfrågor och chattmeddelanden. |
| Chatt-historik | Bibehåller samtalshistorik för kontextmedvetna svar. |
| Frågeutvidgning | Parafraserar användarinmatning till flera alternativa frågor för att förbättra söktäckning. |
| Google Sök | Utför sökningar på Google, begränsade av ett anpassningsbart domänprefix. |
| URL-hämtare | Extraherar innehåll från de URL:er som returneras av Google Sök. |
| Promptmall | Strukturerar kontext, användarinmatning och historik för språkmodellen. |
| OpenAI LLM | Genererar svar med hjälp av en språkmodell (t.ex. GPT-3/4). |
| Generator | Anropar LLM med prompt och kontext för att producera svaret. |
| Chattutmatning | Visar chattbottens svar för användaren. |
| Knappwidgetar | Ger snabba exempel på frågor som användaren kan testa med ett enda klick. |
| Trigger vid chattstart | Initierar konversationen och visar snabbstarts-knappar. |
När en användare öppnar chatten aktiveras Trigger vid chattstart. Detta initierar chattgränssnittet och visar flera knappwidgetar med exempel på frågor (t.ex. “vilken dinosaurie har 500 tänder?”). När en användare klickar på en knapp eller skriver ett eget meddelande via chatinmatning fortsätter arbetsflödet enligt följande:
Frågeutvidgning: Användarens inmatning parafraseras till flera versioner för att maximera sannolikheten att hitta relevanta sökresultat.
Google Sök: De utvidgade frågorna skickas till Google Sök. Som standard är sökningen begränsad till en specifik domän (anges av fältet query_prefix, t.ex. site: www.DINDOMÄN.com), vilket gör att du kan fokusera chattbottens kunskap till din egen webbplats eller någon betrodd källa.
URL-hämtare: Arbetsflödet hämtar innehållet från de främsta sökresultaten (URL:er) som fullständiga dokument.
Promptsammanställning: Det hämtade innehållet, användarens inmatning och chatt-historiken kombineras med komponenten Promptmall för att ge rik kontext för svaret.
Språkmodellgenerering: Prompten skickas till OpenAI LLM, som genererar ett sammanhängande och kontextuellt relevant svar.
Svarutmatning: Det genererade svaret visas för användaren via chattutmatning.
query_prefix kan du försäkra dig om att chattbotten bara hämtar information från din betrodda webbplats eller kunskapsbas, vilket förbättrar svarens tillförlitlighet.| Steg | Beskrivning |
|---|---|
| Användarinmatning | Användaren skriver en fråga eller klickar en snabbstarts-knapp |
| Frågeutvidgning | Inmatningen parafraseras för bredare söktäckning |
| Google Sök | Sökningar utförs på Google, begränsade till en angiven domän |
| URL-innehållshämtning | Innehållet från de bästa sökresultaten hämtas |
| Promptkonstruktion | Användarinmatning, sökresultat och chatt-historik sammanställs till en prompt |
| LLM-generering | OpenAI LLM genererar ett svar utifrån hela kontexten |
| Utmatning | Svaret visas för användaren |
query_prefix i komponenten Google Sök (t.ex. site: www.DINDOMÄN.com).Genom att automatisera sök-, hämtning- och svarsgenereringsprocessen sparar detta arbetsflöde tid på manuellt letande och säkerställer att användarna alltid får den mest aktuella och relevanta informationen som finns tillgänglig.
Vi hjälper företag som ditt att utveckla smarta chatbotar, MCP-servrar, AI-verktyg eller andra typer av AI-automatisering för att ersätta människor i repetitiva uppgifter i din organisation.
Upptäck den enkla chatbot-mallen med Google-sökning, utformad för företag som vill ge domänspecifik information effektivt. Förbättra användarupplevelsen genom a...
En kraftfull AI-chattbot som besvarar användarfrågor i realtid genom att hämta och sammanfatta information från Google, Reddit, Wikipedia, Arxiv, Stack Exchange...
AI-chattbotassistent som drivs av OpenAI GPT-4o och automatiskt söker igenom och utnyttjar interna företagsdokument för att besvara användarfrågor. Levererar ko...
Cookie-samtycke
Vi använder cookies för att förbättra din surfupplevelse och analysera vår trafik. See our privacy policy.



