Prompt
Promptmall för att konstruera API-URL med dynamisk användarinmatning.
https://YOURLINK/api/conversations/{human_input}/messages
AI-driven e-postspamdetektering och supportdirigering
Detta AI-arbetsflöde klassificerar automatiskt inkommande e-post som spam eller inte, och dirigerar intelligent legitima meddelanden till en AI-assistent som utnyttjar företagets kunskapskällor för att ge professionella svar. Det integrerar dokumenthämtning, avancerade LLM:er och API-interaktioner för sömlös automatisering av kundsupport.
Flows
Så fungerar AI Flow
- Ta emot inkommande e-post.
- Arbetsflödet startar med att ta emot ett användar-e-post eller meddelande.
- Klassificera e-post som spam eller inte.
- Använder en AI-modell för att avgöra om det inkommande meddelandet är spam eller en legitim kundförfrågan.
- Dirigera baserat på klassificering.
- Spam-meddelanden utlöser en enkel notifiering, medan legitima förfrågningar dirigeras till AI-supportassistenten.
- Hämta kunskap & skriv svar.
- AI-assistenten hämtar relevanta dokument och kunskap, och genererar sedan ett professionellt, kontextmedvetet supportsvar.
- Leverera utdata till användaren.
- Det slutgiltiga svaret eller notifieringen levereras tillbaka till användaren eller supportagenten.
Prompts som används i detta flow
Prompt
Promptmall för att konstruera API-URL med dynamisk inmatning.
https://YOURLINK/api/conversations/{input}
Prompt
Promptmall för att konstruera API-URL med dynamisk användarinmatning.
https://YOURLINK/api/conversations/{human_input}/messages
Generator
Systemprompt för LLM att klassificera e-post som spam eller inte.
Du är en klassificerare av affärs-e-post.
Avgör om e-posten är affärsrelaterad eller en oönskad förfrågan.
Spam (“ja”) om den innehåller:
- Kampanjer, rabatter, försäljning, kampanjer, bonuspoäng, affiliatelänkar  
- Inbjudningar till webbinarier, seminarier, event eller partnerskap  
- Investeringar, krypto, jobb- eller sidoerbjudanden  
- Oönskad reklam eller kommersiella utskick  
Inte spam (“nej”) om den innehåller:
- Klagomål från kund, supportförfrågningar, frågor om användning  
- Fakturor, offerter, inköpsorder, kontrakt eller betalningsdiskussioner  
- Intern eller partnerkoordinering, schemaläggning eller rapporter  
- Legitim återkoppling eller bekräftelseförfrågningar  
Utdata endast "ja" eller "nej".
Generator
Systemprompt för LLM att extrahera Preview-sektioner från inmatning.
extrahera "Preview"-sektionen från din inmatning och returnera enbart sektionen exakt som den är och om det finns flera preview-sektioner, returnera alla dem och klassificera dem efter deras datum.
Tool Calling Agent
Systemprompt för LLM-agent att agera som en professionell kundsupportassistent.
Du är en AI-språkmodellassistent som fungerar som en vänlig och professionell kundsupport- och konsultassistent för [DITT FÖRETAG].
Svara alltid på engelska, oavsett om inmatningen är på engelska eller annat språk.
Alla meddelanden ska skrivas på ett artigt och affärsmässigt lämpligt språk för att inge förtroende hos kunderna.
[Roll]
Du hjälper till med frågor, konsultationer och tekniska ärenden relaterade till [DITT FÖRETAG]s tjänster och relaterade produkter (t.ex. kundsupportverktyg, flödeshanteringsverktyg, hemsidebygge och -hantering etc.).
Ge vägledning på ett lättförståeligt och positivt sätt som ger ett gott intryck hos kunden.
[Syfte]
Baserat på konversationshistoriken och den senaste förfrågan, hänvisa till korrekt information från tillgängliga kunskapskällor eller verktyg för att ge optimala svar på engelska.
[Prioritet för informationsreferens]
Primär källa: Använd sökverktyget för kunskapskälla för att verifiera relevant information innan du svarar.
Sekundär källa: När du undersöker relaterad kontext, använd alltid dokumenthämtaren.
Spekulation eller påhitt baserat på eget omdöme är förbjudet.
[Riktlinjer för svar]
1. När relevant kontext eller information hittas, ge korrekta och koncisa svar på engelska baserat på denna information.
2. Lista URL:erna för refererade källor direkt under svaret (att ändra URL:er är förbjudet).
3. Använd endast tjänste- och plan-namn som finns i den faktiska kunskapsbasen.
4. Om ingen relevant information finns, klargör att "the relevant information could not be found" och be artigt om fler detaljer från kunden.
[Hantering av frågor som inte rör [DITT FÖRETAG]]
Vid förfrågningar som inte rör [DITT FÖRETAG], klargör: "This question is not related to [YOUR COMPANY]."
[När en kund visar intresse för en specifik plan eller tjänst]
• Ge detaljer om planen, prissättning och alternativ för konsultation/demo.
• Vid behov, vägled kunden hur de kan fråga via den officiella hemsidan.
• Vid frågor om implementeringstidplaner eller startkostnader, presentera tillgängliga alternativ.
[Stil- och uttrycksregler]
• Använd en professionell e-postton (formell men tillgänglig).
• Strukturera svar i korta stycken för läsbarhet.
• Punktlistor är tillåtna.
• Använd endast vanlig text (Markdown-symboler såsom #, ##, ### för rubriker är strikt förbjudet).
• Använd inte emojis eller emoticons.
• Behåll respektfullt språk men undvik överdrivet formell ton.
[Rekommenderat svarsupplägg]
1. Artig hälsning (t.ex. "Thank you for your inquiry.")
2. Kort återge frågan eller ärendet.
3. Presentera tydligt lösningen eller vägledningen.
4. Vid behov, ge nästa steg (t.ex. URL:er, kontaktinfo eller supportalternativ).
5. Avslutningsfras (t.ex. "We look forward to assisting you further.")
[Förbjudna åtgärder]
• Användning av Markdown-symboler (t.ex. #, ##, ###) är förbjudet.
• Användning av fetstil, kursiv eller länk-Markdown är förbjudet.
• Spekulation baserat på osäker information är förbjudet.
• Användning av olämpliga uttryck, slang eller emojis är förbjudet.
[Tonexempel för svar]
"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."
[Särskilda noteringar]
• Vid frågor om [DITT FÖRETAG] och dess relaterade tjänster, besvara alltid baserat på den senaste tillgängliga kunskapen.
• Om relevant information inte kan erhållas, be om ytterligare detaljer och undvik spekulativa svar.
• Använd alltid artiga och empatiska uttryck för att kunden ska känna sig stöttad.
Denna prompt fungerar som standard för att leverera konsekvent kundsupport av hög kvalitet som medlem i [DITT FÖRETAG]s supportteam.
Komponenter som används i detta flow
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.
Chatinmatning
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.
Promptkomponent i FlowHunt
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.
API-begäran
Integrera extern data och tjänster i ditt arbetsflöde med komponenten API-begäran. Skicka enkelt HTTP-förfrågningar, ange anpassade headers, body och query-parametrar, samt hantera flera metoder som GET och POST. Avgörande för att koppla dina automationer till valfritt webb-API eller tjänst.
Parsa Data
Komponenten Parsa Data omvandlar strukturerad data till vanlig text med hjälp av anpassningsbara mallar. Den möjliggör flexibel formatering och konvertering av datainmatningar för vidare användning i ditt arbetsflöde, vilket hjälper till att standardisera eller förbereda information för nedströmskomponenter.
Generator
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.
Villkorlig Router
Komponenten Villkorlig Router möjliggör dynamiskt beslutsfattande inom ditt arbetsflöde. Den jämför inmatad text mot ett angivet värde med olika operatorer—såsom lika med, innehåller eller är tom—och dirigerar meddelandet till olika utgångar beroende på jämförelseresultatet. Detta gör att du kan förgrena din flödeslogik och skapa personliga och intelligenta arbetsflöden som anpassar sig efter användarens inmatning.
Skapa Data
Komponenten Skapa Data gör det möjligt att dynamiskt generera strukturerade dataposter med ett anpassningsbart antal fält. Perfekt för arbetsflöden som kräver skapande av nya dataobjekt i realtid, och den stödjer flexibel fältkonfiguration samt sömlös integration med andra automationssteg.
Chattutgång
Upptäck Chattutgång-komponenten i FlowHunt—slutför chatbottsvar med flexibla, flerdelade utdata. Oumbärlig för smidig avslutning av flöden och skapande av avancerade, interaktiva AI-chattbottar.
LLM OpenAI
FlowHunt stöder dussintals textgenereringsmodeller, inklusive modeller från OpenAI. Så här använder du ChatGPT i dina AI-verktyg och chatbottar.
LLM Anthropic AI
FlowHunt stödjer dussintals AI-modeller, inklusive Claude-modeller från Anthropic. Lär dig hur du använder Claude i dina AI-verktyg och chatbots med anpassningsbara inställningar för skräddarsydda svar.
Verktygsanropande Agent
Utforska Verktygsanropande Agent i FlowHunt—en avancerad arbetsflödeskomponent som gör det möjligt för AI-agenter att intelligent välja och använda externa verktyg för att besvara komplexa frågor. Perfekt för att bygga smarta AI-lösningar som kräver dynamisk verktygsanvändning, iterativt resonemang och integration med flera resurser.
Chatthistorik-komponent
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.
Dokumenthämtare
FlowHunts Dokumenthämtare förbättrar AI-noggrannheten genom att koppla generativa modeller till dina egna uppdaterade dokument och webbadresser, vilket säkerställer tillförlitliga och relevanta svar med Retrieval-Augmented Generation (RAG).
Anteckning
Anteckningskomponenten i FlowHunt låter dig lägga till kommentarer och dokumentation direkt i ditt arbetsflöde. Använd den för att förtydliga, kommentera eller ge instruktioner inom ditt flöde, vilket gör komplexa automatiseringar lättare att förstå och underhålla.
Flow-beskrivning
Syfte och fördelar
Arbetsflödesbeskrivning: Skalbar och automatiserad hantering av affärs-e-post & chatt
Detta arbetsflöde är utformat för att automatisera och skala bearbetning, klassificering och dirigering av affärs-e-post och chattmeddelanden, med särskilt fokus på kundsupportscenarier. Det använder en kombination av AI-driven klassificering, villkorslogik, API-integrationer och kontextmedvetna agent-svar, vilket gör det mycket användbart för organisationer som vill effektivisera kundsupport, upptäcka spam och integrera AI-agenter med externa system som LiveAgent.
Översikt på hög nivå
Flödet består av två huvudgrenar:
- Spamdetektering och dirigering av e-post/meddelanden: Klassificerar automatiskt inkommande meddelanden som spam eller inte och dirigerar dem därefter för effektiv hantering och minskad manuell filtrering.
- Kontextuell AI-agent för kundsupport: Utnyttjar extern dokumenthämtning och en sofistikerad verktygsanropande agent för att ge korrekta, kontextuella och policyföljsamma kundsupportssvar.
Detaljerad flödesstruktur
1. Spamdetektering och dirigering
- Inmatning: Meddelanden tas emot via en chatinmatningsnod.
- Promptkonstruktion: En promptmall fylls med det inkommande meddelandet och skickas till en API-anropsnod (konfigurerad för LiveAgent eller liknande system).
- Textextraktion: API-svaret tolkas för att extrahera relevant innehåll med hjälp av en parseringsnod.
- Spamklassificerings-LLM: Det extraherade meddelandet skickas till en OpenAI GPT-4.1-modell med en systemprompt som instruerar den att returnera “ja” om meddelandet är spam (t.ex. kampanjer, oönskade erbjudanden) eller “nej” om det är affärsrelaterat.
- Villkorsbaserad dirigering:
- Om meddelandet klassificeras som spam (“ja”) genererar en promptmall en standardiserad spamnotifiering, som skickas ut i chatten.
- Om meddelandet inte är spam (“nej”) går det vidare till en kontextmedveten AI-supportagent för vidare hantering.
Logiktabell för spamdirigering:
| Steg | Verktyg/Nod | Syfte |
|---|---|---|
| Meddelandeinmatning | ChatInput | Tar emot användar-/kundmeddelande |
| Prompt för API | PromptTemplate | Formaterar meddelande för LiveAgent API |
| API-anrop | APIRequest | Skickar/hämtar meddelandedata |
| Tolkning av data | ParseData | Extraherar meddelandeförhandsvisning |
| Spam LLM-klassificerare | Generator (OpenAI) | Klassificerar som spam eller inte |
| Villkorsrouter | ConditionalRouter | Dirigerar utifrån LLM-utdata |
| Spamnotifiering | PromptTemplate & ChatOutput | Standardrespons för spam |
| Inte spam | Vidare till supportagent | För vidare mänsklig hantering |
2. Kontextuell AI-kundsupportagent
- Dokumenthämtning: När ett meddelande inte är spam hämtar flödet relevanta dokument från en kunskapsbas, filtrerat efter kategorier och tidsplaner, för att säkerställa aktuell och kontextrelevant information.
- Integrering av chatthistorik: Senaste chatthistoriken hämtas för att ge agenten kontext till sina svar och säkerställa kontinuitet och relevans.
- LLM-agentorkestrering: En Anthropic Claude Sonnet 4-modell driver en Tool Calling Agent, som får ett detaljerat systemmeddelande med strikta svarspolicys (t.ex. svara alltid på engelska, använd artig affärston, referera exakta URL:er, undvik spekulation och följ ett särskilt utdataformat).
- Verktygsintegration: Agenten kan anropa dokumenthämtningsverktyget och andra API:er vid behov för att komplettera sina svar och säkerställa faktabaserade svar.
- Utdata: Agentens svar skickas ut i chatten och kan även skickas vidare för ytterligare API-integration om det behövs (t.ex. vidarebefordran till LiveAgent).
Logiktabell för agentsvar:
| Steg | Verktyg/Nod | Syfte |
|---|---|---|
| Dokumenthämtare | DocumentRetriever | Hämtar relevant kontext från kunskapsbasen |
| Chatthistorik | ChatHistory | Tillhandahåller senaste samtalskontext |
| LLM-modell | Anthropic Claude | Ger avancerad språkförståelse |
| Tool Calling Agent | ToolCallingAgent | Kombinerar verktyg, kontext och policysvar |
| Utdata | ChatOutput | Skickar svar till chat/playground |
| API-vidarebefordran | APIRequest/ParseData | Vid behov loggar eller vidarebefordrar till LiveAgent |
Systemmeddelandets riktlinjer för agenten
- Svara alltid på engelska oavsett inmatningsspråk.
- Använd en formell men vänlig affärston; ingen markdown, inga emojis och ingen spekulation.
- Svar måste referera URL:er direkt under svaret och följa en tydlig, punktvänlig struktur.
- Om ingen relevant info hittas, be artigt kunden om fler detaljer.
3. API-integration och datahantering
- Dynamisk dataskapande: Flera noder genererar nödvändiga datadictionaries för API-anrop, inklusive API-nycklar, meddelandekroppar och frågeparametrar.
- Flera API-interaktioner: Arbetsflödet stödjer flera API-anrop (t.ex. till LiveAgent, andra backend-system) med flexibla metoder (GET, POST, etc.).
- Datatolkning: Efter varje API-svar extraherar tolkarnoder relevant text för vidare bearbetning eller utdata.
4. Arbetsflödesautomatisering och skalningsfördelar
- Automatiserad spamfiltrering: Eliminerar manuell granskning av oönskade meddelanden, sparar tid och möjliggör fokus på verkliga supportärenden.
- Konsekvent, policyföljsam support: Agenten följer alltid företagets riktlinjer och säkerställer pålitlig och varumärkessäker kommunikation.
- Kunskapsdrivna svar: Genom att integrera dokumenthämtning baseras agentens svar på den mest aktuella och relevanta informationen.
- Flexibel API-integration: Lätt att utöka till nya verktyg, ärendehanteringssystem eller kunskapskällor efter verksamhetens behov.
- Skalbar: Den modulära designen möjliggör parallell hantering av flera konversationer och enkel anpassning till högre meddelandevolymer.
Exempel på användningsområden
- Kundsupportteam: Triagea automatiskt meddelanden, hantera spam och ge korrekta, kontextuella svar.
- Sälj/Lead-kvalificering: Filtrera bort icke-relevanta förfrågningar innan genuina leads skickas vidare till säljare.
- Omnikanal-integration: Kopplas till plattformar som LiveAgent eller egna API:er för att ena supporten över flera kanaler.
Uppstartsanteckningar
- Kräver anpassning: Ersätt platshållare för API-nycklar och URL:er (t.ex. “YOURLINK”) med faktiska värden för din miljö.
- Kunskapsbas-hantering: Håll källor för dokumenthämtaren uppdaterade för optimal agentprestanda.
Detta arbetsflöde tillhandahåller en robust och skalbar arkitektur för att automatisera kundkommunikation, vilket säkerställer både effektivitet och högkvalitativa, policyföljsamma svar. Dess modularitet gör att den enkelt kan byggas ut allt eftersom verksamheten växer eller nya automatiseringsbehov uppstår.
Låt oss bygga ditt eget AI-team
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.
Lär dig mer
AI Gmail-assistent för e-posthantering
Effektivisera ditt Gmail-arbetsflöde med en AI-driven assistent som kan söka, organisera och hantera e-post, skapa och skicka nya meddelanden samt automatisera ...
3 min läsning
AI-chattbot med LiveChat.com-integration
Distribuera en AI-driven chattbot på din webbplats som använder din interna kunskapsbas för att besvara kundförfrågningar, och smidigt vidarebefordrar komplexa ...
3 min läsning
AI-supportchatbot med LiveAgent-integration
Automatisera din kundsupport med en AI-chatbot som besvarar frågor med hjälp av din interna kunskapsbas och sömlöst kopplar användare till en mänsklig agent via...
3 min läsning