Slack-integration

Denna integration låter dig ta med valfri Flow till ditt Slack-arbetsutrymme, så att du kan arbeta med AI där du redan samarbetar, spara tid och hålla allt samlat på ett ställe.

Vad kan FlowHunt-integrationen hjälpa dig med:

• AI-assistent Flow: Låt en AI-bot besvara frågor från kunskapsbasen, hjälpa dig med enkla uppgifter och stötta dig i skrivandet.

• Kundtjänstintegration: Övervaka chatbotkonversationer, få en ping när AI behöver din hjälp och hoppa in i vilken chatbotkonversation som helst direkt från Slack.

• Egna verktyg: Bygg och distribuera kanal-specifika verktyg för att förenkla arbetsdagen och öka produktiviteten.

Så integrerar du Slack i FlowHunt

1. Gå till Integrationer i huvudmenyn till vänster.
2. Hitta Slack-integrationen och klicka på Integrera.

3. Du tas då till Slacks integrationssida, där du får veta att Flo begär åtkomst till ditt arbetsutrymme.
4. Om du har flera arbetsutrymmen använder du rullgardinsmenyn uppe till höger:

5. När du valt rätt arbetsutrymme, granska behörigheterna och klicka på Tillåt.

Om du vill integrera ett arbetsutrymme där du inte är administratör måste du skicka en installationsförfrågan till arbetsutrymmets admin.

6. Du får en notis om att integrationen lyckats.

7. Gå till ditt Slack-arbetsutrymme. Du bör nu se Flowhunt som en av de installerade apparna:

Nu när ditt konto är kopplat är det dags att börja bygga de Flows du vill använda.

Översikt över Slack-komponenter

Gå tillbaka till FlowHunt och gå in i Flödesredigeraren.

Du kommer att märka att det finns två Slack-relaterade komponenter:

• Slack Message Received
• Slack Send Message

Dessa fungerar som start- och slutpunkter för Slack-svar och styr när och hur Flow interagerar med din Slack-kanal.

Slack Message Received

Denna komponent representerar starten på Slack-konversationen med FlowHunt. Du kan se på den som en triggerkomponent. Den låter dig även styra när, var och hur Flos svar triggas.

Komponentens handtag

Denna komponent har tre utgångshandtag som styr beteendet efter olika handlingar i Slack. Eftersom denna komponent alltid finns i början av ett Flow eller Subflow, finns inget inmatningshandtag.

• Efter Bot Stop: Styr vad som händer efter att boten manuellt inaktiverats via Slack.
• Efter Bot Start: Styr vad som händer efter att boten återaktiverats via Slack.
• Vanligt meddelande: Styr vad som händer efter att Slack-användaren (du) skickat ett meddelande.

Komponentinställningar

• Kanal: Välj vilka kanaler du vill lägga till FlowHunt i.
• Arbetsutrymme: Välj vilket arbetsutrymme du vill lägga till FlowHunt i.

Att ställa in kanaler och arbetsutrymme är nödvändigt för att Flowet ska fungera.

Endast trigger vid omnämning

Denna inställning styr hur du triggar ett svar från Flo:

• Om rutan är avmarkerad: Flo svarar på varje meddelande i vald kanal eller tråd. Detta passar bra för kanaler som bara används för att prata med FlowHunt, till exempel kundtjänstchatbot-kanaler. Du bör inte använda detta i interna kanaler där många pratar, eftersom FlowHunt då kommer att avbryta alla samtal.
• Om rutan är markerad: Boten svarar bara när den blir kallad på. Du kan kalla på Flo genom att använda @flowhunt-omnämnandet. Vi rekommenderar detta när du snabbt vill få hjälp med att hämta eller sammanfatta information, särskilt i aktiva kanaler.

Slack Send Message

Denna komponent representerar Flowhunts Slack-meddelanden tillbaka till dig. Den låter dig styra var, hur och till vem Flo skickar svar.

Komponentens handtag

• Slack Message: Detta inmatningshandtag anger vad som skickas som meddelande. Det är oftast utdata från en AI Agent eller AI Generator. Att koppla inmatning är nödvändigt.
• Efter meddelande skickats: Detta utgångshandtag gör det möjligt att definiera vidare åtgärder efter att FlowHunt har svarat. Att koppla detta handtag är valfritt.

Komponentinställningar

• Formatera som Markdown: Om rutan är markerad, formateras meddelandena i Markdown. Om den är avmarkerad, skickas meddelanden utan formatering.
• Följ upp i tråd: Ser till att FlowHunt fortsätter lyssna och svara i konversationstrådar den är med i, till exempel vid kundtjänstärenden.
• Omnämnanden: FlowHunt kan behöva påkalla din uppmärksamhet ibland. Till exempel när en kundtjänst-chatbotanvändare vill bli kopplad till en människa. FlowHunt använder då det omnämnande du valt.
• Trådtidsstämpel: Möjliggör att begränsa FlowHunt till endast en specifik tråd.
• Kanal: Välj vilka kanaler du vill lägga till FlowHunt i.
• Arbetsutrymme: Välj vilket arbetsutrymme du vill lägga till FlowHunt i.

Observera: Du behöver välja kanaler och arbetsutrymmen i båda komponenterna, eftersom det finns tillfällen då du bara använder en av komponenterna, eller när du vill få svar i olika eller flera kanaler.

Använda Slack-integrationen

Olika användningsområden innebär olika sätt att använda Slack-komponenterna. Vi går igenom de två vanligaste.

AI-assistent Flow

Det första stora exemplet på Slack-integration vi går igenom är den enkla AI-assistenten. Med detta Flow kan du lägga till Flo-boten i olika kanaler och chatta med den, använda den som din assistent för att besvara frågor från kunskapsbasen eller hjälpa dig att skriva bättre.

Den enklaste versionen av Flowet kräver bara tre komponenter:

• Slack Message Received
• AI Agent
• Slack Send message

1. Koppla Slack Message Received till AI Agent med Vanligt meddelande-handtaget.
2. Koppla Agentens meddelandeutgång till inmatningen på Slack Send message-komponenten.

3. Ställ in båda Slack-komponenterna på samma arbetsutrymme och kanal. Justera övriga inställningar efter behov.
4. Glöm inte att förklara för Agenten vad dess uppdrag är. Om du behöver hjälp med att konfigurera AI Agent, se denna guide.

Med detta enkla Flow kan du prata med OpenAIs GPT4o-modell via Slack. För en komplett AI-assistent, överväg att lägga till fler komponenter som:

• Chatthistorik, så att Flowet kan hålla kontext.
• Andra LLM-komponenter för att byta från standard GPT-4o till något av de många modeller FlowHunt stöder.
• Verktyg så att Agenten kan ta fram information eller utföra uppgifter.

Här är ett exempel på ett Flow som använder Claude Sonnet 3.5 som LLM istället för OpenAIs modeller. För verktyg har den tillgång till verifierad information från din interna kunskapsbas via komponenten Document Retriever, men kan även söka Google i realtid. Sist men inte minst har vi chatthistorik:

Gå till Flow-biblioteket och hämta detta Flow som en färdig mall.

Nu kan denna bot besvara dina frågor med färsk information och hålla en dialog om datan.

Slack-kundtjänst Flow

Det andra viktiga användningsområdet är att koppla din AI-kundtjänstchatbot till Slack. Detta gör det möjligt att inte bara övervaka alla chatbotkonversationer, utan även hoppa in när som helst och låta chatboten pinga dig när den behöver din hjälp.

Detta kallas human in the loop och förstärker AI med mänsklig expertis för högre noggrannhet, minskad risk för fel och etisk hantering i olika tillämpningar. Med andra ord: AI låter dig veta vad som händer och ber dig proaktivt ta över i chatbotfönstret, istället för att bara ge användarna alternativ att kontakta dig själva.

Alla dessa scenarier kräver att flera delar samverkar. Du kan slippa allt krångel och hämta detta Flow som en mall från Flow-biblioteket.

Vi kan dela upp detta Flow i tre huvuddelar. Först bygger vi själva kundtjänstchatboten. Sedan lägger vi till triggers som gör att du kan ta över via Slack. Sista delen är bara enkla förbättringar för arbetsflödet. Vi börjar med att bygga chatboten först.

Del 1: Skapa chatbot-subflow

1. Som vanligt börjar alla chatbotrelaterade Flows med triggern Chat Input.
2. Nästa steg är eskaleringen. Börja med att koppla Escalation Gateway till Chat Input:

3. Här avgör AI om den ska ta “Human Escalation”-vägen eller “Bot Escalation”. Alltså, om AI ska svara eller be om din hjälp istället.
4. Fortsätt genom att koppla Slack Send Message-komponenten till båda vägarna. Denna komponent ser till att båda alternativen rapporteras till Slack-kanalen och att du alltid håller dig informerad om beslutet.

5. Öppna inställningarna för Slack Send Message och ange Arbetsutrymme och Kanal (eller kanaler) där chatboten ska vara aktiv. Välj samma arbetsutrymme och kanaler i båda komponenterna:

6. Öppna nu Slack Send Message-komponenten som är kopplad till human escalation. Här är det boten meddelar dig att den behöver hjälp. Du måste ställa in ett Omnämnande för att notifiera rätt personer. Vi rekommenderar att använda @here, som notifierar alla kanalmedlemmar som är online.
7. Om du vill få en notis om varje användarmeddelande kan du även lägga till ett omnämnande för den Slack Send Message som är kopplad till Bot Response.
8. Självklart måste boten även svara användaren i chatten. Det är här AI Agent kommer in i bilden. Koppla Bot Response-handtaget till en AI Agent-inmatning:

9. Sista steget är att lägga till utgångar på Agenten. Vi vill att den ska svara användaren i chatten, men vi vill även lyssna på svaren via Slack. Därför kopplar vi AI Agent till både Slack Send Message och Chat output:

10. Ställ in samma Arbetsutrymme och Kanal som på övriga ställen.

Nu har vi en enkel GPT-4o Chatbot som kan avgöra när den inte kan svara och behöver din hjälp. Men detta är långt ifrån en komplett kundtjänstchatbot. Låt oss lägga till alla andra funktioner som en bra chatbot bör ha.

Del 2: Kundtjänstchatbot

Vi behöver nu lägga till ett par