工具调用代理
调用工具并使用自定义系统提示，引导LLM回答关于YouTube视频字幕的问题的代理。
此工作流让用户可以与任何YouTube视频的字幕进行互动式对话。用户只需提供YouTube网址，就可以根据该视频的字幕提问并获得简明答案。该系统旨在通过对话式AI让长视频内容变得易于获取和搜索。
步骤详解
1. 聊天初始化与用户引导
- 聊天开启触发器：当用户打开聊天时，工作流被激活，界面准备好供用户互动。
- 欢迎信息：消息组件会展示一条友好的欢迎语：
"👋 欢迎使用YouTube视频聊天工具！我可以帮你将冗长的YouTube视频变成简洁答案🌐。只需输入视频URL，稍等片刻，我会通知你何时可以开始提问。✨📹" - 消息输出：欢迎信息会在聊天输出中展示，引导用户输入YouTube视频URL。
2. 用户输入处理
- 聊天输入：系统监听用户输入，通常包括YouTube视频URL及后续问题。
- 聊天历史：所有先前的聊天消息都会被存储，支持上下文相关的响应和持续多轮对话。
3. 视频字幕获取
- URL检索器：当提供YouTube URL时，工作流会使用URL内容检索节点来提取视频的字幕（或其它可用文本内容）。该节点可处理最多30,000个token，能够解析长视频。
4. 代理驱动的问答
- 工具调用代理：
- 代理被指示以专业的YouTube研究员和个人助手身份行动。
- 收到用户提问后，代理会使用（由URL检索器获得的）字幕作为知识基础。
- 系统提示确保代理提供简明、准确的答案，并在字幕中找不到答案时避免“凭空编造”。
- 代理会利用聊天历史在多轮提问中保持对话上下文。
- 答案输出：代理的回复会通过聊天界面反馈给用户，完成每个问题的闭环。
工作流结构
| 步骤 | 组件 | 目的 |
|---|---|---|
| 1. 聊天开始 | ChatOpenedTrigger, MessageWidget | 问候用户并提供操作说明 |
| 2. 用户输入 | ChatInput, ChatHistory | 接收用户提问并记录对话历史 |
| 3. 字幕获取 | URLContent | 提取YouTube视频的字幕 |
| 4. 问答代理 | ToolCallingAgent | 利用字幕和对话上下文回答用户问题 |
| 5. 输出 | ChatOutput | 向用户展示消息和答案 |
优势与应用场景
- 可扩展性：该工作流让任何人都能无需手动阅读字幕即可与海量YouTube视频互动。
- 自动化：字幕提取和答疑过程全自动化，节省大量人工操作时间。
- 提升可访问性：用户无需完整观看长篇教学、讲座或纪录片视频即可快速获得答案。
- 知识保留：支持上下文感知的多轮对话，便于处理复杂查询和追问。
示例应用场景
- 快速总结长访谈或纪录片的要点。
- 针对视频内容中的某部分提问定义、解释或澄清。
- 从视频内容中提取清单、时间线等结构化信息。
- 支持研究者在多视频源间高效问答。
结语
此工作流为YouTube视频内容带来了强大的自动化和AI驱动对话能力，是教育者、研究人员、学生和内容消费者提取视频价值的有力工具，无需手动操作。它可以轻松扩展和泛化到各种类型的视频内容，极大提升了生产力和可访问性。
