ChatGPT 知识库助手

由 OpenAI GPT-4o 驱动的 AI 聊天机器人助手，可自动搜索并利用公司内部文档来回答用户问题。结合聊天历史和检索到的知识，提供具备上下文感知、准确且对话式的回应，非常适用于客户支持、内部帮助台或员工入职场景。

流程

AI流程的工作原理

用户提交问题.: 通过聊天界面接收用户输入。
检索相关内部文档.: 在内部知识源中搜索与用户问题相关的信息。
构建具备上下文的提示.: 结合用户问题、检索到的文档和聊天历史，为 AI 创建全面提示。
生成 AI 答案.: 使用 OpenAI 的 GPT-4o 生成具备对话性和上下文感知的回复。
将回复发送给用户.: 在聊天界面显示 AI 生成的答案。

此流程中使用的提示

以下是此流程中用于实现其功能的所有提示的完整列表。提示是给予AI模型的指令，用于生成响应或执行操作。它们指导AI理解用户意图并生成相关输出。

提示词

创建包含动态变量（{input}、{human_input}、{context}、{chat_history}、{system_message}）的提示模板。

                You are an AI language model assistant.

Your task is to answer customer query in INPUT with consideration of previous conversation in CHAT HISTORY.

If CONTEXT is provided, use it to generate the answer.


--- CONTEXT START
{context} 
--- CONTEXT END

--- CHAT HISTORY START
{chat_history}
--- CHAT HISTORY END

--- INPUT START
{input}
--- INPUT END
Answer in Language: {lang}
Format answer with markdown.

ANSWER:

此流程中使用的组件

以下是此流程中用于实现其功能的所有组件的完整列表。组件是每个AI流程的构建块。它们允许您通过连接各种功能来创建复杂的交互并自动化任务。每个组件都有特定的用途，例如处理用户输入、处理数据或与外部服务集成。

聊天输入

FlowHunt 中的聊天输入组件通过在 Playground 捕获消息来启动用户交互。它作为流程的起点，使工作流能够处理文本和基于文件的输入。

查看聊天输入

文档检索器

FlowHunt 的文档检索器通过将生成式模型连接到您自己的最新文档和网址，提高了 AI 的准确性，确保使用检索增强生成（RAG）获得可靠且相关的答案。

查看文档检索器

FlowHunt 中的提示（Prompt）组件

了解 FlowHunt 的 Prompt 组件如何让你定义 AI 机器人的角色和行为，确保回复相关且个性化。自定义提示和模板，打造高效、具备上下文感知的聊天机器人流程。

查看 FlowHunt 中的提示（Prompt）组件

聊天记录组件

FlowHunt 的聊天记录组件让聊天机器人记住之前的消息，确保对话连贯、提升客户体验，同时优化内存和 Token 使用。

查看聊天记录组件

生成器

探索 FlowHunt 的生成器组件——利用您选择的 LLM 模型进行强大的 AI 驱动文本生成。通过结合提示词、可选的系统指令，甚至图片作为输入，轻松创建动态聊天机器人回复，使其成为构建智能对话流程的核心工具。

查看生成器

聊天输出

了解 FlowHunt 中的 Chat Output（聊天输出）组件——通过灵活的多部分输出完善聊天机器人回复。是实现流程顺畅结束和打造高级互动式 AI 聊天机器人的关键工具。

查看聊天输出

消息小部件

消息小部件组件可在您的工作流中显示自定义消息。非常适合欢迎用户、提供操作说明或显示任何重要信息，支持 Markdown 格式，并可设置为每个会话仅显示一次。

查看消息小部件

聊天开启触发器

聊天开启触发器组件能够检测聊天会话的开始，一旦用户打开聊天窗口，即刻触发工作流响应。它以用户的首条消息启动流程，是构建高响应、互动型聊天机器人的关键组件。

查看聊天开启触发器

流程描述

目的和优势

此工作流创建了一个聊天机器人界面，将 OpenAI ChatGPT 4o 的对话能力与搜索和利用公司或组织内部文档的能力相结合。旨在为用户问题提供准确且具备上下文感知的答案，并利用聊天历史和相关知识来源。

概述

目的：通过让用户与引用过往对话和内部文档的 AI 助手进行聊天，实现客户支持、内部信息访问或知识管理任务的自动化和规模化。
主要特性：
- 针对用户问题提供最新、与上下文相关的信息。
- 自动搜索内部文档以获得支持内容。
- 保持对聊天历史的感知，实现连贯的多轮对话。
- 以 Markdown 格式呈现回复，便于阅读。

工作流结构

以下是主要组件及其在工作流中作用的细分：

组件	说明
聊天输入	捕获用户消息和文件上传。
聊天开启触发器	检测新聊天会话的开始。
消息小部件	在聊天开始时向用户显示欢迎消息。
聊天输出	将消息（包括欢迎语和 AI 生成内容）发送至用户界面。
聊天历史	存储和检索最近 10 条聊天记录（最多 8000 个 token），用于上下文。
文档检索器	当用户提问时，搜索内部文档以获取相关内容。
提示模板	为 AI 构建提示，包括用户输入、文档上下文和聊天历史。
生成器	通过 ChatGPT 4o（或其他大模型）生成答案。

工作流运行方式

聊天会话初始化
- 当用户开启新聊天时，聊天开启触发器发出信号。
- 通过消息小部件显示欢迎语，并由聊天输出展现。
处理用户提问
- 当用户输入消息时：
  - 聊天输入节点收集信息。
  - 同时：
    - 消息被发送至文档检索器，搜索最多两份相关内部文档。
    - 消息也发送给提示模板，用于 AI 处理。
上下文回复准备
- 工作流收集：
  - 最新聊天历史以提供上下文。
  - 检索器找到的相关文档。
  - 用户当前提问。
- 这些元素在提示模板中合并，指导 AI：
  - 回答时综合考虑用户问题、过往对话及任何文档上下文。
  - 用用户语言以 Markdown 格式输出答案。
AI 答案生成
- 生成器节点将提示词发送至所选语言模型（如 ChatGPT 4o）。
- 生成的答案通过聊天输出展示给用户。