AI客户服务聊天机器人

一款由AI驱动的客户服务聊天机器人，利用您的内部知识库为客户查询提供即时、准确且有帮助的回复。它结合了聊天历史、检索相关文档并利用AI生成响应，实现高效支持并提升客户满意度。

流程

AI流程的工作原理

欢迎消息触发.: 当聊天开启时，机器人会以一条欢迎消息问候用户。
收集用户问题.: 聊天机器人在聊天界面收集用户的输入或提问。
检索相关知识.: 机器人在内部知识库中搜索与用户问题相关的信息。
生成AI回复.: AI结合用户问题、检索到的知识和聊天历史，生成简明且准确的回复。
展示答案.: 聊天机器人将在聊天中向用户展示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

使用动态变量（{input}、{human_input}、{context}、{chat_history}、{system_message}）创建提示词模板。

                你是一位乐于助人的AI客户服务机器人，代表[company]。你的名字是[bot name]。作为客服代表，请基于知识为客户提供简洁且相关的答案。如果你不知道答案，请提供支持链接。

---CHAT HISTORY---
{chat_history}
---

---KNOWLEDGE---
{context}
----


USER: {input}

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

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

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

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

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

流程描述

目的和优势

该工作流定义了一个客户服务聊天机器人，利用内部知识库为用户提供准确、有帮助且具备上下文的回复。该流程旨在自动化客户互动、优化支持流程，并确保用户能及时获得相关答案。

主要流程步骤

1. 聊天会话启动与欢迎

聊天开启触发：流程从检测用户开启聊天会话开始。
欢迎消息：向用户展示一条友好且信息丰富的欢迎消息，邀请其提问并说明机器人的用途。
输出展示：欢迎消息在聊天界面展示，确保用户从首次互动就获得指引。

2. 处理用户输入

聊天输入：每当用户发送消息或提问时，系统会捕获该输入以进行处理。
聊天历史：会检索并提供对话历史，为机器人提供上下文，便于持续且连贯的支持。
文档检索器：利用用户的问题在已连接的知识库或文档中搜索，获取对当前问题最相关的信息。

3. 动态提示词构建

提示词模板：使用多个变量动态组装提示词：
- {input}：用户的最新消息。
- {chat_history}：与用户的持续对话历史。
- {context}：内部检索到的知识片段。
- 提示词要求AI以客服助手的身份简明回答，如不知答案则提供支持链接。

提示词结构示例

部分	内容
系统消息	“你是一位乐于助人的AI客户服务机器人…”
聊天历史	与用户最近的对话内容
知识	检索到的文档或知识片段
用户输入	用户当前的问题
答案	AI生成的回复

4. AI回复生成

生成节点：将拼装好的提示词发送给AI模型（LLM），利用所提供的上下文和历史生成相关且准确的回复。

5. 展示回复

聊天输出：将生成的答案展示给用户，完成本轮回复并等待后续用户输入。

工作流可视化

以下是主要节点及其作用的简化流程图：

步骤	节点/组件	作用
1	聊天开启触发	检测新聊天会话并启动工作流
2	消息小组件	发送欢迎消息
3	聊天输出	向用户展示消息
4	聊天输入	接收用户消息
5	聊天历史	获取最近的对话历史
6	文档检索器	搜索知识库
7	提示词模板	构建包含上下文的AI提示词
8	生成器	利用AI生成回复
9	聊天输出	向用户发送生成的回复