实时领域专属RAG聊天机器人

一个实时聊天机器人，使用仅限于您自有域名的Google搜索，检索相关的网页内容，并利用OpenAI LLM为用户提供最新的信息答案。非常适合在客户支持或信息门户中提供准确、特定领域的响应。

流程

AI流程的工作原理

用户提问输入.: 通过聊天输入或预设按钮捕获用户问题。
查询扩展.: 对用户问题进行释义和扩展，以提升检索准确性。
领域专属Google搜索.: 使用扩展后的查询，仅在指定域名范围内执行Google搜索。
网页内容检索.: 从搜索返回的最相关网址中获取内容。
LLM响应生成.: 利用OpenAI LLM生成最终的、包含上下文的答案，并展示给用户。

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。

Prompt

为LLM创建包含动态变量的提示模板，支持{input}、{human_input}、{context}、{chat_history}、{system_message}等字段。

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

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

按钮组件

FlowHunt 的按钮组件能够将文本或输入内容转换为工作流中的交互式可点击按钮。非常适合创建动态用户界面、收集用户选择，并提升 AI 驱动聊天机器人或自动化流程的用户参与度。

查看按钮组件

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

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

LLM OpenAI

FlowHunt 支持数十种文本生成模型，包括 OpenAI 的模型。以下是在您的 AI 工具和聊天机器人中使用 ChatGPT 的方法。

查看 LLM OpenAI

查询扩展

FlowHunt 的查询扩展通过查找同义词、修正拼写错误，确保用户查询得到一致且准确的响应，从而提升聊天机器人的理解能力。

查看查询扩展

GoogleSearch 组件

FlowHunt 的 GoogleSearch 组件通过使用检索增强生成（RAG），从 Google 获取最新知识，提升聊天机器人的准确性。可通过设置语言、国家和查询前缀等选项精准控制搜索结果，确保输出内容的相关性和精确性。

查看 GoogleSearch 组件

URL检索器

通过URL检索器组件，在工作流中轻松获取和处理网页内容。高效提取并处理任意URL列表（包括网络文章、文档等）的文本和元数据。支持高级选项，如图像OCR、选择性元数据提取和可定制缓存，非常适合构建知识丰富的AI流程和自动化。

查看 URL检索器

流程描述

目的和优势

概述

此工作流实现了一个简单的检索增强生成（RAG）聊天机器人，借助实时Google搜索从互联网检索最新信息——特别是可以自定义将所有搜索限定在某一个特定域名。主要目标是创建一个能够利用在线最相关、最新内容回答用户问题的聊天机器人，非常适用于静态知识库无法满足需求的场景。

关键组件与流程

该工作流由多个模块化区块组成，每个区块代表一项特定功能。以下是该流程的结构与功能解析：

组件	作用
聊天输入	接收用户的提问与聊天消息。
聊天历史	维护对话历史，为上下文相关的回复提供支持。
查询扩展	将用户输入释义为多种备选查询，提升搜索覆盖面。
Google搜索	在可自定义域名前缀的限制下，执行Google搜索。
URL检索器	提取Google搜索返回的URL内容。
提示模板	构建给语言模型的上下文、用户输入和历史记录。
OpenAI LLM	使用语言模型（如GPT-3/4）生成回复。
生成器	用提示和上下文调用LLM生成答案。
聊天输出	向用户展示机器人的回复。
按钮组件	为用户提供一键尝试的示例问题。
聊天开启触发器	初始化对话并填充快速开始按钮。

工作流运行方式

当用户打开聊天窗口时，聊天开启触发器被激活。这将初始化聊天界面，并显示若干按钮组件，其中包含示例问题（如“what dinosaur has 500 teeth?”）。用户点击按钮或通过聊天输入输入自定义消息后，流程如下：

查询扩展：用户输入被释义为多个版本，以最大化检索相关搜索结果的概率。
Google搜索：将扩展后的查询发送至Google搜索。默认情况下，搜索被限定在特定域名（由query_prefix字段设置，如site: www.YOURDOMAIN.com），让机器人专注于您自己的网站或任何可信来源。
URL检索器：该流程将以完整文档形式检索排名靠前的搜索结果（URL）内容。
提示组装：检索到的内容、用户输入与聊天历史通过提示模板组件组合，为答案提供丰富的上下文。
语言模型生成：将组装好的提示发送至OpenAI LLM，生成连贯且上下文相关的回复。
响应输出：通过聊天输出将生成的答案展示给用户。

示例用例流程

用户打开聊天：欢迎消息与三个示例问题按钮出现。
用户点击“when is mother’s day 2024?”：该问题会立即显示在聊天输出中（即时反馈）。
工作流依次进行查询扩展、搜索、内容检索、提示组装和LLM生成，最后将答案显示出来。

为什么这个流程很有用

实时知识：机器人可用互联网或指定域名上的最新信息进行答疑。
领域限定：通过自定义query_prefix，确保机器人仅从您的可信网站或知识库获取信息，提高答案可靠性。
上下文感知：在提示中包含聊天历史和检索内容，实现多轮对话下的定制化和上下文相关回答。
可扩展与自动化：模块化设计易于扩展或适配不同领域，支持在多个主题或网站上的大规模部署。
用户体验：快速开始按钮与即时反馈让终端用户易于上手。

工作流总结表

步骤	描述
用户输入	用户输入问题或点击快速开始按钮
查询扩展	输入被释义以扩大搜索覆盖面
Google搜索	在指定域名范围内执行Google搜索
URL内容检索	获取排名靠前的搜索结果内容
提示构建	用户输入、搜索结果和聊天历史合并为提示
LLM生成	OpenAI LLM利用完整上下文生成回复
输出	回复展示给用户