AI驱动的邮件垃圾检测与智能客服分流
此AI工作流可自动将接收到的邮件分类为垃圾邮件或非垃圾邮件，并智能地将合法消息路由至利用公司知识库的AI助手，以生成专业的支持回复。它集成了文档检索、先进的大语言模型以及API交互，实现客户支持自动化的无缝流程。
流程
AI流程的工作原理
- 接收来信.
- 工作流从接收用户邮件或消息输入开始。
- 邮件垃圾识别.
- 使用AI模型判断来信是否为垃圾邮件或真实客户咨询。
- 根据分类结果分流.
- 垃圾邮件触发简单通知，合法咨询则被路由至AI支持助手。
- 检索知识并生成回复.
- AI助手会检索相关文档和知识，并生成专业、具备上下文的支持回复。
- 将结果返回给用户.
- 最终回复或通知将反馈给用户或支持人员。
此流程中使用的提示
生成器
用于让LLM对邮件进行垃圾与否分类的系统提示词。
你是一名企业邮件分类员。
请判断邮件内容是与业务相关还是无关的推销内容。
如果包含以下内容，请判定为垃圾邮件（“yes”）：
- 促销、折扣、销售、活动、积分、联盟链接
- 邀请参加网络研讨会、讲座、活动或合作
- 投资、加密货币、招聘或副业机会
- 未经请求的广告或商业推送
如包含以下内容，请判定为非垃圾邮件（“no”）：
- 客户投诉、支持请求、使用咨询
- 发票、报价、采购订单、合同或付款事宜
- 内部或合作方的协调、排期或报告
- 合法的回复或确认请求
仅输出"yes"或"no"。
工具调用代理
LLM代理作为专业客服助手的系统提示词。
你是一名AI语言模型助手，担任[YOUR COMPANY]的友好且专业的客户支持与咨询助手。
无论输入为何种语言，始终用英语回复。
所有信息须以礼貌且符合商务规范的语气书写，以增强客户的信心与信任。
【职责】
你负责协助解答与[YOUR COMPANY]服务及相关产品（如客户支持工具、流程管理工具、网站搭建与管理等）有关的问题、咨询和技术问题解决。
请以易于理解且能给客户留下积极印象的语气进行指引。
【目标】
基于对话历史和最新咨询，参考可用知识源或工具中的准确信息，用英文提供最优回复。
【信息参考优先级】
主要来源：使用知识源检索工具核实相关信息后再回复。
次要来源：查找相关上下文时，始终使用文档检索工具。
严禁凭主观臆断猜测或编造内容。
【回复规范】
1. 找到相关信息时，须基于该信息用英文提供准确简明的回复。
2. 回复下方须直接列出参考来源URL（禁止修改URL）。
3. 仅使用实际知识库中存在的服务名称和方案名称。
4. 若未找到相关信息，明确说明“未能找到相关信息”，并礼貌地请求客户补充细节。
【处理与[YOUR COMPANY]无关问题】
如遇与[YOUR COMPANY]无关的咨询，请明确说明：“此问题与[YOUR COMPANY]无关。”
【当客户对某一方案或服务感兴趣时】
• 提供方案详情、价格及咨询/演示方式。
• 如有需要，引导客户通过官网询问。
• 关于实施周期或初期费用的问题，请列举可选项。
【风格与表达规则】
• 使用专业邮件语气（正式但亲切）。
• 回复结构分为简短段落，便于阅读。
• 可以使用项目符号。
• 仅限纯文本格式（严禁使用Markdown符号如#、##、###等）。
• 禁止使用表情或颜文字。
• 保持礼貌表达，避免过于正式。
【推荐回复格式】
1. 礼貌问候（如“感谢您的咨询。”）
2. 简要复述问题或需求。
3. 明确给出解决方案或指引。
4. 如有必要，提供后续步骤（如URL、联系方式或支持选项）。
5. 结束语（如“如需进一步协助，欢迎随时联系我们。”）
【禁止事项】
• 严禁使用Markdown符号（如#、##、###）。
• 严禁使用加粗、斜体、链接等Markdown语法。
• 严禁根据不确定信息做出猜测。
• 严禁使用不当表达、俚语或表情。
【回复语气示例】
“Thank you for your inquiry.
The details are as follows: …”
“We apologize for any inconvenience, but regarding this matter…”
“Thank you for your attention, and please let us know if you need further assistance.”
【特别说明】
• 针对[YOUR COMPANY]及相关服务的问题，须基于最新知识回复。
• 如无法获取相关信息，请请求补充细节，避免推测性回复。
• 始终使用礼貌和具同理心的表达，让客户感受到支持。
本提示词为[YOUR COMPANY]支持团队成员提供始终如一、高质量客户支持的标准。
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。
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。
API 请求
通过 API 请求组件，将外部数据和服务集成到您的工作流程中。轻松发送 HTTP 请求，设置自定义头部、请求体和查询参数，并支持 GET 和 POST 等多种方法。对于将自动化流程连接到任何 Web API 或服务来说，这是必不可少的组件。
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。
条件路由器
条件路由器组件使您的工作流能够进行动态决策。它通过各种运算符（如等于、包含或为空）将输入文本与指定值进行比较，并根据比较结果将消息路由到不同的输出。这让您能够分支流程逻辑，创建个性化和智能的工作流，灵活适应用户输入。
LLM Anthropic AI
FlowHunt 支持数十种 AI 模型，包括 Anthropic 的 Claude 系列模型。了解如何在您的 AI 工具和聊天机器人中使用 Claude，并通过可自定义设置实现个性化响应。
工具调用代理
探索 FlowHunt 中的工具调用代理——一款先进的工作流组件，使 AI 代理能够智能地选择和使用外部工具来回答复杂查询。非常适合构建需要动态工具使用、迭代推理和多资源集成的智能 AI 解决方案。
流程描述
目的和优势
工作流说明：可扩展的自动化商务邮件与聊天处理
本工作流旨在自动化和扩展企业邮件及聊天消息的处理、分类与分流，特别适用于客户支持场景。它结合了AI驱动的分类、条件逻辑、API集成及具备上下文的智能体回复，非常适合希望简化客户支持流程、检测垃圾邮件并与LiveAgent等外部系统集成的组织。
总览
该流程包含两大主线：
- 邮件/消息垃圾检测与分流：自动将收到的信息分类为垃圾与否，并据此分流，提升处理效率、减少人工筛选。
- 上下文智能AI客服：通过外部文档检索及高级工具调用代理，提供准确、具备上下文且合规的客户支持回复。
详细流程结构
1. 垃圾邮件检测与分流
- 输入：通过聊天输入节点接收信息。
- 提示词构建：用提示词模板填充输入消息，发送至API请求节点（配置为LiveAgent或类似系统）。
- 文本提取：通过解析节点提取API响应的相关内容。
- 垃圾邮件分类LLM：将提取的消息发送至OpenAI GPT-4.1模型，并用系统提示词指导其输出"yes"（垃圾邮件，如促销、推销等）或"no"（与业务相关）。
- 条件分流：
- 若分类为垃圾（“yes”），用提示词模板生成标准垃圾通知，输出至聊天。
- 若非垃圾（“no”），则进入具备上下文的AI助手进一步处理。
垃圾邮件分流逻辑表：
| 步骤 | 工具/节点 | 目的 |
|---|---|---|
| 消息输入 | ChatInput | 接收用户/客户消息 |
| API提示词构建 | PromptTemplate | 格式化为LiveAgent API消息 |
| API调用 | APIRequest | 发送/获取消息数据 |
| 解析数据 | ParseData | 提取消息预览内容 |
| 垃圾邮件分类LLM | Generator (OpenAI) | 判断是否为垃圾邮件 |
| 条件分流 | ConditionalRouter | 按LLM输出路由 |
| 垃圾通知 | PromptTemplate & ChatOutput | 输出标准垃圾回复 |
| 非垃圾 | 交由支持助手处理 | 继续人工智能处理 |
2. 上下文AI客户支持助手
- 文档检索：非垃圾消息将从知识库检索相关文档，按类别和时间过滤，确保信息最新且相关。
- 聊天历史集成：获取近期聊天历史，为助手回复提供上下文，使其连贯且相关。
- LLM智能体编排：由Anthropic Claude Sonnet 4模型驱动的工具调用代理，根据严格的系统提示进行回复（如始终用英语、商务礼貌、原样引用URL、禁止猜测、输出格式规范等）。
- 工具集成：智能体可调用文档检索等工具和API，确保回复有理有据。
- 输出：助手回复将输出至聊天，也可进一步用于API集成（如转发至LiveAgent）。
智能体回复逻辑表：
| 步骤 | 工具/节点 | 目的 |
|---|---|---|
| 文档检索 | DocumentRetriever | 从知识库获取相关上下文信息 |
| 聊天历史 | ChatHistory | 提供会话上下文 |
| LLM模型 | Anthropic Claude | 实现高级语言理解 |
| 工具调用代理 | ToolCallingAgent | 整合工具、上下文及规范进行回复 |
| 输出 | ChatOutput | 发送回复到聊天/演示区 |
| API转发 | APIRequest/ParseData | 可选：转发日志/到LiveAgent等外部系统 |
智能体系统消息规范
- 无论输入语言如何，始终用英语回复。
- 使用正式但友好的商务语气；禁止Markdown、表情、猜测。
- 回复下方必须直接引用参考URL，结构清晰，可用项目符号。
- 未找到相关信息时，须礼貌请求客户补充详情。
3. API集成与数据处理
- 动态数据生成：多个节点可生成API请求所需的数据字典，包括API密钥、消息体、查询参数等。
- 多API交互：支持多次API请求（如LiveAgent、其他后端），支持多种请求方式（GET、POST等）。
- 数据解析：每次API响应后，解析节点提取所需文本，供后续处理或输出。
4. 自动化与扩展性优势
- 自动垃圾筛查：消除人工审核垃圾信息，专注于真实支持请求。
- 合规一致的支持：智能体严格遵循公司规范，保证沟通可靠且品牌一致。
- 知识驱动回复：集成文档检索，确保答案基于最新、最相关的信息。
- 灵活API集成：可轻松扩展到新工具、工单系统或知识源，适应业务变化。
- 高扩展性：模块化设计，支持多会话并行处理，便于应对更大消息量。
应用场景示例
- 客户支持团队：自动分流消息、筛查垃圾、提供准确且有上下文的回复。
- 销售/线索筛选：过滤无关咨询，优先推送真实意向客户至销售。
- 全渠道整合：对接LiveAgent或自定义API，实现多渠道统一支持。
部署注意事项
- 需定制化：请将占位的API密钥和URL（如"YOURLINK"）替换为实际部署值。
- 知识库维护：定期更新文档检索源，以保证助手最佳表现。
此工作流为自动化客户沟通提供了强大、可扩展的架构，既保证了高效，也确保了高质量、合规的回复。其模块化设计便于随着业务发展或新自动化需求的产生灵活扩展。
了解更多
与 LiveAgent API 集成的 AI 客服支持代理
这个由 AI 驱动的工作流通过将用户查询连接到公司知识源、外部 API（如 LiveAgent）和语言模型，实现客户支持自动化，提供专业、友好且高度相关的回复。该流程检索对话历史，利用文档搜索，并与外部系统交互，以提供简明、结构化的答案，如有需要可升级至人工支持。非常适合希望优化支持、产品推荐和信息交付的企业。...
集成LiveChat.com的AI聊天机器人
在您的网站上部署一个由AI驱动的聊天机器人，利用您的内部知识库回答客户问题，并在遇到复杂或未解决的问题时，通过LiveChat.com无缝转接给真人客服。提升客户支持效率，确保用户始终获得所需帮助。...
集成LiveAgent的AI支持聊天机器人
通过AI聊天机器人自动化您的客户支持，利用内部知识库回答问题，并在需要时通过LiveAgent无缝连接用户与人工客服。提升用户体验，减少响应时间，优化支持运营。...