Botpress Autonomous Node memungkinkan Anda untuk membuat agen AI yang fungsional - bukan chatbot, tetapi agen otonom yang membuat keputusan berdasarkan konteks yang tersedia.
Dengan memberikan instruksi yang jelas dan mengintegrasikan alat, pembuat bot dapat menggunakan Autonomous Node untuk menguraikan perilaku chatbot.
Node dirancang untuk menangani pengambilan keputusan dan eksekusi dengan memahami input pengguna, merespons dengan data yang tepat, dan memanfaatkan alatnya.
Jika Anda tertarik untuk menggunakan Autonomous Node, Anda berada di tempat yang tepat. Dalam artikel ini, saya akan menjelaskan dasar-dasar untuk menggunakan fitur pembangkit tenaga listrik agen kami.
Fitur Utama dari Node Otonom
1. LLM Didorong oleh Keputusan
Autonomous Node menggunakan kemampuan LLM untuk membuat keputusan yang cerdas.
2. Perilaku Otonom
Autonomous Node dapat melakukan tindakan tanpa intervensi manual berdasarkan instruksi dan masukan pengguna.
3. Peralatan
Autonomous Node memahami dan menggunakan alat bantu tertentu - misalnya, ia dapat menanyakan basis pengetahuan, melakukan pencarian web, dan menjalankan transisi alur kerja.
4. Kustomisasi
Dengan mengonfigurasi Autonomous Node dengan persona yang tepat dan instruksi yang terperinci, Anda dapat memastikan bahwa node tersebut berperilaku sesuai dengan merek dan dalam cakupan selama percakapan.
5. Menulis & Menjalankan Kode
Autonomous Node dapat menghasilkan dan menjalankan kode khusus untuk menyelesaikan tugas.
6. Koreksi sendiri
Jika Autonomous Node menemukan dirinya berada di jalur yang salah, ia memiliki kemampuan untuk mengoreksi sendiri dan pulih dari kesalahan.
Pengaturan Konfigurasi
Setiap Autonomous Node membutuhkan konfigurasi yang cermat untuk menyelaraskan perilakunya dengan kebutuhan bisnis.
Bagian yang paling penting dalam menyiapkan Autonomous Node adalah menulis perintah dan instruksi yang tepat. Prompt membantu agen memahami persona dan memandu pengambilan keputusan.
Kotak Instruksi
Di Kotak Petunjuk, berikan panduan yang jelas. Semakin spesifik petunjuknya, semakin baik pengambilan keputusan oleh agen.
Contoh: "Anda adalah asisten yang selalu menjawab pertanyaan dengan menggunakan alat 'knowledgeAgent.knowledgequery'. Jika pengguna mengatakan 'cari', gunakan alat 'browser.webSearch'."
Izinkan Percakapan
Tombol Aktifkan Percakapan memungkinkan Autonomous Node untuk berkomunikasi dengan pengguna secara langsung. Jika dimatikan, Node hanya memproses perintah dan menjalankan logika internalnya tanpa mengirim pesan kepada pengguna.
Memahami Alat Bantu
Berdasarkan instruksi yang Anda berikan, Autonomous Node dilengkapi dengan beberapa alat yang dapat dipanggil.
Setiap alat melakukan tindakan tertentu - memahami kapan dan bagaimana menggunakan alat ini sangat penting untuk mendorong keputusan Node.
7 Alat Paling Umum
- global.think: Memungkinkan mesin LLMz melakukan refleksi sebelum melanjutkan.
- browser.webSearch: Memungkinkan agen mencari jawaban di web.
- knowledgeAgent.knowledgequery: Menanyakan basis pengetahuan internal untuk mendapatkan informasi yang relevan.
- clock.setReminder: Mengatur pengingat untuk tugas atau tanggapan di masa mendatang.
- workflow.transition: Menjalankan transisi alur kerja, berpindah dari satu bagian percakapan ke bagian lain berdasarkan masukan pengguna.
- chat.sendText: Mengirim pesan teks kepada pengguna sebagai tanggapan.
- chat.waitForUserInput: Menjeda eksekusi dan menunggu masukan lebih lanjut dari pengguna.
Dengan menentukan alat mana yang akan digunakan untuk merespons tindakan pengguna, Anda dapat mengontrol alur dan hasil percakapan.
Sebagai contoh, Anda dapat menginstruksikan LLM untuk selalu melakukan tindakan tertentu ketika kondisi tertentu terpenuhi: "Ketika pengguna mengatakan '1', gunakan alat 'workflow.transition' untuk berpindah ke langkah berikutnya."
Atau: "Jika pengguna mengajukan pertanyaan, pertama-tama cobalah untuk menjawabnya dengan menggunakan alat 'knowledgeAgent.knowledgequery'."
Contoh Alur Kerja
Berikut ini adalah contoh langkah demi langkah tentang bagaimana Autonomous Node dapat dikonfigurasi dan berfungsi selama percakapan:
1. Masukan Pengguna
Pengguna mengetikkan pertanyaan tentang produk perusahaan.
2. Eksekusi Instruksi
Autonomous Node mengikuti perintah dan menggunakan alat knowledgeAgent.knowledgequery untuk mencari basis pengetahuan internal.
3. LLM Keputusan
Jika basis pengetahuan tidak memiliki jawaban yang memuaskan, node kemudian dapat menggunakan alat browser.webSearch untuk mencari informasi tambahan di web.
4. Kirim Pesan
Setelah respons siap, node menggunakan chat.sendText untuk membalas pengguna dengan informasi yang relevan.
5. Tunggu Masukan
Setelah merespons, node menggunakan chat.waitForUserInput untuk menunggu pertanyaan atau interaksi lebih lanjut dari pengguna.
Cara Menulis Instruksi
Seperti yang ditunjukkan pada contoh, instruksi yang jelas sangat penting untuk memastikan Autonomous Node berperilaku dengan benar.
Kemampuan LLMuntuk mengambil keputusan sangat dipengaruhi oleh cara instruksi disusun.
Berikut ini adalah 3 praktik terbaik untuk menulis instruksi untuk Autonomous Node Anda:
1. 1. Jadilah Spesifik
Alih-alih perintah yang tidak jelas, gunakan bahasa eksplisit yang memandu agen dengan jelas.
Contoh: "Jika pengguna mengatakan 'bantuan', kirimkan daftar opsi bantuan yang telah ditentukan sebelumnya menggunakan 'chat.sendText'."
2. Tentukan Penggunaan Alat
Secara eksplisit menyatakan alat mana yang harus digunakan dalam kondisi apa.
Contoh: "Selalu gunakan 'knowledgeAgent.knowledgequery' untuk menjawab pertanyaan terkait produk."
3. Memandu Alur
Gunakan transisi dan langkah-langkah yang jelas untuk memastikan percakapan mengalir ke arah yang benar.
Contoh: "Jika basis pengetahuan tidak dapat menjawab, alihkan ke kueri penelusuran menggunakan 'browser.webSearch'."
Anda dapat menemukan informasi lebih lanjut di tautan berikut:
- Praktik terbaik untuk rekayasa cepat dengan API OpenAI
- Membangun Sistem dengan API ChatGPT
- ChatGPT Rekayasa yang Cepat untuk Pengembang
Menggunakan Sintaks Penurunan Harga
Sebelum memulai, penting untuk membahas tentang pentingnya menggunakan Sintaks Markdown.
Untuk membuat prompt yang terstruktur dan jelas secara visual, sangat penting untuk menggunakan sintaks markdown, seperti header, poin-poin, dan teks tebal.
Sintaks ini membantu LLM mengenali dan menghormati hirarki instruksi, memandunya untuk membedakan antara bagian utama, sub-instruksi, dan contoh.
Jika sulit bagi Anda untuk menggunakan sintaks Markdown , maka gunakan struktur apa pun yang mudah bagi Anda - selama struktur tersebut tetap jelas dan hirarkis.
Lebih lanjut tentang Sintaks Dasar Penurunan Harga
Petunjuk yang Berguna
Bagian ini berisi daftar contoh dan pola yang paling umum yang dapat Anda gunakan untuk mengontrol perilaku Autonomous Node.
Contoh-contoh ini diambil dari pengalaman praktis dan menunjukkan cara menangani skenario yang berbeda dengan menggunakan petunjuk dan alat bantu tertentu.
Fokus pada Pengetahuan Internal
Untuk memastikan simpul membedakan antara pertanyaan dukungan dan jenis pertanyaan lain (seperti harga atau fitur), Anda dapat memandunya sebagai berikut:
Proses Umum yang PENTING **PENTING**
- Alat bantu knowledgeAgent.knowledgequery hanya digunakan untuk pertanyaan yang berhubungan dengan dukungan dan BUKAN untuk fitur umum atau pertanyaan yang berhubungan dengan harga.
- Alat browser.websearch HANYA digunakan untuk pertanyaan terkait dukungan, dan TIDAK boleh digunakan untuk fitur umum atau pertanyaan terkait harga.Permintaan ini memastikan LLM akan tetap menggunakan alat bantu tertentu hanya dalam konteks pertanyaan terkait dukungan, sehingga dapat mengontrol jenis informasi yang diambil.
Simpul Transisi menjadi Subaliran
Terkadang, Anda ingin bot keluar dari Autonomous Node ke sub-flow.
Katakanlah Anda ingin bot Anda mengumpulkan email pengguna, lalu mencari info lebih lanjut tentang email tersebut dari sistem lain untuk memperkaya info kontak.
Dalam hal ini, Anda mungkin memerlukan bot untuk keluar dari lingkaran Autonomous Node dan mempelajari sub-aliran yang berisi banyak langkah/sistem untuk memperkaya kontak tersebut:
Ketika pengguna menginginkan informasi lebih lanjut tentang email, buka alat transisi.Instruksi ini memberi tahu node untuk memanggil alat workflow.transition setiap kali pengguna menanyakan detail lebih lanjut tentang email, mengarahkan aliran percakapan yang sesuai.
Mengisi Variabel dan Melakukan Tindakan
Untuk skenario di mana Anda ingin node menangkap input dan memicu tindakan secara bersamaan, Anda dapat memintanya seperti itu:
Ketika pengguna menginginkan informasi lebih lanjut tentang sebuah email, buka alat transisi dan isi variabel "email" dengan email yang ditanyakan oleh pengguna.Di sini, Anda memandu Node untuk tidak hanya memicu transisi tetapi juga mengekstrak dan menyimpan email pengguna dalam sebuah variabel, sehingga memungkinkan perilaku dinamis di kemudian hari dalam percakapan.
Memanipulasi Respons Berdasarkan Suatu Kondisi
Terkadang, Anda ingin simpul melakukan logika tambahan berdasarkan kondisi. Berikut adalah contoh perintah yang terkait dengan penyediaan tautan video:
Jika pengguna memilih "1" maka ucapkan sesuatu seperti "terima kasih", lalu gunakan alat transisi.Perintah ini membantu node memahami struktur yang diharapkan dari tautan video dan cara memodifikasinya ketika pengguna meminta untuk merujuk ke titik tertentu dalam video.
Contoh Penggunaan Templat untuk Tautan Video
Anda dapat memperjelas prompt lebih lanjut dengan memberikan contoh aktual tentang bagaimana sistem seharusnya berperilaku ketika menanggapi permintaan pengguna untuk tautan video:
**Video Link Example:**
If the user is asking for a video link, the link to the video is provided below. To direct them to a specific second, append the "t" parameter with the time you want to reference. For example, to link to the 15-second mark, it should look like this: "t=15":
"""{{workflow.contentLinks}}"""Hal ini memberikan panduan yang jelas kepada node tentang cara menghasilkan tautan video secara dinamis dengan cap waktu tertentu, untuk memastikan respons yang konsisten dan ramah pengguna.
Pemecahan Masalah & Diagnosis
Saat menguji perilaku Autonomous Node di emulator, penting untuk mendiagnosis apa yang terjadi di balik layar. Bagaimana Node membuat keputusan?
Berikut adalah cara Anda dapat memecahkan masalah dan memeriksa proses berpikir dan kinerja Node.
Tiga cara untuk memecahkan masalah
1. Memeriksa Pikiran Node
Dengan mengeklik Inspect, Anda dapat mengintip keadaan internal Autonomous Node dan memahami apa yang sedang diproses oleh LLM . Dengan memeriksa, Anda dapat melihat:
- Instruksi apa yang diprioritaskan oleh node
- Bagaimana ia menafsirkan permintaan Anda
- Apakah itu mematuhi batasan dan instruksi yang Anda berikan
Jika Anda melihat bahwa node tidak merespons dengan benar atau tampaknya mengabaikan instruksi tertentu, pemeriksaan akan mengungkapkan apakah node salah memahami perintah atau gagal menjalankan alat tertentu.
2. Periksa Tab Alat
Bagian Alat menampilkan semua alat yang tersedia yang dapat dimanfaatkan oleh Autonomous Node. Setiap kali Anda menambahkan kartu baru atau membuat perubahan dalam konfigurasi node, daftar Alat akan diperbarui.
- Pastikan alat yang terdaftar sesuai dengan apa yang Anda harapkan tersedia dalam proses pengambilan keputusan node.
- Pastikan nama alat dieja dengan benar dalam prompt Anda untuk memastikan node dapat menjalankan tindakan yang ditentukan dengan benar.
3. Periksa Tab Iterasi
Autonomous Node biasanya mencoba menjalankan semua instruksi dalam satu atau dua iterasi. Jumlah iterasi tergantung pada kompleksitas perintah dan bagaimana Node menganalisisnya.
Untuk tugas yang lebih kompleks, node mungkin memerlukan beberapa kali iterasi untuk mengumpulkan data, membuat keputusan, atau mengambil informasi eksternal.
Dengan meninjau tab Iterasi (atau tab Semua), Anda dapat memahaminya:
- Berapa banyak iterasi yang diperlukan node untuk mencapai keputusan akhir.
- Apa yang menyebabkan node mengambil beberapa langkah (misalnya, mengambil data tambahan dari alat seperti knowledgeAgent.knowledgequery atau browser.webSearch).
- Mengapa hasil tertentu dapat dicapai.
Masalah Pemecahan Masalah Umum
Ukuran model
Autonomous Node mungkin tidak mengikuti prompt Anda, mengeksekusi sebagian dari prompt dan bukan semuanya, atau memanggil "workflowQueue" tanpa memanggil alat bantu "workflowExecuteAll".
Masuk akal untuk selalu mengubah ukuran Autonomous Node LLM ke model yang lebih kecil-karena lebih murah-tetapi ada harganya.
LLM yang lebih kecil dapat menyebabkan beberapa bagian dari prompt terpotong, khususnya pembungkus definisi yang ditambahkan Botpress untuk memastikan LLM memahami bagaimana fungsi kartu, parameter apa yang diperlukan, dll. Tanpa ini, bot tidak akan tahu bagaimana cara bertindak dengan benar.
Versi LLMz
Selalu pastikan Anda menggunakan versi stabil terbaru dari LLMz. Ini adalah mesin otonom yang mengarahkan node otonom untuk bekerja.
Ini juga berisi perbaikan bug, membuat petunjuk yang lebih agnostik ke LLMs.
Contoh: Mendiagnosis Pembuatan Kode
Katakanlah sebuah Autonomous Node menghasilkan kode tetapi tidak mengikuti perintah dengan benar. Berikut ini adalah cara untuk memecahkan masalah tersebut:
- Periksa: Periksa instruksi apa yang diikuti oleh node. Apakah node memahami dengan benar permintaan pembuatan kode?
- Alat: Pastikan bahwa simpul memiliki akses ke alat bantu yang diperlukan (misalnya, alat bantu pembuatan kode atau alat bantu kueri basis pengetahuan). Pastikan prompt merujuk ke alat-alat ini secara eksplisit.
- Iterasi: Lihatlah tab iterasi untuk melihat bagaimana node mencapai titik pembuatan kode. Apakah ia mengambil satu atau beberapa langkah? Apakah node tersebut menanyakan basis pengetahuan terlebih dahulu, atau apakah node tersebut langsung mencoba menghasilkan kode?
Solusi: Jika bot gagal menghasilkan kode dengan benar:
- Pastikan alat yang digunakan untuk membuat kode direferensikan dengan benar dalam prompt.
- Sesuaikan instruksi agar node dipandu untuk menggunakan langkah-langkah tertentu, seperti pertama-tama mengambil pengetahuan yang relevan sebelum mencoba membuat kode.
Contoh Permintaan Lengkap
**IMPORTANT: Query Knowledge Base is to be used only for support questions related explicitly to student courses, and NOT for general features or pricing inquiries.
**Role Description:
You are an AI-powered troubleshooting chatbot named XYZ Assistant’, focused on providing support related to professional courses offered by XYZ LMS. Your primary goal is to handle student inquiries efficiently by retrieving accurate information from the knowledge base and answering questions clearly.
**Tone and Language:
• Maintain a courteous, professional, and helpful demeanor at all times.
• Use language that is clear, concise, and appropriate for students and professionals in finance and investment.
• Ensure user data is handled securely and confidentially, adhering to all relevant data protection policies.
• Utilize information solely from **LMS Knowledge Base**.
• Personalize interactions to enhance user engagement and satisfaction.
• Reflect **XYZ branding** throughout the conversation, ensuring clarity and professionalism.
• Avoid providing answers outside the knowledge base or surfing the internet for information.
• If the user expresses frustration, acknowledge their concern and reassure them that you are here to help.
**Interaction Flow and Instructions
1. Greeting and Initial Query
• Start with a friendly and professional greeting.
• Encourage users to ask questions about course content, support materials, or other course-related concerns.
2. Information Retrieval and Issue Resolution
• Utilize the ‘Query Knowledge Base’ tool to find accurate answers to student inquiries.
• Provide clear, concise, and helpful responses to resolve the user's question.
• If the inquiry involves linking to a video, use the provided video link structure. To link to a specific moment in the video, append the "t" parameter for the desired time (e.g., for the 15-second mark, use "t=15").
3. Conclusion
Once the issue is resolved, politely conclude the interaction and ask if there's anything else you can assist with.
**Extra Instructions
*Video Link Example
-If the user is asking for a video link, the link to the video is provided below. To direct them to a specific second, append the "t" parameter with the time you want to reference. For example, to link to the 15-second mark, it should look like this: "t=15":
"""{{workflow.contentLinks}}"""
*Handling Edge Cases
If the user asks a general or unclear question, prompt them to provide more details so that you can offer a better solution.Perincian yang Cepat
Pada prompt lengkap di atas, pengguna telah membuat asisten AI yang menjawab pertanyaan dari siswa tentang kursus pendidikan.
Contoh di atas adalah panduan yang bisa diubah sesuai kebutuhan Anda, tetapi tata-letak ini adalah yang menurut saya merupakan struktur yang paling efektif sejauh ini.
Mari kita uraikan, mengapa prompt ditata seperti itu:
1. Pemberitahuan Penting
**PENTING: Query Knowledge Base hanya digunakan untuk pertanyaan dukungan yang terkait secara eksplisit dengan mata kuliah mahasiswa, dan BUKAN untuk fitur umum atau pertanyaan harga.Tujuan: Menetapkan batasan kapan dan bagaimana alat bantu Query Knowledge Base harus digunakan. Menekankan bahwa alat ini hanya untuk dukungan yang berhubungan dengan kursus, bukan untuk pertanyaan umum tentang fitur atau harga.
Signifikansi: Membantu mempersempit cakupan bot, memfokuskan respons dan meningkatkan relevansi bagi pengguna, terutama memastikan respons selaras dengan konten pendidikan.
2. Deskripsi Peran
Anda adalah chatbot pemecahan masalah bertenaga AI bernama Asisten XYZ, yang berfokus untuk memberikan dukungan terkait kursus profesional yang ditawarkan oleh LMS XYZ. Tujuan utama Anda adalah menangani pertanyaan siswa secara efisien dengan mengambil informasi yang akurat dari basis pengetahuan dan menjawab pertanyaan dengan jelas.Tujuan: Mendefinisikan peran AI sebagai asisten yang berorientasi pada dukungan, dengan jelas menguraikan tujuan utamanya untuk menyelesaikan pertanyaan terkait kursus.
Signifikansi: Memastikan bahwa respons asisten selaras dengan tujuan yang dimaksudkan, mengelola ekspektasi pengguna dan tetap relevan dengan domainnya (dalam hal ini, LMS XYZ).
3. Nada dan Bahasa
- Pertahankan sikap sopan, profesional, dan membantu setiap saat.
- Gunakan bahasa yang jelas, ringkas, dan sesuai untuk mahasiswa dan profesional di bidang keuangan dan investasi.
- Memastikan data pengguna ditangani dengan aman dan rahasia, dengan mematuhi semua kebijakan perlindungan data yang relevan.
-Memanfaatkan informasi hanya dari **LMS Knowledge Base**. Mempersonalisasi interaksi untuk meningkatkan keterlibatan dan kepuasan pengguna.
-Mencerminkan **branding XYZ** di sepanjang percakapan, memastikan kejelasan dan profesionalisme.
- Hindari memberikan jawaban di luar basis pengetahuan atau menjelajahi internet untuk mendapatkan informasi.
- Jika pengguna mengungkapkan rasa frustrasi, akui kekhawatiran mereka dan yakinkan mereka bahwa Anda ada di sini untuk membantu.Tujuan: Memberikan panduan mengenai sikap, nada bicara, dan profesionalisme asisten sekaligus menjaga interaksi yang aman dan melindungi data.
Signifikansi: Menetapkan nada yang ramah dan aman, selaras dengan branding dan ekspektasi pengguna untuk asisten yang mendukung dan profesional.
4. Alur Interaksi dan Petunjuk
Salam dan Pertanyaan Awal
- Mulailah dengan sapaan yang ramah dan profesional.
- Doronglah pengguna untuk mengajukan pertanyaan tentang konten kursus, materi pendukung, atau masalah lain yang berhubungan dengan kursus.Tujuan: Arahan ini mengarahkan asisten untuk memulai dengan sapaan yang hangat dan profesional serta mendorong pengguna untuk mengajukan pertanyaan spesifik tentang kursus mereka.
Signifikansi: Menetapkan titik masuk yang mengundang yang meningkatkan keterlibatan pengguna dan membantu bot mengumpulkan detail untuk respons yang lebih baik.
Pencarian Informasi dan Penyelesaian Masalah
- Memanfaatkan alat bantu 'Query Knowledge Base' untuk menemukan jawaban yang akurat atas pertanyaan siswa.
- Berikan tanggapan yang jelas, ringkas, dan bermanfaat untuk menyelesaikan pertanyaan pengguna.
- Jika pertanyaan melibatkan penautan ke video, gunakan struktur tautan video yang disediakan. Untuk menautkan ke momen tertentu dalam video, tambahkan parameter "t" untuk waktu yang diinginkan (misalnya, untuk tanda 15 detik, gunakan "t=15").Tujuan: Menginstruksikan asisten untuk memanfaatkan basis pengetahuan untuk memberikan tanggapan yang relevan dan jelas. Selain itu, ini mencakup pendekatan terstruktur untuk berbagi sumber daya video dengan tautan berbasis waktu.
Signifikansi: Memungkinkan respons yang efisien, tepat, dan cara terstruktur untuk menjawab pertanyaan khusus konten seperti video, sehingga mendorong pengalaman pengguna yang mulus.
Kesimpulan
Setelah masalah terselesaikan, tutup interaksi dengan sopan dan tanyakan apakah ada hal lain yang dapat Anda bantu.Tujuan: Memandu bot tentang cara mengakhiri interaksi dengan sopan, menanyakan apakah bantuan lebih lanjut diperlukan.
Signifikansi: Mempertahankan nada profesional dan mendukung selama interaksi dan memungkinkan pengguna untuk terus terlibat jika diperlukan.
5. Petunjuk Tambahan
If the user is asking for a video link, the link to the video is provided below. To direct them to a specific second, append the "t" parameter with the time you want to reference. For example, to link to the 15-second mark, it should look like this: "t=15":
"""{{workflow.contentLinks}}"""Tujuan: Mendemonstrasikan format untuk menautkan ke bagian tertentu dari video untuk membantu siswa menemukan informasi yang tepat.
Signifikansi: Memberikan kejelasan dalam berbagi sumber daya video, terutama untuk konten instruksional waktu tertentu.
*Menangani Kasus Tepi
Jika pengguna mengajukan pertanyaan yang umum atau tidak jelas, minta mereka untuk memberikan lebih banyak detail sehingga Anda dapat menawarkan solusi yang lebih baik.Tujuan: Mempersiapkan asisten untuk menangani pertanyaan yang tidak jelas atau umum dengan meminta pengguna untuk mendapatkan rincian lebih lanjut.
Signifikansi: Membantu menghindari kebingungan dan memastikan asisten dapat menjawab pertanyaan pengguna dengan sespesifik mungkin.
Bangun Agen AI Hari Ini
Botpress adalah platform agen AI yang dapat diperluas sepenuhnya untuk perusahaan.
Platform-as-a-Service (PaaS) AI percakapan kami yang lengkap memungkinkan perusahaan untuk membangun, menggunakan, dan memantau solusi yang didukung oleh LLM.
Diterapkan di seluruh industri, kasus penggunaan, dan proses bisnis, proyek Botpress selalu terukur, aman, dan sesuai merek.
Dengan lebih dari 500.000 pengguna dan jutaan bot yang digunakan di seluruh dunia, Botpress adalah platform pilihan bagi perusahaan dan pengembang. Keamanan tingkat tinggi dan layanan kesuksesan pelanggan kami yang berdedikasi memastikan perusahaan sepenuhnya siap untuk menggunakan agen AI tingkat perusahaan.
Dengan mengonfigurasi Autonomous Node secara efektif dengan petunjuk dan definisi alat yang tepat, organisasi dapat membuat agen cerdas yang menangani interaksi pengguna secara mandiri.
Mulai membangun hari ini. Gratis.
Daftar Isi
Dapatkan informasi terbaru tentang agen AI
Bagikan ini:
.svg)
