Panduan Jurutera Penyelesaian untuk Nod Autonomi

The Botpress Autonomous Node membolehkan anda mencipta ejen AI berfungsi – bukan chatbots, tetapi ejen autonomi yang membuat keputusan berdasarkan konteks yang tersedia.

Dengan menyediakan arahan yang jelas dan alat penyepaduan, pembina bot boleh menggunakan Nod Autonomi untuk menggariskan gelagat chatbot. 

Node direka bentuk untuk mengendalikan kedua-dua membuat keputusan dan pelaksanaan dengan memahami input pengguna, bertindak balas dengan data yang betul dan memanfaatkan alatannya.

Jika anda berminat menggunakan Nod Autonomi, anda berada di tempat yang betul. Dalam artikel ini, saya akan membentangkan asas untuk menggunakan ciri kuasa agenik platform kami.

Ciri Utama Nod Autonomi

1. LLM Didorong Keputusan

Nod Autonomi menggunakan keupayaan an LLM untuk membuat keputusan bijak melalui ejen LLM .

2. Tingkah Laku Berautonomi

Nod Autonomi boleh melaksanakan tindakan tanpa campur tangan manual berdasarkan arahan dan input pengguna.

3. Alatan

Nod Autonomi memahami dan menggunakan alatan tertentu – contohnya, ia boleh menanyakan pangkalan pengetahuan, melakukan carian web dan melaksanakan peralihan aliran kerja.

4. Penyesuaian

Dengan mengkonfigurasi Nod Autonomi dengan persona yang betul dan arahan terperinci, anda boleh memastikan ia berkelakuan mengikut jenama dan dalam skop semasa perbualan.

5. Tulis & Laksanakan Kod

Nod Autonomi boleh menjana dan melaksanakan kod tersuai untuk menyelesaikan tugas.

6. Perbetulkan diri

Jika Nod Autonomi mendapati dirinya melalui jalan yang salah, ia mempunyai keupayaan untuk membetulkan diri dan pulih daripada ralat.

‍

Tetapan Konfigurasi

Setiap Nod Autonomi memerlukan konfigurasi yang teliti untuk menyelaraskan tingkah lakunya dengan keperluan perniagaan. 

Bahagian paling penting dalam menyediakan Nod Autonomi ialah menulis gesaan dan arahan yang betul. Gesaan membantu ejen memahami personanya dan membimbing membuat keputusan.

Kotak Arahan

Dalam Kotak Arahan, sediakan garis panduan yang jelas. Lebih spesifik arahan, lebih baik ejen membuat keputusan. 

Contoh: “Anda adalah pembantu yang membantu yang sentiasa menjawab soalan menggunakan alat 'knowledgeAgent.knowledgequery'. Jika pengguna menyebut 'cari,' gunakan alat 'browser.webSearch'.” 

Benarkan Perbualan

Togol Benarkan Perbualan membolehkan Nod Autonomi berkomunikasi dengan pengguna secara langsung. Jika dimatikan, Node hanya memproses arahan dan melaksanakan logik dalamannya tanpa menghantar mesej kepada pengguna.

Memahami Alat

Berdasarkan arahan yang anda berikan, Nod Autonomi dilengkapi dengan beberapa alat yang boleh dipanggil. 

Setiap alat melakukan tindakan tertentu – memahami masa dan cara menggunakan alatan ini adalah penting untuk memacu keputusan Node.

7 Alat Paling Biasa 

• global.think : Membenarkan enjin LLMz mencerminkan sebelum meneruskan.
• browser.webSearch : Membolehkan ejen mencari jawapan di web.
• knowledgeAgent.knowledgequery : Menyoal pangkalan pengetahuan dalaman untuk maklumat yang berkaitan.
• clock.setReminder : Menetapkan peringatan untuk tugasan atau respons masa hadapan.
• workflow.transition : Melaksanakan peralihan aliran kerja, bergerak dari satu bahagian perbualan ke bahagian lain berdasarkan input pengguna.
• chat.sendText : Menghantar mesej teks kepada pengguna sebagai balasan.
• chat.waitForUserInput : Menjeda pelaksanaan dan menunggu input selanjutnya daripada pengguna.

Dengan menentukan alat yang hendak digunakan sebagai tindak balas kepada tindakan pengguna, anda boleh mengawal aliran dan hasil perbualan. 

Sebagai contoh, anda boleh mengarahkan LLM untuk sentiasa melakukan tindakan tertentu apabila syarat tertentu dipenuhi: "Apabila pengguna menyebut '1', gunakan alat 'workflow.transition' untuk beralih ke langkah seterusnya."

Atau: "Jika pengguna bertanya soalan, cuba jawab dahulu menggunakan alat 'knowledgeAgent.knowledgequery'."

Contoh Aliran Kerja

Berikut ialah contoh langkah demi langkah tentang cara Nod Autonomi mungkin dikonfigurasikan dan berfungsi semasa perbualan:

1. Input Pengguna

Pengguna menaip soalan tentang produk syarikat.

2. Pelaksanaan Arahan

Nod Autonomi mengikut gesaan dan menggunakan alat knowledgeAgent.knowledgequery untuk mencari pangkalan pengetahuan dalaman.

3. LLM Keputusan

Jika pangkalan pengetahuan tidak mempunyai jawapan yang memuaskan, nod kemudiannya boleh menggunakan alat browser.webSearch untuk mencari maklumat tambahan di web.

4. Hantar Mesej

Setelah respons sedia, nod menggunakan chat.sendText untuk membalas kepada pengguna dengan maklumat yang berkaitan.

5. Tunggu Input

Selepas membalas, nod menggunakan chat.waitForUserInput untuk menunggu pertanyaan lanjut atau interaksi daripada pengguna.

Cara Menulis Arahan

Seperti yang ditunjukkan dalam contoh, arahan yang jelas adalah penting untuk memastikan Nod Autonomi berkelakuan dengan betul. 

The LLM Keupayaan untuk membuat keputusan banyak dipengaruhi oleh cara arahan distrukturkan. 

Berikut ialah 3 amalan terbaik untuk menulis arahan untuk Nod Autonomi anda:

1. Bersikap Spesifik

Daripada arahan yang tidak jelas, gunakan bahasa eksplisit yang membimbing ejen dengan jelas.

Contoh: “Jika pengguna menyebut 'bantuan', hantarkan senarai pilihan sokongan yang dipratentukan kepada mereka menggunakan 'chat.sendText'."

2. Tentukan Penggunaan Alat

Nyatakan secara eksplisit alat mana yang harus digunakan dalam keadaan apa.

Contoh: "Sentiasa gunakan 'knowledgeAgent.knowledgequery' untuk menjawab soalan berkaitan produk."

3. Bimbing Aliran

Gunakan peralihan dan langkah yang jelas untuk memastikan perbualan mengalir ke arah yang betul.

Contoh: "Jika pangkalan pengetahuan tidak dapat menjawab, beralih kepada pertanyaan carian menggunakan 'browser.webSearch'."

Anda boleh mendapatkan maklumat lanjut di pautan berikut:

• Amalan terbaik untuk kejuruteraan segera dengan OpenAI API
• Membina Sistem dengan ChatGPT API
• ChatGPT Kejuruteraan Segera untuk Pemaju

Menggunakan Sintaks Markdown

Sebelum memulakan, adalah penting untuk membincangkan kepentingan menggunakan Sintaks Markdown.

Untuk membuat gesaan berstruktur dan jelas secara visual, adalah penting untuk menggunakan sintaks penurunan harga, seperti pengepala, titik tumpu dan teks tebal. 

Sintaks ini membantu LLM mengiktiraf dan menghormati hierarki arahan, membimbingnya untuk membezakan antara bahagian utama, sub-arahan dan contoh.

Jika sukar untuk anda menggunakan sintaks Markdown, maka gunakan mana-mana struktur yang mudah untuk anda – asalkan anda kekal jelas dan berhierarki.

Lebih lanjut mengenai Sintaks Asas Markdown

Gesaan Berguna 

Bahagian ini mengandungi senarai contoh dan corak paling biasa yang boleh anda gunakan untuk mengawal tingkah laku Nod Autonomi. 

Contoh-contoh ini diambil daripada pengalaman praktikal dan menunjukkan cara mengendalikan senario yang berbeza dengan menggunakan arahan dan alatan tertentu.

Fokus pada Pengetahuan Dalaman

Untuk memastikan nod membezakan antara soalan sokongan dan jenis pertanyaan lain (seperti harga atau ciri), anda boleh membimbingnya seperti berikut:

**Proses Umum PENTING**
- Alat knowledgeAgent.knowledgequery hanya akan digunakan untuk soalan berkaitan sokongan dan BUKAN untuk ciri umum atau soalan berkaitan harga. - Alat browser.websearch adalah untuk digunakan HANYA untuk soalan sokongan, dan ia TIDAK boleh digunakan untuk ciri umum atau soalan berkaitan harga.

Gesaan ini memastikan LLM akan tetap menggunakan alat khusus hanya dalam konteks pertanyaan berkaitan sokongan, mengekalkan kawalan ke atas jenis maklumat yang diperolehinya.

Peralihan Nod kepada Subflow

Kadangkala, anda mahu bot beralih daripada Nod Autonomi kepada sub-aliran. 

Katakan anda mahu bot anda mengumpul e-mel pengguna, kemudian cari maklumat lanjut tentang e-mel itu daripada sistem lain untuk memperkayakan maklumat hubungan. 

Dalam kes itu, anda mungkin memerlukan bot untuk keluar dari gelung Nod Autonomi dan menyelidiki subaliran yang mengandungi banyak langkah/sistem untuk memperkaya kenalan itu:

Apabila pengguna mahukan maklumat lanjut tentang e-mel, pergi ke alat peralihan.

Arahan ini memberitahu nod untuk menggunakan alat aliran kerja.transition apabila pengguna meminta butiran lanjut tentang e-mel, mengarahkan aliran perbualan dengan sewajarnya.

Mengisi Pembolehubah dan Melakukan Tindakan

Untuk senario di mana anda mahu nod menangkap input dan mencetuskan tindakan secara serentak, anda boleh menggesanya seperti itu:

Apabila pengguna mahukan maklumat lanjut tentang e-mel, pergi ke alat peralihan dan isikan pembolehubah "e-mel" dengan e-mel yang ditanya oleh pengguna.

Di sini, anda membimbing Nod untuk bukan sahaja mencetuskan peralihan tetapi juga untuk mengekstrak dan menyimpan e-mel pengguna dalam pembolehubah, membolehkan tingkah laku dinamik kemudian dalam perbualan.

Memanipulasi Tindak Balas Berdasarkan Keadaan

Kadangkala, anda akan mahu nod melakukan logik tambahan berdasarkan syarat. Berikut ialah contoh gesaan yang berkaitan dengan menyediakan pautan video:

Jika pengguna memilih "1" kemudian sebut sesuatu seperti "terima kasih", kemudian gunakan alat peralihan.

Gesaan ini membantu nod memahami struktur jangkaan pautan video dan cara mengubah suainya apabila pengguna meminta untuk merujuk pada titik tertentu dalam video.

Contoh Menggunakan Templat untuk Pautan Video

Anda boleh menjelaskan lebih lanjut gesaan dengan memberikan contoh sebenar tentang cara sistem harus bertindak apabila membalas permintaan pengguna untuk pautan 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}}"""

Ini memberikan nod panduan yang jelas tentang cara menjana pautan video secara dinamik dengan cap masa tertentu, memastikan respons yang konsisten dan mesra pengguna.

Penyelesaian masalah & Diagnosis

Apabila menguji kelakuan Nod Autonomi dalam emulator, adalah penting untuk mendiagnosis perkara yang berlaku di bawah hud. Bagaimanakah Node membuat keputusan?

Begini cara anda boleh menyelesaikan masalah dan memeriksa proses pemikiran dan prestasi Node.

Tiga cara untuk menyelesaikan masalah

1. Periksa Minda Nod

Dengan mengklik pada Inspect , anda boleh mengintip keadaan dalaman Nod Autonomi dan memahami perkara itu LLM sedang diproses. Dengan memeriksa, anda boleh melihat:

• Apakah arahan yang diutamakan oleh nod
• Cara ia mentafsir gesaan anda
• Sama ada ia mematuhi kekangan dan arahan yang anda berikan

Jika anda perasan bahawa nod tidak bertindak balas dengan betul atau seolah-olah mengabaikan arahan tertentu, pemeriksaan akan mendedahkan sama ada ia telah salah faham gesaan atau gagal melaksanakan alat tertentu.

‍

2. Semak Tab Alat

Bahagian Alat memaparkan semua alat yang tersedia yang boleh dimanfaatkan oleh Nod Autonomi. Setiap kali anda menambah kad baharu atau membuat perubahan dalam konfigurasi nod, senarai Alat dikemas kini.

• Pastikan alat yang disenaraikan sepadan dengan apa yang anda jangkakan tersedia dalam proses membuat keputusan nod.
• Pastikan nama alat dieja dengan betul dalam gesaan anda untuk memastikan nod dapat melaksanakan tindakan yang ditentukan dengan betul.

‍

3. Semak Tab Lelaran

Nod Autonomi biasanya cuba melaksanakan semua arahan dalam satu atau dua lelaran. Bilangan lelaran bergantung pada kerumitan gesaan dan cara Node menganalisisnya.

Untuk tugas yang lebih kompleks, nod mungkin mengambil beberapa lelaran untuk mengumpulkan data, membuat keputusan atau mengambil maklumat luaran.

Dengan menyemak tab Lelaran (atau tab Semua), anda boleh memahami:

• Berapa banyak lelaran yang diperlukan untuk nod mencapai keputusan muktamadnya.
• Apakah yang menyebabkan nod mengambil beberapa langkah (cth, mengambil data tambahan daripada alatan seperti knowledgeAgent.knowledgequery atau browser.webSearch ).
• Mengapa hasil tertentu dicapai.

Masalah Penyelesaian Masalah Biasa

Saiz model

Nod Autonomi mungkin tidak mengikuti gesaan anda, melaksanakan sebahagian daripada gesaan dan bukannya kesemuanya, atau memanggil "workflowQueue" tanpa memanggil alatan "workflowExecuteAll". 

Adalah masuk akal untuk sentiasa menukar Nod Autonomi LLM saiz kepada model yang lebih kecil—kerana ia lebih murah—tetapi ia memerlukan kos. 

Lebih kecil LLM mungkin menyebabkan bahagian gesaan dipotong, khususnya pembungkus definisi itu Botpress menambah untuk memastikan LLM memahami cara kad berfungsi, parameter yang diperlukan, dll. Tanpa ini, bot tidak akan tahu cara bertindak dengan betul.

versi LLMz

Sentiasa pastikan anda menggunakan versi stabil terkini LLMz. Ia adalah enjin autonomi yang mengarahkan nod autonomi untuk berfungsi.

Ia juga mengandungi pembetulan pepijat, menjadikan gesaan lebih agnostik LLMs .

‍

Contoh: Mendiagnosis Penciptaan Kod

Katakan Nod Autonomi menjana kod tetapi tidak mengikut gesaan dengan betul. Begini cara anda boleh menyelesaikan masalah:

1. Periksa : Semak arahan yang diikuti oleh nod. Adakah ia memahami dengan betul permintaan untuk penjanaan kod?
2. Alatan : Sahkan bahawa nod mempunyai akses kepada alatan yang diperlukan (cth, alatan penjanaan kod atau alatan pertanyaan pangkalan pengetahuan). Pastikan rujukan segera alat ini secara eksplisit.
3. Lelaran : Lihat tab lelaran untuk melihat cara nod mencapai titik menjana kod. Adakah ia mengambil satu atau beberapa langkah? Adakah ia menanyakan pangkalan pengetahuan terlebih dahulu, atau adakah ia cuba menjana kod dengan segera?

Penyelesaian : Jika bot gagal menjana kod dengan betul:

• Pastikan alat yang digunakan untuk penjanaan kod dirujuk dengan betul dalam gesaan.
• Laraskan arahan supaya nod dibimbing untuk menggunakan langkah tertentu, seperti mendapatkan semula pengetahuan yang berkaitan dahulu sebelum mencuba penjanaan kod.

‍

‍

Contoh Gesaan Penuh

**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.

Pecahan Segera

Dalam gesaan penuh di atas, pengguna telah mencipta pembantu AI yang menjawab soalan daripada pelajar tentang kursus pendidikan. 

Contoh di atas ialah garis panduan yang boleh dipinda untuk keperluan anda, tetapi susun atur ini adalah apa yang saya dapati sebagai struktur yang paling berkesan setakat ini.

Mari kita pecahkan sebab gesaan dibentangkan seperti itu: 

1. Notis Penting

**PENTING: Pangkalan Pengetahuan Pertanyaan hanya akan digunakan untuk soalan sokongan yang berkaitan secara jelas dengan kursus pelajar, dan BUKAN untuk ciri umum atau pertanyaan harga.

Tujuan : Tetapkan sempadan tentang masa dan cara alat Pangkalan Pengetahuan Pertanyaan harus digunakan. Menegaskan bahawa ia hanya untuk sokongan berkaitan kursus, bukan untuk pertanyaan umum tentang ciri atau harga.

Kepentingan : Membantu mengecilkan skop bot, memfokuskan responsnya dan meningkatkan perkaitan untuk pengguna, terutamanya memastikan respons sejajar dengan kandungan pendidikan.

2. Huraian Peranan

Anda ialah chatbot penyelesai masalah berkuasa AI bernama XYZ Assistant', menumpukan pada penyediaan sokongan yang berkaitan dengan kursus profesional yang ditawarkan oleh XYZ LMS. Matlamat utama anda adalah untuk mengendalikan pertanyaan pelajar dengan cekap dengan mendapatkan maklumat yang tepat daripada pangkalan pengetahuan dan menjawab soalan dengan jelas.

Tujuan : Mentakrifkan peranan AI sebagai pembantu berorientasikan sokongan, dengan jelas menggariskan objektif utamanya untuk menyelesaikan pertanyaan berkaitan kursus.

Kepentingan : Memastikan bahawa respons pembantu sejajar dengan tujuan yang dimaksudkan, mengurus jangkaan pengguna dan kekal relevan dengan domainnya (yang, dalam kes ini, ialah XYZ LMS).

3. Nada dan Bahasa

• Kekalkan sikap sopan, profesional dan suka menolong pada setiap masa. • Gunakan bahasa yang jelas, ringkas dan sesuai untuk pelajar dan profesional dalam kewangan dan pelaburan. • Memastikan data pengguna dikendalikan dengan selamat dan sulit, mematuhi semua dasar perlindungan data yang berkaitan. • Gunakan maklumat semata-mata daripada ** Pangkalan Pengetahuan LMS** .Peribadikan interaksi untuk meningkatkan penglibatan dan kepuasan pengguna. • Refleksi **penjenamaan XYZ** sepanjang perbualan, memastikan kejelasan dan profesionalisme. • Elakkan memberikan jawapan di luar pangkalan pengetahuan atau melayari internet untuk mendapatkan maklumat. • Jika pengguna menyatakan kekecewaan, akui kebimbangan mereka dan yakinkan mereka bahawa anda berada di sini untuk membantu.

Tujuan : Memberi panduan tentang gelagat, nada dan profesionalisme pembantu sambil mengekalkan interaksi yang selamat dan melindungi data.

Kepentingan : Menetapkan nada yang mesra dan selamat, selaras dengan penjenamaan dan jangkaan pengguna untuk pembantu yang menyokong dan profesional.

4. Aliran Interaksi dan Arahan

Salam dan Pertanyaan Permulaan

• Mulakan dengan ucapan mesra dan profesional. • Galakkan pengguna untuk bertanya soalan tentang kandungan kursus, bahan sokongan atau kebimbangan lain yang berkaitan dengan kursus.

Tujuan : Arahan ini mengarahkan pembantu untuk memulakan dengan ucapan mesra dan profesional dan menggalakkan pengguna bertanya soalan khusus tentang kursus mereka.

Kepentingan : Mewujudkan titik masuk yang menarik yang meningkatkan penglibatan pengguna dan membantu bot mengumpulkan butiran untuk mendapatkan respons yang lebih baik.

Pencarian Maklumat dan Penyelesaian Isu

• Gunakan alat 'Query Knowledge Base' untuk mencari jawapan tepat kepada pertanyaan pelajar. • Berikan jawapan yang jelas, ringkas dan membantu untuk menyelesaikan soalan pengguna. • Jika pertanyaan melibatkan pemautan ke video, gunakan struktur pautan video yang disediakan. Untuk memaut ke momen tertentu dalam video, tambahkan parameter "t" untuk masa yang dikehendaki (cth, untuk tanda 15 saat, gunakan "t=15").

Tujuan : Arahkan pembantu untuk memanfaatkan pangkalan pengetahuan untuk respons yang relevan dan jelas. Selain itu, ia termasuk pendekatan berstruktur untuk berkongsi sumber video dengan pautan berasaskan masa.

Kepentingan : Mendayakan respons yang cekap, tepat dan cara berstruktur untuk menangani pertanyaan khusus kandungan seperti video, memupuk pengalaman pengguna yang lancar.

Kesimpulan

Setelah isu itu diselesaikan, akhiri interaksi dengan sopan dan tanya jika ada perkara lain yang boleh anda bantu.

Tujuan : Membimbing bot tentang cara menyelesaikan interaksi dengan sopan, bertanya sama ada bantuan lanjut diperlukan.

Kepentingan : Mengekalkan nada profesional dan menyokong sepanjang interaksi dan membolehkan pengguna untuk terus terlibat jika perlu.

5. Arahan 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 : Menunjukkan format untuk memaut ke bahagian tertentu video untuk membantu pelajar mencari maklumat yang tepat.

Kepentingan : Memberi kejelasan tentang perkongsian sumber video, terutamanya untuk kandungan pengajaran khusus masa.

*Mengendalikan Kes Tepi Jika pengguna bertanya soalan umum atau tidak jelas, gesa mereka untuk memberikan butiran lanjut supaya anda boleh menawarkan penyelesaian yang lebih baik.

Tujuan : Menyediakan pembantu untuk mengendalikan pertanyaan yang tidak jelas atau umum dengan menggesa pengguna untuk mendapatkan butiran lanjut.

Kepentingan : Membantu mengelakkan kekeliruan dan memastikan pembantu dapat menangani soalan pengguna dengan kekhususan yang mungkin.

Bina Ejen AI Hari Ini

Botpress ialah platform ejen AI yang boleh dikembangkan sepenuhnya untuk perusahaan.

Platform-sebagai-Perkhidmatan-Perkhidmatan (PaaS) perbualan semua-dalam-satu kami membolehkan syarikat membina, menggunakan dan memantau LLM -penyelesaian berkuasa. 

Digunakan merentas industri, kes penggunaan dan proses perniagaan, Botpress projek sentiasa berskala, selamat dan atas jenama.

Dengan 500,000+ pengguna dan berjuta-juta bot digunakan di seluruh dunia, Botpress adalah platform pilihan untuk syarikat dan pemaju. Keselamatan peringkat tinggi dan perkhidmatan kejayaan pelanggan kami yang berdedikasi memastikan syarikat dilengkapi sepenuhnya untuk menggunakan ejen AI gred perusahaan.

Dengan mengkonfigurasi Nod Autonomi secara berkesan dengan gesaan dan definisi alat yang betul, organisasi boleh mencipta ejen pintar yang mengendalikan interaksi pengguna secara autonomi.

Mula membina hari ini. Ia percuma. 

Soalan lazim

1. Adakah saya perlu mempunyai pengalaman pengekodan untuk menggunakan Nod Autonomi?

Anda tidak memerlukan pengalaman pengekodan untuk menggunakan Nod Autonomi masuk Botpress . Mereka direka untuk pembangunan kod rendah, jadi anda boleh membina ejen AI berfungsi menggunakan blok logik dan alat visual.

2. Bolehkah Nod Autonomi berinteraksi dengan API luaran atau pangkalan data secara langsung?

Ya, Nod Autonomi boleh berinteraksi dengan API luaran atau pangkalan data dengan memanfaatkan Botpress alatan seperti subaliran tersuai atau panggilan API. Anda boleh menentukan titik akhir selamat dan lulus parameter untuk mengambil atau menulis data semasa perbualan.

3. Bolehkah Nod Autonomi dibenamkan ke dalam aplikasi mudah alih atau platform pihak ketiga?

Ya, Nod Autonomi boleh dibenamkan ke dalam apl mudah alih atau platform pihak ketiga sebaik sahaja bot anda digunakan. Botpress menyokong penggunaan berbilang saluran melalui SDK dan penyepaduan untuk platform seperti WhatsApp , Slack , Messenger , atau apl mudah alih menggunakan paparan web atau API.

4. Bagaimanakah nod mengendalikan pengguna serentak atau volum trafik yang tinggi?

Nod Autonomi dalam Botpress mengendalikan pengguna serentak dengan menjalankan setiap sesi secara bebas dalam ingatan, memastikan perbualan yang diperibadikan. Untuk kes penggunaan trafik tinggi, adalah penting untuk memantau penggunaan sumber dan mengoptimumkan logik serta panggilan API untuk mengekalkan kependaman rendah dan ketersediaan tinggi.

5. Adakah terdapat pagar untuk menghalang Nod Autonomi daripada berkongsi maklumat sensitif?

Ya, anda boleh mengkonfigurasi pagar yang ketat untuk menghalang Nod Autonomi daripada berkongsi maklumat sensitif dengan mengehadkan akses alat dan menyesuaikan gesaan. Selain itu, Botpress kegunaan LLMs dengan mekanisme keselamatan terbina dalam untuk membantu menguatkuasakan pematuhan.