การ Botpress Autonomous Node ช่วยให้คุณสามารถสร้าง ตัวแทน AI ที่ทำงานได้ – ไม่ใช่แชทบอท แต่เป็นตัวแทนอัตโนมัติที่ตัดสินใจโดยพิจารณาจากบริบทที่มีอยู่
การให้คำแนะนำที่ชัดเจนและการรวมเครื่องมือเข้าด้วยกันทำให้ผู้สร้างบอทสามารถใช้ Autonomous Nodes เพื่อสรุปพฤติกรรมของแชทบอทได้
Node ถูกออกแบบมาเพื่อจัดการทั้งการตัดสินใจและการดำเนินการโดยการทำความเข้าใจอินพุตของผู้ใช้ ตอบสนองด้วยข้อมูลที่ถูกต้อง และใช้ประโยชน์จากเครื่องมือต่างๆ
หากคุณสนใจที่จะใช้ Autonomous Node คุณมาถูกที่แล้ว ในบทความนี้ เราจะอธิบายพื้นฐานสำหรับการใช้ฟีเจอร์อันทรงพลังของแพลตฟอร์มของเรา
คุณสมบัติหลักของโหนดอัตโนมัติ
1. LLM ขับเคลื่อนด้วยการตัดสินใจ
โหนดอัตโนมัติใช้ความสามารถของ LLM เพื่อการตัดสินใจอย่างชาญฉลาดผ่าน ตัวแทน LLM
2. พฤติกรรมอิสระ
โหนดอัตโนมัติสามารถดำเนินการได้โดยไม่ต้องมีการแทรกแซงด้วยตนเองตามคำสั่งและอินพุตของผู้ใช้
3. เครื่องมือ
Autonomous Node เข้าใจและใช้เครื่องมือเฉพาะ เช่น สามารถสอบถามฐานความรู้ ค้นหาทางเว็บ และดำเนินการเปลี่ยนเวิร์กโฟลว์
4. การปรับแต่ง
ด้วยการกำหนดค่าโหนดอัตโนมัติด้วยบุคลิกที่เหมาะสมและคำแนะนำโดยละเอียด คุณสามารถมั่นใจได้ว่าโหนดจะทำงานตามแบรนด์และอยู่ในขอบเขตระหว่างการสนทนา
5. เขียนและดำเนินการโค้ด
โหนดอัตโนมัติสามารถสร้างและดำเนินการโค้ดที่กำหนดเองเพื่อดำเนินงานได้
6. การแก้ไขตนเอง
หากโหนดอัตโนมัติพบว่าตัวเองกำลังเดินไปผิดทาง โหนดจะสามารถแก้ไขตัวเองและกู้คืนจากข้อผิดพลาดได้
การตั้งค่าคอนฟิกูเรชัน
แต่ละโหนดอัตโนมัติต้องมีการกำหนดค่าอย่างระมัดระวังเพื่อปรับพฤติกรรมให้สอดคล้องกับความต้องการทางธุรกิจ
ส่วนที่สำคัญที่สุดในการตั้งค่า Autonomous Node คือการเขียนคำแนะนำและคำสั่งที่ถูกต้อง คำแนะนำจะช่วยให้ตัวแทนเข้าใจบุคลิกของตนเองและช่วยชี้นำการตัดสินใจ
กล่องคำแนะนำ
ในช่องคำแนะนำ ให้ระบุแนวทางที่ชัดเจน คำแนะนำที่เจาะจงมากขึ้นจะช่วยให้ตัวแทนตัดสินใจได้ดีขึ้น
ตัวอย่าง: “คุณเป็นผู้ช่วยที่มีประโยชน์ซึ่งมักจะตอบคำถามโดยใช้เครื่องมือ 'knowledgeAgent.knowledgequery' หากผู้ใช้พูดว่า 'ค้นหา' ให้ใช้เครื่องมือ 'browser.webSearch'”
อนุญาตให้สนทนา
การสลับการอนุญาตการสนทนาจะทำให้โหนดอัตโนมัติสามารถสื่อสารกับผู้ใช้ได้โดยตรง หากปิดใช้งาน โหนดจะประมวลผลเฉพาะคำสั่งและดำเนินการตรรกะภายในเท่านั้นโดยไม่ส่งข้อความถึงผู้ใช้
ทำความเข้าใจเครื่องมือ
ตามคำแนะนำที่คุณให้ Autonomous Node จะติดตั้งเครื่องมือต่าง ๆ ไว้หลายอย่างที่สามารถเรียกใช้ได้
เครื่องมือแต่ละอย่างจะดำเนินการเฉพาะอย่างหนึ่ง การเข้าใจว่าเมื่อใดและอย่างไรจึงควรใช้เครื่องมือเหล่านี้จึงมีความสำคัญต่อการขับเคลื่อนการตัดสินใจของโหนด
7 เครื่องมือที่ใช้กันทั่วไปมากที่สุด
- global.think : อนุญาตให้กลไก LLMz สะท้อนกลับก่อนดำเนินการต่อ
- browser.webSearch : ช่วยให้ตัวแทนค้นหาคำตอบบนเว็บ
- knowledgeAgent.knowledgequery : สอบถามฐานความรู้ภายในเพื่อหาข้อมูลที่เกี่ยวข้อง
- clock.setReminder : ตั้งค่าคำเตือนสำหรับงานหรือการตอบสนองในอนาคต
- workflow.transition : ดำเนินการเปลี่ยนเวิร์กโฟลว์โดยย้ายจากส่วนหนึ่งของการสนทนาไปยังอีกส่วนหนึ่งตามอินพุตของผู้ใช้
- chat.sendText : ส่งข้อความถึงผู้ใช้เป็นการตอบกลับ
- chat.waitForUserInput : หยุดการทำงานชั่วคราวและรออินพุตเพิ่มเติมจากผู้ใช้
การระบุเครื่องมือที่จะใช้ในการตอบสนองต่อการดำเนินการของผู้ใช้จะทำให้คุณควบคุมการไหลและผลลัพธ์ของการสนทนาได้
ตัวอย่างเช่น คุณสามารถสั่งการได้ LLM การดำเนินการบางอย่างจะต้องดำเนินการเสมอเมื่อมีการตรงตามเงื่อนไขเฉพาะ: “เมื่อผู้ใช้กล่าวว่า '1' ให้ใช้เครื่องมือ 'workflow.transition' เพื่อไปยังขั้นตอนถัดไป”
หรือ: “หากผู้ใช้ถามคำถาม ให้ลองตอบคำถามนั้นก่อนโดยใช้เครื่องมือ 'knowledgeAgent.knowledgequery'
ตัวอย่างเวิร์กโฟลว์
ต่อไปนี้เป็นตัวอย่างทีละขั้นตอนเกี่ยวกับวิธีการกำหนดค่าและการทำงานของ Autonomous Node ในระหว่างการสนทนา:
1. การป้อนข้อมูลของผู้ใช้
ผู้ใช้พิมพ์คำถามเกี่ยวกับผลิตภัณฑ์ของบริษัท
2. การดำเนินการตามคำสั่ง
โหนดอัตโนมัติปฏิบัติตามคำเตือนและใช้เครื่องมือ knowledgeAgent.knowledgequery เพื่อค้นหาฐานความรู้ภายใน
3. LLM การตัดสินใจ
หากฐานความรู้ไม่มีคำตอบที่น่าพอใจ โหนดอาจใช้เครื่องมือ browser.webSearch เพื่อค้นหาข้อมูลเพิ่มเติมบนเว็บ
4. ส่งข้อความ
เมื่อพร้อมตอบสนองแล้ว โหนดจะใช้ chat.sendText เพื่อตอบกลับผู้ใช้ด้วยข้อมูลที่เกี่ยวข้อง
5. รอรับข้อมูล
หลังจากตอบสนองแล้ว โหนดจะใช้ chat.waitForUserInput เพื่อรอการสอบถามหรือการโต้ตอบเพิ่มเติมจากผู้ใช้
วิธีการเขียนคำสั่ง
ตามที่แสดงในตัวอย่าง คำแนะนำที่ชัดเจนมีความสำคัญต่อการทำให้แน่ใจว่า Autonomous Node ทำงานได้อย่างถูกต้อง
การ LLM ความสามารถในการตัดสินใจนั้นได้รับอิทธิพลอย่างมากจากวิธีการจัดโครงสร้างคำแนะนำ
ต่อไปนี้เป็นแนวทางปฏิบัติที่ดีที่สุด 3 ประการในการเขียนคำแนะนำสำหรับ Autonomous Node ของคุณ:
1. เจาะจง
แทนที่จะใช้คำสั่งที่คลุมเครือ ให้ใช้ภาษาที่ชัดเจนเพื่อแนะนำตัวแทนได้อย่างชัดเจน
ตัวอย่าง: “หากผู้ใช้กล่าวว่า 'ช่วยเหลือ' ให้ส่งรายการตัวเลือกการสนับสนุนที่กำหนดไว้ล่วงหน้าโดยใช้ 'chat.sendText'”
2. กำหนดการใช้งานเครื่องมือ
ระบุอย่างชัดเจนว่าควรใช้เครื่องมือใดภายใต้สถานการณ์ใด
ตัวอย่าง: "ใช้ 'knowledgeAgent.knowledgequery' เสมอสำหรับการตอบคำถามที่เกี่ยวข้องกับผลิตภัณฑ์"
3. นำทางการไหล
ใช้การเปลี่ยนแปลงและขั้นตอนที่ชัดเจนเพื่อให้แน่ใจว่าการสนทนาดำเนินไปในทิศทางที่ถูกต้อง
ตัวอย่าง: “หากฐานความรู้ไม่สามารถตอบได้ ให้เปลี่ยนไปใช้แบบสอบถามการค้นหาโดยใช้ 'browser.webSearch'”
คุณสามารถหาข้อมูลเพิ่มเติมได้ตามลิงค์ต่อไปนี้:
การใช้ไวยากรณ์ Markdown
ก่อนที่จะเริ่มต้น สิ่งสำคัญคือการพูดคุยถึงความสำคัญของการใช้ Markdown Syntax
ในการสร้างข้อความเตือนที่มีโครงสร้างชัดเจน จำเป็นต้องใช้รูปแบบมาร์กดาวน์ เช่น ส่วนหัว จุดหัวข้อ และข้อความตัวหนา
รูปแบบประโยคนี้ช่วย LLM รับรู้และเคารพลำดับขั้นของคำแนะนำ โดยแนะนำให้แยกความแตกต่างระหว่างส่วนหลัก คำสั่งย่อย และตัวอย่าง
หากคุณรู้สึกว่าการใช้ไวยากรณ์ Markdown เป็นเรื่องยาก ให้ใช้โครงสร้างใดๆ ก็ได้ที่คุณง่าย – ตราบใดที่คุณยังคงชัดเจนและมีลำดับชั้น
คำเตือนที่เป็นประโยชน์
หัวข้อนี้ประกอบด้วยรายการตัวอย่างและรูปแบบทั่วไปที่สุดที่คุณสามารถใช้เพื่อควบคุมพฤติกรรมของโหนดอัตโนมัติ
ตัวอย่างเหล่านี้ถูกดึงมาจากประสบการณ์จริงและแสดงวิธีการจัดการสถานการณ์ต่างๆ โดยใช้คำแนะนำและเครื่องมือเฉพาะ
มุ่งเน้นความรู้ภายใน
เพื่อให้แน่ใจว่าโหนดแยกความแตกต่างระหว่างคำถามการสนับสนุนและการสอบถามประเภทอื่น (เช่น ราคาหรือคุณลักษณะ) คุณสามารถแนะนำได้ดังต่อไปนี้:
**กระบวนการทั่วไปที่สำคัญ**
- เครื่องมือ knowledgeAgent.knowledgequery จะต้องใช้สำหรับคำถามที่เกี่ยวข้องกับการสนับสนุนเท่านั้น และจะไม่ใช้สำหรับคำถามที่เกี่ยวข้องกับคุณลักษณะทั่วไปหรือราคา - เครื่องมือ browser.websearch จะต้องใช้สำหรับคำถามเกี่ยวกับการสนับสนุนเท่านั้น และไม่ควรใช้สำหรับคำถามเกี่ยวกับคุณสมบัติทั่วไปหรือราคาการแจ้งเตือนนี้จะช่วยให้แน่ใจได้ว่า LLM จะยึดมั่นในการใช้เครื่องมือเฉพาะเฉพาะในบริบทของการสอบถามที่เกี่ยวข้องกับการสนับสนุนเท่านั้น โดยรักษาการควบคุมประเภทของข้อมูลที่ดึงมา
การเปลี่ยนโหนดเป็นซับโฟลว์
บางครั้ง คุณอาจต้องการให้บอทย้ายออกจากโหนดอัตโนมัติไปยังโฟลว์ย่อย
สมมติว่าคุณต้องการให้บอทรวบรวมอีเมลของผู้ใช้ จากนั้นจึงค้นหาข้อมูลเพิ่มเติมเกี่ยวกับอีเมลนั้นจากระบบอื่นเพื่อเพิ่มข้อมูลติดต่อ
ในกรณีนั้น คุณอาจต้องการให้บอทออกจากลูปโหนดอัตโนมัติและเจาะลึกลงในโฟลว์ย่อยที่มีขั้นตอน/ระบบต่างๆ มากมายเพื่อเสริมสร้างการติดต่อดังกล่าว:
เมื่อผู้ใช้ต้องการข้อมูลเพิ่มเติมเกี่ยวกับอีเมล ให้ไปที่เครื่องมือการเปลี่ยนแปลงคำสั่งนี้แจ้งให้โหนดเรียกใช้เครื่องมือ workflow.transition ทุกครั้งที่ผู้ใช้ขอรายละเอียดเพิ่มเติมเกี่ยวกับอีเมล โดยจะกำหนดทิศทางการสนทนาให้เหมาะสม
การกรอกตัวแปรและดำเนินการ
สำหรับสถานการณ์ที่คุณต้องการให้โหนดจับข้อมูลอินพุตและทริกเกอร์การดำเนินการพร้อมกัน คุณสามารถแจ้งดังนี้:
เมื่อผู้ใช้ต้องการข้อมูลเพิ่มเติมเกี่ยวกับอีเมล ให้ไปที่เครื่องมือการเปลี่ยนแปลงและกรอกตัวแปร "อีเมล" ด้วยอีเมลที่ผู้ใช้กำลังสอบถามที่นี่ คุณจะแนะนำ Node เพื่อไม่เพียงแต่ทริกเกอร์การเปลี่ยนแปลง แต่ยังแยกและจัดเก็บอีเมลของผู้ใช้ในตัวแปรอีกด้วย ซึ่งจะเปิดใช้งานพฤติกรรมไดนามิกในภายหลังในการสนทนา
การจัดการการตอบสนองตามเงื่อนไข
บางครั้ง คุณอาจต้องการให้โหนดดำเนินการตรรกะเพิ่มเติมตามเงื่อนไข นี่คือตัวอย่างพรอมต์ที่เกี่ยวข้องกับการให้ลิงก์วิดีโอ:
หากผู้ใช้เลือก “1” แล้วพูดบางอย่างเช่น “ขอบคุณ” จากนั้นใช้เครื่องมือการเปลี่ยนแปลงข้อความแจ้งเตือนนี้จะช่วยให้โหนดเข้าใจโครงสร้างที่คาดหวังของลิงก์วิดีโอ และวิธีปรับเปลี่ยนเมื่อผู้ใช้ขอให้อ้างอิงถึงจุดเฉพาะในวิดีโอ
ตัวอย่างการใช้เทมเพลตสำหรับลิงค์วิดีโอ
คุณสามารถชี้แจงข้อความเตือนเพิ่มเติมได้โดยให้ตัวอย่างจริงว่าระบบควรทำงานอย่างไรเมื่อตอบสนองต่อคำขอของผู้ใช้สำหรับลิงก์วิดีโอ:
**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}}"""สิ่งนี้จะให้คำแนะนำที่ชัดเจนแก่โหนดเกี่ยวกับวิธีการสร้างลิงก์วิดีโอแบบไดนามิกพร้อมค่าเวลาที่เฉพาะเจาะจง เพื่อให้มั่นใจว่าการตอบสนองจะสอดคล้องและเป็นมิตรต่อผู้ใช้
การแก้ไขปัญหาและการวินิจฉัย
เมื่อทำการทดสอบพฤติกรรมของ Autonomous Node ในโปรแกรมจำลอง สิ่งสำคัญคือต้องวินิจฉัยว่าเกิดอะไรขึ้นเบื้องหลัง Node ตัดสินใจอย่างไร
นี่คือวิธีแก้ไขปัญหาและตรวจสอบกระบวนการคิดและประสิทธิภาพของโหนด
สามวิธีในการแก้ไขปัญหา
1. ตรวจสอบจิตใจของโหนด
โดยการคลิกที่ ตรวจสอบ คุณสามารถดูสถานะภายในของโหนดอัตโนมัติและทำความเข้าใจว่า LLM กำลังดำเนินการอยู่ โดยการตรวจสอบ คุณจะเห็น:
- โหนดกำลังให้ความสำคัญกับคำสั่งใด
- มันตีความคำกระตุ้นของคุณอย่างไร
- ไม่ว่าจะเป็นการปฏิบัติตามข้อจำกัดและคำแนะนำที่คุณให้ไว้
หากคุณสังเกตเห็นว่าโหนดไม่ตอบสนองอย่างถูกต้องหรือดูเหมือนจะละเลยคำสั่งบางอย่าง การตรวจสอบจะเปิดเผยว่าโหนดนั้นเข้าใจผิดตามพรอมต์หรือไม่สามารถดำเนินการเครื่องมือเฉพาะได้
2. ตรวจสอบแท็บเครื่องมือ
ส่วน เครื่องมือ จะแสดงเครื่องมือทั้งหมดที่มีซึ่ง Autonomous Node สามารถใช้ประโยชน์ได้ ทุกครั้งที่คุณเพิ่มการ์ดใหม่หรือทำการเปลี่ยนแปลงในการกำหนดค่าโหนด รายการเครื่องมือจะได้รับการอัปเดต
- ตรวจสอบให้แน่ใจว่าเครื่องมือที่แสดงไว้ตรงกับสิ่งที่คุณคาดว่าจะมีในกระบวนการตัดสินใจของโหนด
- ตรวจสอบให้แน่ใจว่าชื่อเครื่องมือสะกดถูกต้องในพรอมต์ของคุณเพื่อให้แน่ใจว่าโหนดสามารถดำเนินการที่ระบุได้อย่างถูกต้อง
3. ตรวจสอบแท็บการวนซ้ำ
โดยทั่วไปโหนดอัตโนมัติจะพยายามดำเนินการคำสั่งทั้งหมดภายในหนึ่งหรือสองครั้ง จำนวนครั้งขึ้นอยู่กับความซับซ้อนของพรอมต์และวิธีที่โหนดวิเคราะห์คำสั่งนั้น
สำหรับงานที่ซับซ้อนมากขึ้น โหนดอาจต้องทำซ้ำหลายรอบเพื่อรวบรวมข้อมูล ตัดสินใจ หรือดึงข้อมูลภายนอก
เมื่อตรวจสอบแท็บการวนซ้ำ (หรือแท็บทั้งหมด) คุณจะเข้าใจ:
- โหนดจะต้องทำซ้ำกี่ครั้งจึงจะตัดสินใจขั้นสุดท้ายได้
- อะไรทำให้โหนดดำเนินการหลายขั้นตอน (เช่น การดึงข้อมูลเพิ่มเติมจากเครื่องมือ เช่น knowledgeAgent.knowledgequery หรือ browser.webSearch )
- เหตุใดจึงได้ผลลัพธ์เฉพาะเจาะจง
ปัญหาการแก้ไขปัญหาทั่วไป
ขนาดโมเดล
โหนดอัตโนมัติอาจไม่ปฏิบัติตามพรอมต์ของคุณ ไม่ได้ดำเนินการพรอมต์เพียงบางส่วนแทนที่จะดำเนินการทั้งหมด หรือเรียก "workflowQueue" โดยไม่ได้เรียกเครื่องมือ "workflowExecuteAll"
มันสมเหตุสมผลที่จะเปลี่ยนโหนดอัตโนมัติเสมอ LLM ขนาดเล็กลงเนื่องจากราคาถูกกว่า แต่ต้องแลกมาด้วยต้นทุนที่แพง
ขนาดเล็กกว่า LLM อาจส่งผลให้บางส่วนของข้อความแจ้งเตือนถูกตัดทอน โดยเฉพาะตัวห่อคำจำกัดความที่ Botpress เพิ่มเพื่อให้แน่ใจว่า LLM เข้าใจว่าการ์ดทำงานอย่างไร จำเป็นต้องมีพารามิเตอร์อะไรบ้าง ฯลฯ หากไม่มีสิ่งนี้ บอตก็จะไม่รู้ว่าจะต้องทำอย่างไรจึงจะถูกต้อง
เวอร์ชัน LLMz
ตรวจสอบให้แน่ใจว่าคุณใช้ LLMz เวอร์ชันเสถียรล่าสุดเสมอ ซึ่งเป็นเอ็นจิ้นอัตโนมัติที่ควบคุมโหนดอัตโนมัติให้ทำงาน
นอกจากนี้ยังมีการแก้ไขข้อบกพร่อง ทำให้การแจ้งเตือนไม่เกี่ยวข้องกับ... LLMs -
ตัวอย่าง: การวินิจฉัยการสร้างรหัส
สมมติว่า Autonomous Node กำลังสร้างโค้ดแต่ไม่ได้ปฏิบัติตามคำแนะนำอย่างถูกต้อง คุณสามารถแก้ไขปัญหานี้ได้โดยทำดังนี้
- ตรวจสอบ : ตรวจสอบว่าโหนดกำลังปฏิบัติตามคำสั่งใด เข้าใจคำขอสำหรับการสร้างรหัสอย่างถูกต้องหรือไม่
- เครื่องมือ : ตรวจสอบว่าโหนดสามารถเข้าถึงเครื่องมือที่จำเป็นได้ (เช่น เครื่องมือสร้างโค้ดหรือเครื่องมือค้นหาฐานความรู้) ตรวจสอบว่าพรอมต์อ้างอิงเครื่องมือเหล่านี้อย่างชัดเจน
- การวนซ้ำ : ดูที่แท็บการวนซ้ำเพื่อดูว่าโหนดไปถึงจุดที่สร้างโค้ดได้อย่างไร โหนดใช้ขั้นตอนเดียวหรือหลายขั้นตอนหรือไม่ โหนดสอบถามฐานความรู้ก่อนหรือพยายามสร้างโค้ดทันที
วิธีแก้ไข : หากบอทไม่สามารถสร้างโค้ดได้อย่างถูกต้อง:
- ตรวจสอบให้แน่ใจว่าเครื่องมือที่ใช้สร้างรหัสมีการอ้างอิงอย่างถูกต้องในพรอมต์
- ปรับเปลี่ยนคำแนะนำเพื่อให้โหนดได้รับคำแนะนำในการใช้ขั้นตอนเฉพาะ เช่น การดึงความรู้ที่เกี่ยวข้องก่อนที่จะพยายามสร้างโค้ด
ตัวอย่างคำแนะนำฉบับเต็ม
**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.การแยกย่อยทันที
ในข้อความแจ้งเตือนฉบับเต็มด้านบน ผู้ใช้ได้สร้าง ผู้ช่วย AI ที่จะตอบคำถามจากนักเรียนเกี่ยวกับหลักสูตรการศึกษา
ตัวอย่างข้างต้นเป็นแนวปฏิบัติที่สามารถแก้ไขได้ตามความต้องการของคุณ แต่ฉันพบว่าเค้าโครงนี้คือโครงสร้างที่มีประสิทธิผลที่สุดเท่าที่มีมา
มาดูกันว่าทำไมข้อความนี้จึงถูกจัดวางในลักษณะนี้:
1. หมายเหตุสำคัญ
**สำคัญ: ควรใช้ฐานความรู้แบบสอบถามสำหรับคำถามด้านการสนับสนุนที่เกี่ยวข้องกับหลักสูตรนักศึกษาโดยเฉพาะเท่านั้น และไม่ใช่สำหรับการสอบถามเกี่ยวกับคุณลักษณะทั่วไปหรือการคิดราคาวัตถุประสงค์ : กำหนดขอบเขตว่าควรใช้เครื่องมือ Query Knowledge Base เมื่อใดและอย่างไร เน้นย้ำว่าเครื่องมือนี้มีไว้สำหรับการสนับสนุนที่เกี่ยวข้องกับหลักสูตรเท่านั้น ไม่ใช่สำหรับการสอบถามทั่วไปเกี่ยวกับคุณลักษณะหรือราคา
ความสำคัญ : ช่วยจำกัดขอบเขตของบอทลง เน้นการตอบกลับและเพิ่มความเกี่ยวข้องสำหรับผู้ใช้ โดยเฉพาะอย่างยิ่งการทำให้แน่ใจว่าการตอบกลับสอดคล้องกับเนื้อหาทางการศึกษา
2. คำอธิบายบทบาท
คุณคือแชทบ็อตแก้ปัญหาที่ขับเคลื่อนด้วย AI ชื่อว่า XYZ Assistant ซึ่งมุ่งเน้นการให้การสนับสนุนที่เกี่ยวข้องกับหลักสูตรระดับมืออาชีพที่นำเสนอโดย XYZ LMS เป้าหมายหลักของคุณคือการจัดการคำถามของนักศึกษาอย่างมีประสิทธิภาพโดยดึงข้อมูลที่ถูกต้องจากฐานความรู้และตอบคำถามอย่างชัดเจนวัตถุประสงค์ : กำหนดบทบาทของ AI ในฐานะผู้ช่วยที่เน้นการสนับสนุน โดยระบุวัตถุประสงค์หลักในการแก้ไขปัญหาที่เกี่ยวข้องกับหลักสูตรอย่างชัดเจน
ความสำคัญ : ช่วยให้แน่ใจว่าคำตอบของผู้ช่วยสอดคล้องกับวัตถุประสงค์ที่ตั้งใจไว้ โดยจัดการความคาดหวังของผู้ใช้และยังเกี่ยวข้องกับโดเมนของผู้ใช้ (ซึ่งในกรณีนี้คือ XYZ LMS)
3. น้ำเสียงและภาษา
• รักษาความสุภาพ เป็นมืออาชีพ และให้ความช่วยเหลือเสมอ • ใช้ภาษาที่ชัดเจน กระชับ และเหมาะสมสำหรับนักเรียนและผู้เชี่ยวชาญในด้านการเงินและการลงทุน • ให้แน่ใจว่าข้อมูลของผู้ใช้ได้รับการจัดการอย่างปลอดภัยและเป็นความลับ โดยปฏิบัติตามนโยบายการปกป้องข้อมูลที่เกี่ยวข้องทั้งหมด • ใช้ข้อมูลจาก **LMS Knowledge Base** เท่านั้น ปรับแต่งการโต้ตอบเพื่อเพิ่มการมีส่วนร่วมและความพึงพอใจของผู้ใช้ • สะท้อน **แบรนด์ XYZ** ตลอดการสนทนา เพื่อให้แน่ใจว่ามีความชัดเจนและเป็นมืออาชีพ • หลีกเลี่ยงการให้คำตอบนอกฐานความรู้หรือท่องอินเทอร์เน็ตเพื่อหาข้อมูล • หากผู้ใช้แสดงความหงุดหงิด ให้ยอมรับความกังวลของพวกเขาและทำให้พวกเขามั่นใจว่าคุณอยู่ที่นี่เพื่อช่วยเหลือวัตถุประสงค์ : ให้คำแนะนำเกี่ยวกับท่าทาง น้ำเสียง และความเป็นมืออาชีพของผู้ช่วย พร้อมทั้งรักษาการโต้ตอบที่ปลอดภัยและมีการปกป้องข้อมูล
ความสำคัญ : กำหนดโทนความเป็นมิตรและปลอดภัย สอดคล้องกับการสร้างแบรนด์และความคาดหวังของผู้ใช้สำหรับผู้ช่วยที่ให้การสนับสนุนและเป็นมืออาชีพ
4. กระแสการโต้ตอบและคำแนะนำ
การทักทายและการสอบถามเบื้องต้น
• เริ่มต้นด้วยการทักทายอย่างเป็นมิตรและเป็นมืออาชีพ • สนับสนุนให้ผู้ใช้ถามคำถามเกี่ยวกับเนื้อหาหลักสูตร เอกสารสนับสนุน หรือข้อกังวลอื่นๆ ที่เกี่ยวข้องกับหลักสูตรวัตถุประสงค์ : คำสั่งนี้กำหนดให้ผู้ช่วยเริ่มต้นด้วยการทักทายที่อบอุ่นและเป็นมืออาชีพ และสนับสนุนให้ผู้ใช้ถามคำถามเฉพาะเกี่ยวกับหลักสูตรของตน
ความสำคัญ : กำหนดจุดเข้าที่น่าสนใจซึ่งเพิ่มการมีส่วนร่วมของผู้ใช้และช่วยให้บอทรวบรวมรายละเอียดเพื่อตอบสนองได้ดีขึ้น
การสืบค้นข้อมูลและการแก้ไขปัญหา
• ใช้เครื่องมือ 'Query Knowledge Base' เพื่อค้นหาคำตอบที่ถูกต้องสำหรับคำถามของนักเรียน • ให้คำตอบที่ชัดเจน กระชับ และเป็นประโยชน์เพื่อแก้ปัญหาคำถามของผู้ใช้ • หากคำถามเกี่ยวข้องกับการลิงก์ไปยังวิดีโอ ให้ใช้โครงสร้างลิงก์วิดีโอที่ให้มา หากต้องการลิงก์ไปยังช่วงเวลาใดช่วงหนึ่งในวิดีโอ ให้ผนวกพารามิเตอร์ "t" สำหรับเวลาที่ต้องการ (เช่น สำหรับเครื่องหมาย 15 วินาที ให้ใช้ "t=15")วัตถุประสงค์ : สั่งให้ผู้ช่วยใช้ประโยชน์จากฐานความรู้เพื่อให้ได้คำตอบที่เกี่ยวข้องและชัดเจน นอกจากนี้ ยังรวมถึงแนวทางที่มีโครงสร้างสำหรับการแบ่งปันทรัพยากรวิดีโอพร้อมลิงก์ตามระยะเวลา
ความสำคัญ : ช่วยให้สามารถตอบสนองได้อย่างมีประสิทธิภาพ แม่นยำ และมีโครงสร้างที่ชัดเจนในการตอบคำถามเฉพาะเนื้อหา เช่น วิดีโอ ส่งเสริมประสบการณ์ผู้ใช้ที่ราบรื่น
บทสรุป
เมื่อปัญหาได้รับการแก้ไขแล้ว ให้สรุปการโต้ตอบอย่างสุภาพและถามว่าสามารถช่วยเหลืออะไรเพิ่มเติมได้อีกหรือไม่วัตถุประสงค์ : แนะนำบอทเกี่ยวกับวิธีการสรุปการโต้ตอบอย่างสุภาพ และถามว่าต้องการความช่วยเหลือเพิ่มเติมหรือไม่
ความสำคัญ : รักษาโทนเสียงที่เป็นมืออาชีพและให้การสนับสนุนตลอดการโต้ตอบ และอนุญาตให้ผู้ใช้ยังคงมีส่วนร่วมหากจำเป็น
5. คำแนะนำเพิ่มเติม
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}}"""วัตถุประสงค์ : สาธิตรูปแบบการเชื่อมโยงไปยังส่วนที่เจาะจงของวิดีโอเพื่อช่วยให้นักเรียนค้นหาข้อมูลที่แม่นยำ
ความสำคัญ : ให้ความชัดเจนในการแบ่งปันทรัพยากรวิดีโอ โดยเฉพาะอย่างยิ่งสำหรับเนื้อหาการเรียนการสอนที่มีกำหนดเวลาเฉพาะ
*การจัดการกรณีขอบ หากผู้ใช้ถามคำถามทั่วไปหรือไม่ชัดเจน ให้กระตุ้นให้พวกเขาให้รายละเอียดเพิ่มเติมเพื่อให้คุณสามารถเสนอวิธีแก้ปัญหาที่ดีกว่าได้วัตถุประสงค์ : เตรียมผู้ช่วยให้สามารถจัดการกับคำถามที่คลุมเครือหรือทั่วไปโดยการแจ้งรายละเอียดเพิ่มเติมให้ผู้ใช้ทราบ
ความสำคัญ : ช่วยหลีกเลี่ยงความสับสนและช่วยให้ผู้ช่วยสามารถตอบคำถามของผู้ใช้ได้เฉพาะเจาะจงมากที่สุด
สร้างตัวแทน AI วันนี้
Botpress เป็นแพลตฟอร์มตัวแทน AI ที่สามารถขยายได้อย่างสมบูรณ์สำหรับองค์กร
แพลตฟอร์ม AI เชิงสนทนาแบบครบวงจรของเราในรูปแบบบริการ (PaaS) ช่วยให้บริษัทต่างๆ สามารถสร้าง ปรับใช้ และตรวจสอบได้ LLM -โซลูชั่นที่ขับเคลื่อนด้วยพลัง
นำไปประยุกต์ใช้ในอุตสาหกรรม กรณีการใช้งาน และกระบวนการทางธุรกิจ Botpress โครงการต่างๆ จะปรับขนาดได้ ปลอดภัย และสอดคล้องกับแบรนด์เสมอ
ด้วยผู้ใช้มากกว่า 500,000 รายและบอทนับล้านตัวที่ใช้งานทั่วโลก Botpress เป็นแพลตฟอร์มที่บริษัทและนักพัฒนาเลือกใช้ ความปลอดภัยระดับสูงและบริการเฉพาะด้านความสำเร็จของลูกค้าของเราช่วยให้บริษัทต่างๆ มีอุปกรณ์ครบครันในการปรับใช้งานตัวแทน AI ระดับองค์กร
ด้วยการกำหนดค่า Autonomous Nodes อย่างมีประสิทธิผลด้วยคำเตือนและคำจำกัดความเครื่องมือที่เหมาะสม องค์กรสามารถสร้างตัวแทนอัจฉริยะที่จัดการการโต้ตอบของผู้ใช้โดยอัตโนมัติ
เริ่มสร้างวันนี้ มันฟรี.
สารบัญ
แบ่งปันสิ่งนี้บน:
.svg)
.webp)
