生成式AIGenerative AI)是当今科技领域的前沿技术之一。随着数据量的不断增加和计算能力的不断提升,AI技术在企业和个人生活中的应用越来越广泛。AI-BOT(以下简称BOT)是生成式AI技术的其中一种重要的应用形式,它可以通过学习各类业务数据信息,帮助人们执行一系列任务,从而提高工作效率,减少人力成本。

GPTBots作为BOT开发平台,一直是生成式AI的前沿探索者。本文将与您分享,如何在GPTBots上,为您的业务开发和训练一个拥高可用性的BOT。

准备工作

注册GPTBots平台

注册一个GPTBots账号,是开发BOT的第一步。

进入GPTBots平台(https://gptbots.ai/developer),点击【注册】,并登录到【开发者后台】。完成注册后,平台会为您赠送一些积分,这些积分能够让您进行平台功能的初体验,例如创建BOT、调试BOT、训练BOT等。如果完成企业认证,还可以获得高达 500 积分的赠送。

业务分析

首先,您需要明确BOT在您的业务中的定位和目标。

定位指的是BOT在您的业务中的特殊位置,它被用于解决某个特定领域的问题,因此与其他BOT是存在差异的。目标指的是BOT在您的业务中所能达成的具体结果,例如降低成本、提升人效等。

我们建议您可以把BOT理解为一名员工,这位员工知识渊博,无所不知,但在某些专业领域又有些欠缺。不过,只需要提供相关专业知识就,它可以化身领域专家,有效解决专业问题。因此,在明确定位和目标时,我们可以这么思考:

定位:一名非常专业的电商售后客服人员,他对于公司业务了如指掌,能够快速且专业地为客户解决各类型售后问题。
目标:提升客户服务效率和质量,降低客户服务成本。

其次,您需要了解BOT所需解决的业务领域中存在的问题和挑战。了解这些,有助于帮助您进一步定位BOT的能力范围。

数据收集

在明确了BOT的定位和目标后,我们需要为BOT进行数据收集。

根据上文我们提供的建议,我们把这个BOT想象成为一名无所不能的员工。但一名强大的员工,除非部分人有天赋以外,更多地一定是通过不断的知识学习和经验积累后才能做到的。而BOT的数据,指的就是BOT需要学习的知识。

继续使用上文的例子。一名“一名非常专业的电商售后客服人员”,一定是拥有非常丰富的公司售后业务知识,包括但不限于:公司的售后服务政策、公司历史处理售后问题经典案例……

因此,我们需要做以下工作:

1.       收集数据。作为给这个“电商售后BOT”的学习资料;

2.       数据分类。分类越清晰,越有助于BOT知识的维护管理,以及提升BOT的响应质量。例如电商售后服务知识,我们可以大致分类为:服务总则、服务细则、服务流程、常见问题、经典案例等;

3.       数据清洗及预处理。以保证最终给BOT学习的数据是相对“干净”,不含“杂质”的。

注意,数据的收集并不是越多越好,更重要的是数据的质量。我们需要给BOT“学习”高质量的知识,BOT才能给我们输出高质量的结果。

构建BOT

在以上准备工作均已完成后,就可以开始构建这个“电商售后BOT”。

更多的GPTBots使用教程,请访问GPTBots官方文档,在本文中不做详细展开。

创建BOT

根据业务实际,创建合适类型的BOT。GPTBots定义了两类BOT:

●     知识问答:拥有“短记忆”能力,适用于一些简单的问答场景,例如翻译、客服、知识检索等;

●     智能助理:拥有“短记忆+长记忆”能力,适用于较为复杂的对话场景。

用户可按自身实际需求来选择BOT类型。

身份提示撰写技巧

在构建BOT的过程中,比较重要的一个环节,就是为BOT撰写身份提示。

身份提示可用来塑造BOT的身份、能力,边界和情绪等。一个优质的身份提示,能够让BOT以更加符合期望地回复用户问题。

我们可以用一个通用的结构来撰写身份提示,如下:

●     角色:BOT需要担任的角色,如“专业的售后服务人员”;

●     技能:BOT需要拥有的技能,如“出色的售后服务能力与客户沟通技巧”;

●     个性:BOT的语气、个性、沟通方式等,如“语气请平和,用词需礼貌”;

●     目标:BOT的任务目标,如“基于参考内容及客户提问,回答客户的问题”;

●     链式思考:为BOT提供一些思考流程与方式,以引导BOT按照你的要求进行思考和解决问题,如“MUST follow these steps to answer the customer queries: Step1 - Step2 - Step3 - Step4...”。在一些较为垂直、特定的场景下,该方法非常好用。更多的链式思考技巧,可以在这里学习:Zero-Shot-of-Chain。请注意,这部分不是必须的,可按实际需求撰写。

●     输出规则:若您需要BOT输出内容为特定结构或格式(如:json、markdown……),您也可以在此定义。请注意,这部分不是必须的,可按实际需求撰写。

以上文“电商售后BOT”为例,我们可以这样撰写身份提示:

请扮演一名专业的售后服务人员。你拥有出色的售后服务能力与客户沟通技巧。你的任务是,基于参考内容及客户提问,回答客户的问题。语气请平和,用词需礼貌。

训练BOT

在设定好BOT的基本信息后,我们需要对BOT进行知识“投喂”以及训练。

知识输入

我们需要将数据收集阶段收集到的售后服务类数据,以合适的格式,“投喂”给BOT进行训练。GPTBots平台目前支持文档导入(.docx、.md、.txt、……)、网站爬取、在线文本、在线Q&A等方式进行知识输入。

向量搜索

训练完成后,可以立刻通过“向量搜索”功能,对知识进行向量搜索测试,检查命中情况,目的是为了观察已经训练好的知识在面对实际问题时,是否能够有效地完成信息召回。

聊天记录训练

在BOT已经投入使用后,我们依然可以对BOT进行反复训练。

目前GPTBots支持基于用户的聊天记录进行训练。这种训练方式的优势在于,训练的语料使用的是用户在使用BOT过程中实际发生的对话,使用这些对话作为训练材料,能够让BOT更有效地接近实际的用户使用场景。

调试BOT

调试模式可以帮助开发者一边使用BOT一边调整BOT参数,以让BOT达到开发者所期望的效果。

更复杂的场景,如何处理?

在实际业务中,会很多远比售后服务问答要复杂得多的场景。面对这些场景,GPTBots提供了更丰富的处理方式以应对。

为BOT插上翅膀——插件能力

大语言模型(LLM)本身是有知识范围限制的,当需要LLM帮助我们处理更多业务定制化的、复杂的任务时,我们可以通过为LLM添加插件的方式,扩展LLM的能力,使BOT拥有更加强大的能力。

GPTBots当前已支持插件功能。

GPTBots官方已经提供了一些免费的公开插件供用户使用(更多的官方插件正在陆续开发中……)。

同时,GPTBots也支持开发者自行开发插件,以个性化地覆盖自身的业务场景。例如,开发者可以通过开发插件,将BOT对接到自己的业务系统,调用自己的业务数据,让BOT来处理特定业务工作。

用可视化流程(FLOW)构建BOT

若是存在更加复杂的业务场景,则可以通过可视化流程(FLOW)来构建BOT。

GPTBots目前正在内测的FLOW构建BOT功能。我们将一个BOT应有的或常见的模块抽象为多个组件,用户可以通过在可视化面板上托拉拽的方式,个性化地构建一个复杂场景下的BOT,以解决更加垂直、更加特定场景下的问题。

将BOT与业务连接

GPTBots支持将构建好的BOT与用户自己的业务进行连接,目前主要有以下三种方式:

●     API:GPTBots当前提供了多个与BOT进行交互的API,包括但不限于创建对话、发送消息、获取消息等;

●     iframe网页嵌入:将BOT对话界面以iframe的形式嵌入到您的网页内进行使用;

●     bubble网页小部件:将BOT以bubble小部件的形式嵌入到您的网页内进行使用,它将以气泡的形式,展示在您网页的右下角。

写在最后

在生成式AI发展迅猛的今天,GPTBOTS为开发者提供了强大的自主构建AI-BOT的能力,能够帮助开发者快速高效地构建个性化的BOT,以解决其业务痛点或问题,驱动业务增长。

诚邀您来试用GPTBots。现在注册,即有积分赠送。参与企业认证或邀请好友注册,也能获取更多积分。

1条留言
bbf044c0b4e321ce
sadfasdf
2024-06-18 12:23:09
0/140
发送

现在注册,领取新人大礼包

免费注册

您的浏览器版本过低

为了您在极光官网获得最佳的访问体验,建议您升级最新的浏览器。