Flowbeschrijving
Doel en voordelen
Overzicht
Deze workflow automatiseert het proces van het ophalen van klantberichten uit een ticket- of supportsysteem, het extraheren van het meest relevante recente bericht, het verrijken met context en chathistorie, en vervolgens het inzetten van geavanceerde AI (LLM’s) in combinatie met kennis-tools om professionele, meertalige klantenservice-antwoorden te genereren. Het proces bereidt deze antwoorden vervolgens voor en stuurt ze terug naar externe systemen, waardoor het ideaal is voor het opschalen en automatiseren van klantenservice, kennisophaling en externe API-integratie.
Stapsgewijze Uiteenzetting
1. Invoer Verzamelen en Voorbereiden
- Chatinvoer: De workflow kan direct inkomende chatberichten ontvangen.
- Promptcreatie voor API: Het systeem gebruikt een prompttemplate om dynamisch de URL te construeren voor het ophalen van ticketberichten via een externe API (bijv.
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages
). Dit maakt flexibele retrieval mogelijk op basis van binnenkomende gebruikersdata. - Constructie van Queryparameters: Een datacreatienode wordt gebruikt om dynamisch de benodigde queryparameters voor de API-aanvraag op te bouwen.
2. Externe Gegevensophaling
- API-aanvraag: Met de geconstrueerde URL en parameters stuurt de workflow een GET-verzoek om de berichtgeschiedenis van een ticket op te halen uit een extern ticketsysteem. Authenticatie via API-sleutel wordt ondersteund via headers.
- Parsing van Opgehaalde Data: Zodra de API data retourneert, structureert een parsernode deze data en zet deze om naar platte tekst via templates, zodat deze geschikt is voor verdere AI-verwerking.
- LLM-gebaseerde Extractie: Een OpenAI LLM (bijv. GPT-4.1) wordt gebruikt met een systeemprompt om alleen het laatste gebruikersbericht uit de ticketdata te extraheren (specifiek berichten van type “M”)âzodat alleen relevante inhoud verder wordt verwerkt.
- Prompt Verrijking: Het geëxtraheerde bericht en de chatcontext worden in een geavanceerde prompttemplate geplaatst die gespreksgeschiedenis en segmentatie van het laatste bericht bevat, ter voorbereiding op de hoofd-supportagent.
4. Kennisverrijking
- Chathistorie: Het systeem kan de laatste N berichten in het gesprek opzoeken voor continuĂŻteit en rijkere context.
- Documentophaling: Een documentretriever-tool zoekt in interne/externe kennisbanken (optioneel inclusief Google Docs) naar relevante informatie om de klantvraag te beantwoorden. Dit is essentieel voor actuele en accurate antwoorden.
- Toolintegratie: Zowel de documentretriever als de Google Docs-retriever zijn geregistreerd als “tools” beschikbaar voor de agent, voor dynamische lookup tijdens het genereren van antwoorden.
5. Antwoordgeneratie door de Agent
- Tool Calling Agent: Centraal staat de Tool Calling Agent (aangestuurd door een LLM), die de verrijkte prompt, chathistorie en toegang tot kennis-tools ontvangt. De rol is om gebruikersintentie te bepalen, de kennisbank/tools te doorzoeken voor antwoorden en een beknopt, vriendelijk en professioneel antwoord te formuleren.
- De agent reageert standaard in het Slowaaks, of schakelt over naar de klanttaal indien gedetecteerd.
- Gestructureerde opmaak wordt afgedwongen: korte alinea’s, vetgedrukte tekst voor nadruk, opsommingstekens en emoji’s voor meer betrokkenheid.
- De agent geeft altijd voorrang aan opgehaalde kennis, verzint nooit feiten of URL’s, vraagt om verduidelijking indien nodig en escaleert onopgeloste gevallen naar menselijke agenten.
- Alle antwoorden houden zich aan de klantenservicetoon en -structuur, geschikt voor e-mailcommunicatie.
6. Nabewerking en Output
- Antwoordopmaak: Het antwoord van de agent wordt verder verwerkt via prompttemplates om meertalige output te genereren (bijv. zowel Slowaaks als de originele klanttaal).
- LLM-generatie: Een andere LLM-node kan delen van de output genereren of vertalen waar nodig.
- API-integratie voor Uitgaande Berichten: De workflow bouwt dynamisch dataobjecten voor uitgaande API-verzoeken, verpakt het gegenereerde antwoord en stuurt het (meestal via POST) naar het betreffende externe systeem.
- Parsing en Finale Output: Reacties van uitgaande API’s kunnen geparsed en weergegeven worden in de chat playground of teruggestuurd naar de gebruikersinterface.
Belangrijkste Componenten & Hun Doel
Component | Doel |
---|
Chatinvoer | Accepteert berichten van gebruiker/klant |
Prompttemplate | Bouwt dynamisch URL’s en berichtprompts |
API-aanvraag | Haalt ticketdata/berichten op uit extern systeem |
Data parseren | Zet gestructureerde data om naar platte tekst |
OpenAI LLM | Extraheert relevante berichten, genereert of vertaalt antwoorden |
Document Retriever | Zoekt kennisbank naar relevante info |
Google Docs Retriever | Integreert externe docs als kennis voor de agent |
Tool Calling Agent | Centrale AI-supportagentâgebruikt tools en chathistorie |
Data aanmaken | Verpakt antwoorden en data voor uitgaande API-verzoeken |
Chatoutput | Geeft het eindresultaat weer aan eindgebruiker of systeem |
Notities | Biedt operatorinstructies (bijv. waar API-sleutels/URL’s invoeren) |
Gebruikstoepassingen & Voordelen
- Geautomatiseerde Klantenservice: Stroomlijnt het proces van het extraheren, verrijken en beantwoorden van klantvragen met professionele, accurate en contextbewuste antwoorden.
- Meertalige Ondersteuning: Detecteert automatisch en reageert in de taal van de klant, met vertaling en opmaak die door de workflow wordt afgehandeld.
- Schaalbaar Kennismanagement: Integreert meerdere kennisbronnen (interne documenten, Google Docs, etc.) voor uitgebreide, actuele antwoorden.
- Naadloze Integratie met Externe Systemen: Verbindt eenvoudig met diverse API’s voor zowel inkomende (berichten ophalen) als uitgaande (antwoorden posten) acties.
- Human-in-the-loop Escalatie: Draagt onopgeloste of onduidelijke gevallen automatisch over aan menselijke agenten, voor gegarandeerd hoogwaardige ondersteuning.
Waarom Deze Workflow Nuttig is voor Schalen & Automatisering
- Vermindert Handmatig Werk: Door data-ophaling, berichtextractie, contextopbouw en antwoordgeneratie te automatiseren, wordt de noodzaak voor menselijke interventie bij routinematige servicevragen geminimaliseerd.
- Consistentie & Kwaliteit: Zorgt dat alle klantcommunicatie voldoet aan bedrijfstoon, opmaak en informatienauwkeurigheid, ongeacht de agent of dienst.
- Snelle Aanpassing: Kan eenvoudig worden gekoppeld aan nieuwe databronnen of API’s, past zich aan nieuwe talen aan en kan hogere supportvolumes aan met weinig extra configuratie.
- Verbeterde Klanttevredenheid: Snelle, relevante en vriendelijke antwoordenâop maat gemaakt in de taal en context van de klantâleiden tot betere ervaringen en loyaliteit.
Visuele Flow (Vereenvoudigd)
Hieronder een vereenvoudigde flowchart van de hoofdprocessen:
- Chatinvoer / API-vraag â
- Ticketberichten ophalen (API-aanvraag) â
- Data parseren â
- Laatste gebruikersbericht extraheren (LLM) â
- Prompt verrijken met context & historie â
- Kennis ophalen (Document/Google Docs Retriever) â
- Tool Calling Agent (LLM) genereert antwoord â
- Antwoord opmaken/vertalen/verzenden (API-aanvraag) â
- Output weergeven/leveren
Deze workflow vormt een robuuste basis voor elke organisatie die klantenservice, technische ondersteuning of informatiedistributie wil automatiseren en opschalen, waarbij integratie met externe API’s, kennisbanken en geavanceerde AI-antwoorden vereist is.