Prompt
Prompt-sjabloon voor het opbouwen van een API-verzoek-URL met behulp van gebruikersinvoer.
https://YOURLINK.ladesk.com/api/conversations/{input}
AI-klantenserviceagent met LiveAgent API-integratie
Deze AI-gedreven workflow automatiseert klantenservice door gebruikersvragen te koppelen aan bedrijfskennisbronnen, externe API’s (zoals LiveAgent) en een taalmodel voor professionele, vriendelijke en zeer relevante antwoorden. De flow haalt gespreksgeschiedenis op, gebruikt document search en communiceert met externe systemen om beknopte, gestructureerde antwoorden te geven en schakelt indien nodig door naar menselijke ondersteuning. Ideaal voor bedrijven die support, productaanbevelingen en informatievoorziening willen optimaliseren.
Flows
Hoe de AI-flow werkt
- Ontvangen en Structureren van Klantvraag.
- Vangt de vraag of het probleem van de gebruiker op, bereidt dynamische API-verzoeken en context voor met behulp van prompt-sjablonen, en structureert de initiële datainvoer.
- Externe Systemen Raadplegen en Gegevens Ophalen.
- Stuurt verzoeken naar externe klantenservice-API’s (bijv. LiveAgent) en verzamelt account- of gespreksgegevens die nodig zijn om het probleem van de klant op te lossen.
- Relevante Context Extracten en Genereren.
- Verwerkt de opgehaalde gegevens, extraheert kerninformatie en gebruikt een LLM om de context van de klantvraag te genereren of te verfijnen voor nauwkeurige ondersteuning.
- AI-agent Antwoordt met Kennisbank en Tools.
- Een AI-agent gebruikt bedrijfskennisbronnen, document retrieval tools, gespreksgeschiedenis en het taalmodel om beknopte, professionele antwoorden of aanbevelingen te formuleren.
- Antwoord aan Klant of Escaleren.
- Levert het door AI gegenereerde antwoord aan de klant in een gestructureerd format, en schakelt door naar een menselijke agent indien het verzoek niet automatisch kan worden opgelost.
Gebruikte prompts in deze flow
Hieronder vindt u een complete lijst van alle prompts die in deze flow zijn gebruikt om de functionaliteit te bereiken. Prompts zijn de instructies die aan het AI-model worden gegeven om reacties te genereren of acties uit te voeren. Ze begeleiden de AI bij het begrijpen van de gebruikersintentie en het genereren van relevante uitvoer.
Prompt
Prompt-sjabloon voor het opbouwen van een API-verzoek-URL voor gespreksberichten.
https://YOURLINK.ladesk.com/api/conversations/{human_input}/messages
Generator
Systeem prompt voor LLM om de Preview-sectie(s) uit de invoer te halen.
extract the "Preview" section of your input and output only the section exactly as it is and if there are multiple preview sections output all of them by classifying them based on their date.
Tool Calling Agent
Systeemprompt voor de agent om als klantenservice- en shoppingassistent voor *YOURCOMPANY* in het Slowaaks te fungeren, met specificatie van gedrag en toolgebru...
You are an AI language model assistant acting as a friendly and professional customer support and shopping assistant for<u> *YOURCOMPANY*</u>
You respond in Slovak language by default, or in the customer's input language if detected to be different than Slovak. AND ALWAYS USE EMAIL TONE AND FORMAT.
<u>Your role:</u>
You combine the responsibilities of technical customer support and product recommendation assistant. You help customers solve issues, make decisions, and complete purchases related to <u>*YOURCOMPANY*</u> products and services. Your tone is always friendly and professional, and your goal is to ensure the customer feels understood, supported, and confident in their next step.
<u>Your Goal:</u>
you receive conversation history and the most recent user query you goal is to answer the most recent query based on the tools at your disposal. 
<u>Identify intent and provide answers:</u>
First source: ALWAYS SEARCH THE knowledge_source_tool TO ANSWER USER'S QUESTION AND NEVER ANSWER FROM YOURSELF.
Second source: Always use the Document Retriever tool to find context related to the question.
If relevant context is found:
Use it to provide accurate, concise answers.
Include ONLY RELEVANT URLs retrieved from the Document Retriever, never edit the url.
Never invent product names and category names. You can recognize a category by the fact that the page MUST contain a list of different products.; use only those available in your knowledge base.
Follow the information exactly as stated in the reference.
If no relevant context is found and the question is about <u>*YOURCOMPANY*</u>:
Ask polite clarifying questions to gather more details.
If still unresolved, use the Contact Human Assist tool to transfer to a human support agent.
If the customer’s message is unclear or incomplete:
Do not guess — always ask for more information before answering.
If the customer shows interest in a specific product:
Let them know that pricing and ordering is quick and simple directly on the website.
They can configure the product (dimensions, extras, quantity…) and see the price immediately and the production time.
If the question is about production time, always include express options if available.
For inquiries not related to <u>*YOURCOMPANY*</u>:
Politely inform the customer that you only provide support for <u>*YOURCOMPANY*</u>.
Suggest contacting the appropriate business support team at [<u>*YOURCOMPANY*</u>@EMAIL.EMAIL](mailto:YOURCOMPANY@EMAIL.EMAIL)
<u>Resource Utilization:</u>
Use the Document Retriever to search for knowledge relevant to the customer question.
Use the Contact Human Assist tool to escalate if needed.
Use the Document Retriever to provide valid product or info links - NEVER invent or assume URLs
<u>Formatting:</u>
Your tone is always friendly, clear, and professional.
The answers should be SHORT - max. about 100-200 tokens.
Use structured formatting:
Short paragraphs
Bold text for emphasis
Bullet points where appropriate
Emojis to make the messages more engaging 😊
Write in plain text format. Do not use markdown.
Gebruikte componenten in deze flow
Hieronder vindt u een complete lijst van alle componenten die in deze flow zijn gebruikt om de functionaliteit te bereiken. Componenten zijn de bouwstenen van elke AI-flow. Ze stellen u in staat om complexe interacties te creëren en taken te automatiseren door verschillende functionaliteiten met elkaar te verbinden. Elke component heeft een specifiek doel, zoals het verwerken van gebruikersinvoer, het verwerken van gegevens of het integreren met externe diensten.
ChatInput
Het Chat Input-component in FlowHunt start gebruikersinteracties door berichten vanuit de Playground vast te leggen. Het dient als het startpunt voor flows, waardoor de workflow zowel tekst- als bestandsinvoer kan verwerken.
Promptcomponent in FlowHunt
Ontdek hoe de Promptcomponent van FlowHunt je in staat stelt de rol en het gedrag van je AI-bot te definiëren, zodat je relevante, gepersonaliseerde antwoorden krijgt. Pas prompts en sjablonen aan voor effectieve, contextbewuste chatbotflows.
API-verzoek
Integreer externe data en services in je workflow met de API-verzoek-component. Verstuur moeiteloos HTTP-verzoeken, stel aangepaste headers, body en queryparameters in, en beheer meerdere methoden zoals GET en POST. Essentieel om je automatiseringen met elke web-API of service te verbinden.
Gegevens aanmaken
De component Gegevens aanmaken stelt je in staat om dynamisch gestructureerde gegevensrecords te genereren met een aanpasbaar aantal velden. Ideaal voor workflows waarin het creëren van nieuwe gegevensobjecten on-the-fly nodig is, met flexibele veldconfiguratie en naadloze integratie met andere automatiseringsstappen.
Gegevens parseren
De Parse Data-component zet gestructureerde gegevens om in platte tekst met behulp van aanpasbare sjablonen. Het maakt flexibele opmaak en conversie van gegevensinvoer mogelijk voor verder gebruik in uw workflow, zodat informatie gestandaardiseerd of voorbereid kan worden voor volgende componenten.
Generator
Ontdek het Generator-component in FlowHunt—krachtige AI-gedreven tekstgeneratie met het door jou gekozen LLM-model. Creëer moeiteloos dynamische chatbot-antwoorden door prompts, optionele systeemberichten en zelfs afbeeldingen als input te combineren, waardoor het een essentiële tool is voor het bouwen van intelligente, conversatiestromen.
LLM OpenAI
FlowHunt ondersteunt tientallen tekstgeneratiemodellen, waaronder modellen van OpenAI. Hier lees je hoe je ChatGPT gebruikt in je AI-tools en chatbots.
Tool Calling Agent
Ontdek de Tool Calling Agent in FlowHunt—een geavanceerd workflowonderdeel waarmee AI-agenten intelligent externe tools kunnen selecteren en gebruiken om complexe vragen te beantwoorden. Perfect voor het bouwen van slimme AI-oplossingen die dynamisch gebruik van tools, iteratief redeneren en integratie met meerdere bronnen vereisen.
Document Retriever
De Document Retriever van FlowHunt verhoogt de nauwkeurigheid van AI door generatieve modellen te koppelen aan je eigen, up-to-date documenten en URL's. Zo krijg je betrouwbare en relevante antwoorden met Retrieval-Augmented Generation (RAG).
Chatgeschiedenis-component
De Chatgeschiedenis-component in FlowHunt stelt chatbots in staat eerdere berichten te onthouden, wat zorgt voor samenhangende gesprekken en een verbeterde klantervaring, terwijl het geheugen- en tokengebruik wordt geoptimaliseerd.
Chatuitvoer
Ontdek het Chat Output-component in FlowHunt—finaliseer chatbot-antwoorden met flexibele, meerledige outputs. Essentieel voor naadloze flow-afronding en het creëren van geavanceerde, interactieve AI-chatbots.
Flowbeschrijving
Doel en voordelen
Deze workflow is ontworpen om het proces van klantenservice en productaanbevelingen te automatiseren, stroomlijnen en opschalen door gebruik te maken van API-integraties, document retrieval, taalmodellen en dynamische gegevensverwerking. Hieronder volgt een gedetailleerd overzicht van de structuur, componenten en automatisering die het biedt.
Overzicht en Doel
Het belangrijkste doel van de flow is om te fungeren als een intelligente, geautomatiseerde klantenservice- en shoppingassistent voor een bedrijf, gebruikmakend van geavanceerde AI (OpenAI LLM’s), dynamische promptconstructie, API-calls en document retrieval. Het is ontworpen om klantvragen te beantwoorden, relevante kennis op te halen, producten aan te bevelen en indien nodig door te schakelen naar menselijke medewerkers—alles met een vriendelijke, professionele toon en gestructureerde output.
Een dergelijke workflow maakt schaalbare en consistente klantinteractie mogelijk, vermindert handmatige inspanning en waarborgt kwalitatief hoogwaardige supportantwoorden, zelfs bij toenemende vraag.
Workflowstructuur en Belangrijkste Stappen
1. Invoer en Chatgeschiedenis
- Chat Input-node verzamelt gebruikersberichten en bijlagen als startpunt.
- Chat History-node haalt de laatste N berichten op en biedt gesprekscontext, waardoor gepersonaliseerde, contextbewuste antwoorden mogelijk zijn.
2. Promptconstructie
- Prompt Templates genereren dynamisch API-URL’s op basis van gebruikersinput en chatgeschiedenis. Bijvoorbeeld:
- Eén sjabloon bouwt een URL om gespreksgegevens op te halen bij LiveAgent (vervang
YOURLINKdoor je eigen domein). - Een andere sjabloon wordt gebruikt om nieuwe berichten naar LiveAgent te sturen.
- Eén sjabloon bouwt een URL om gespreksgegevens op te halen bij LiveAgent (vervang
- Notities zijn opgenomen als herinnering om API-sleutels in te vullen of de LiveAgent-link in de sjablonen bij te werken.
3. API-verzoeken
- De workflow gebruikt twee API Request-nodes:
- Eén voor het ophalen van gespreksinformatie (GET-verzoeken).
- Eén voor het verzenden van berichten of interactie met het gesprek (POST-verzoeken).
- Create Data-nodes bouwen dynamisch de vereiste queryparameters of bodydata voor deze API-calls (bijv. inclusief API-sleutels of berichtinhoud).
4. Gegevens Parsen en Verwerken
- Parse Data-nodes zetten API-responsen om van gestructureerde data naar platte tekst, eventueel met sjablonen voor opmaak.
- Hierdoor kan de output van API-calls geschikt gemaakt worden voor verdere AI-verwerking of weergave aan de gebruiker.
5. Kennis Ophalen
- Document Retriever is een geïntegreerde tool die een kennisbank of documentatie doorzoekt op basis van de vraag van de gebruiker en de meest relevante documenten, fragmenten of links teruggeeft.
- Het biedt kennis als tool voor de AI-agent om naar te verwijzen—en zorgt ervoor dat antwoorden gebaseerd zijn op bedrijfskennis.
6. AI-generatie en Postprocessing
- LLM OpenAI-nodes (twee worden gebruikt met verschillende configuraties) bieden toegang tot grote taalmodellen (zoals GPT-4.1) voor het genereren van antwoorden en het extraheren van gestructureerde informatie.
- De Generator-node gebruikt de LLM om specifieke secties (zoals “Preview”) uit de verwerkte API-responsen te halen.
7. Door Agent Georkestreerd Redeneren
- Tool Calling Agent is de centrale redeneermotor:
- Ontvangt verwerkte input, chatgeschiedenis en toegang tot tools (zoals Document Retriever).
- Hanteert een uitgebreide systeemprompt om te zorgen dat antwoorden voldoen aan bedrijfsbeleid, toon en structuur.
- Bepaalt dynamisch of het antwoord uit de kennisbank komt, om verduidelijking vraagt, of doorverwijst naar een menselijke agent.
- Zorgt ervoor dat de uitkomst beknopt is (100–200 tokens), goed gestructureerd en in de voorkeurstaal van de klant.
8. Outputweergave
- Chat Output-nodes tonen het uiteindelijke AI-gegenereerde of verwerkte bericht aan de gebruiker.
- De workflow ondersteunt meerdere outputpunten voor verschillende stadia (bijv. na AI-generatie, na agentredenering, etc.).
Componentrelaties (Vereenvoudigde Tabel)
| Stap | Invoer | Uitvoer | Doel |
|---|---|---|---|
| Chat Input | Gebruikersbericht | Bericht | Startpunt voor klantvragen |
| Chat History | - | Chatgeschiedenis | Biedt context voor gepersonaliseerde antwoorden |
| Prompt Templates | Gebruikersinput, historie | API-URL’s (als tekst) | Bouwt dynamisch URL’s voor API-calls |
| Create Data | - | Query/bodydata | Bouwt benodigde data voor API-verzoeken |
| API Request | URL, parameters/body | API-responsedata | Haalt data op of stuurt data naar externe service (zoals LiveAgent) |
| Parse Data | API-respons | Tekst | Zet gestructureerde data om naar platte tekst voor LLM of gebruiker |
| LLM OpenAI | Prompt, parameters | AI-gegenereerde tekst | Genereert tekst, extraheert informatie |
| Generator | Tekst, model | Verwerkte tekst | Haalt specifieke info (zoals “Preview”) uit invoer |
| Document Retriever | Vraag | Documenten/tool | Vindt relevante info in de bedrijfskennisbank |
| Tool Calling Agent | Input, tools, historie, model | Beredeneerd bericht | Orkestreert antwoord, toolgebruik, escalatie en opmaak |
| Chat Output | Bericht | - | Toont bericht aan gebruiker |
Waarom Deze Flow Nuttig is voor Automatisering en Opschaling
- Consistentie: Zorgt dat elke klant een accuraat, beleidsconform en merkgericht antwoord krijgt, ongeacht het volume.
- Schaalbaarheid: Kan onbeperkt gelijktijdige gesprekken aan, dankzij AI en geautomatiseerde tools in plaats van uitsluitend menselijke medewerkers.
- Efficiëntie: Vermindert handmatig werk voor agents door kennisopzoeking, antwoordgeneratie en zelfs escalatielogica te automatiseren.
- Personalisatie: Integreert chatgeschiedenis en context voor op maat gemaakte antwoorden.
- Uitbreidbaarheid: Eenvoudig aan te passen of uit te breiden door prompts te wijzigen, nieuwe API-integraties toe te voegen of kennisbronnen te updaten.
- Meertalige Ondersteuning: AI-agent kan antwoorden in de voorkeurstaal van de klant, wat de gebruikerservaring verbetert.
Automatiseringslogica Hoogtepunten
- Dynamische Invoerafhandeling: De flow past API-calls en kennisopvragingen aan op basis van live gebruikersinput en gesprekscontext.
- Conditioneel Redeneren: De agent kiest per antwoord de beste bron (kennisbank, API of menselijke escalatie).
- Gestructureerde Output: Zorgt voor korte, goed opgemaakte en betrokken antwoorden, inclusief opsommingstekens, vetgedrukte tekst en emoji’s.
- Beveiliging: Herinnert gebruikers eraan API-sleutels veilig in te voeren en bedrijfsspecifieke links bij te werken.
- Feedbackloops: De agent kan om verduidelijking vragen of escaleren naar menselijke support als automatisering het probleem niet kan oplossen.
Samenvatting
Deze workflow is een robuuste, modulaire automatisering voor AI-gedreven klantenservice en productaanbevelingen. Het combineert chatinvoer, dynamische API-integratie, document retrieval en geavanceerde taalmodellen onder een enkele georkestreerde agent. Door repetitieve taken te automatiseren en AI te gebruiken voor redenering, stelt het je in staat de supportoperatie efficiënt op te schalen, terwijl een hoge standaard van service en personalisatie behouden blijft.
Laat ons uw eigen AI-team bouwen
Wij helpen bedrijven zoals die van u bij het ontwikkelen van slimme chatbots, MCP-servers, AI-tools of andere soorten AI-automatisering om mensen te vervangen bij repetitieve taken in uw organisatie.
Meer informatie
AI Klantenservice Chatbot met Menselijke Overname
Een AI-aangedreven klantenservice chatbot die automatisch gebruikers helpt, informatie haalt uit interne documenten en het web, en naadloos opschaalt naar een m...
3 min lezen
Shopify AI Klantenservice Agent
Een workflow voor een AI-gedreven klantenservice agent die vragen kan beantwoorden over Shopify-producten, orderstatus kan ophalen en informatie uit interne doc...
4 min lezen
AI Chatbot met LiveChat.com-integratie
Implementeer een AI-gestuurde chatbot op uw website die gebruikmaakt van uw interne kennisbank om klantvragen te beantwoorden en complexere of onopgeloste vrage...
4 min lezen