Descrição do fluxo
Objetivo e benefícios
Visão Geral
Este fluxo de trabalho automatiza o processo de recuperação de mensagens de clientes de um sistema de tickets ou suporte, extraindo a mensagem relevante mais recente, enriquecendo-a com contexto e histórico do chat e, em seguida, aproveitando IA avançada (LLMs) combinada com ferramentas de conhecimento para gerar respostas profissionais e multilíngues de suporte ao cliente. O processo então prepara e envia essas respostas de volta para sistemas externos, tornando-o ideal para escalar e automatizar o suporte ao cliente, recuperação de conhecimento e integração com APIs externas.
Passo a Passo
1. Aquisição e Preparação de Entrada
- Entrada de Chat: O fluxo pode receber mensagens de chat diretamente.
- Criação de Prompt para API: O sistema usa um modelo de prompt para construir dinamicamente a URL de busca de mensagens de tickets em uma API externa (ex:
https://arshiakahani.ladesk.com/api/v3/tickets/{input}/messages
). Isso permite recuperação flexível baseada nos dados do usuário. - Construção de Parâmetros de Consulta: Um nó de criação de dados é usado para montar dinamicamente os parâmetros necessários para a requisição da API.
2. Recuperação de Dados Externos
- Requisição à API: Usando a URL e os parâmetros construídos, o fluxo envia uma requisição GET para buscar o histórico de mensagens do ticket em um sistema externo de tickets. A autenticação por chave de API é suportada via cabeçalhos.
- Parseamento dos Dados Recuperados: Uma vez que a API retorna os dados, um nó de parser estrutura e converte esses dados em texto simples usando templates, tornando-os adequados para processamento posterior por IA.
- Extração com LLM: Um LLM da OpenAI (ex: GPT-4.1) é usado com um prompt de sistema para extrair apenas a última mensagem do usuário dos dados do ticket (especificamente mensagens do tipo “M”)—garantindo que apenas conteúdo relevante seja processado.
- Enriquecimento do Prompt: A mensagem extraída e o contexto do chat são inseridos em um template sofisticado de prompt que inclui histórico de conversa e segmentação da última mensagem, preparando a entrada para o agente principal de suporte.
4. Aumento do Conhecimento
- Histórico de Chat: O sistema pode consultar as últimas N mensagens da conversa para fornecer continuidade e contexto mais rico.
- Recuperação de Documentos: Uma ferramenta de recuperação de documentos pesquisa bases de conhecimento internas/externas (opcionalmente incluindo Google Docs) por informações relevantes para responder à consulta do cliente. Isso é essencial para garantir respostas baseadas em conhecimento atualizado e preciso.
- Integração de Ferramentas: Tanto o recuperador de documentos quanto o recuperador do Google Docs são registrados como “ferramentas” disponíveis ao agente, permitindo busca dinâmica durante a geração da resposta.
5. Geração de Resposta pelo Agente
- Agente de Chamadas de Ferramentas: No centro está um Agente de Chamadas de Ferramentas (impulsionado por um LLM), que recebe o prompt enriquecido, histórico do chat e acesso às ferramentas de conhecimento. Seu papel é determinar a intenção do usuário, pesquisar na base de conhecimento/ferramentas por respostas e compor uma resposta concisa, amigável e profissional.
- O agente responde sempre em eslovaco por padrão ou muda para o idioma do cliente, se detectado.
- Formatação estruturada é aplicada: parágrafos curtos, negrito para ênfase, listas e emojis para engajamento.
- O agente prioriza o uso do conhecimento recuperado, nunca inventa fatos ou URLs, faz perguntas de esclarecimento se necessário e escala questões não resolvidas para agentes humanos.
- Todas as respostas seguem o tom e a estrutura de suporte ao cliente, apropriadas para comunicação por e-mail.
6. Pós-processamento e Saída
- Formatação da Resposta: A resposta do agente é processada por templates de prompt para construir uma saída multilíngue (ex: incluindo tanto em eslovaco quanto no idioma original do cliente).
- Geração com LLM: Outro nó LLM pode gerar ou traduzir partes da saída conforme necessário.
- Integração com API para Mensagens de Saída: O fluxo constrói dinamicamente objetos de dados para requisições API de saída, empacota a resposta gerada e a envia (geralmente via POST) ao sistema externo relevante.
- Parseamento e Saída Final: As respostas das APIs de saída podem ser analisadas e exibidas no playground de chat ou enviadas de volta para a interface do usuário.
Principais Componentes & Finalidade
Componente | Finalidade |
---|
Entrada de Chat | Recebe mensagens de usuários/clientes |
Modelo de Prompt | Constrói dinamicamente URLs e prompts de mensagens |
Requisição à API | Busca dados/mensagens de tickets em sistemas externos |
Parsear Dados | Converte dados estruturados em texto simples |
OpenAI LLM | Extrai mensagens relevantes, gera ou traduz respostas |
Recuperador de Documentos | Busca informações relevantes na base de conhecimento |
Recuperador Google Docs | Integra documentos externos como conhecimento para o agente |
Agente de Chamadas de Ferramentas | Agente central de IA—usa ferramentas e histórico de chat |
Criar Dados | Empacota respostas e dados para requisições API de saída |
Saída de Chat | Exibe o resultado final ao usuário ou sistema |
Notas | Orientação ao operador (ex: onde inserir chaves de API/URLs) |
Casos de Uso & Benefícios
- Suporte ao Cliente Automatizado: Otimiza o processo de extração, enriquecimento e resposta a consultas de clientes com respostas profissionais, precisas e contextualizadas.
- Suporte Multilíngue: Detecta e responde automaticamente no idioma do cliente, com tradução e formatação gerenciadas pelo fluxo.
- Gestão de Conhecimento Escalável: Integra múltiplas fontes de conhecimento (documentos internos, Google Docs, etc.) para respostas abrangentes e atualizadas.
- Integração Transparente com Sistemas Externos: Conecta-se facilmente a diversas APIs para ações de entrada (busca de mensagens) e saída (envio de respostas).
- Escalonamento para Humanos: Encaminha automaticamente casos não resolvidos ou ambíguos para agentes humanos, garantindo suporte de alta qualidade.
Por que Este Fluxo é Útil para Escala e Automação
- Reduz o Trabalho Manual: Ao automatizar a recuperação de dados, extração de mensagens, construção de contexto e geração de respostas, minimiza a necessidade de intervenção humana em atendimentos rotineiros.
- Consistência & Qualidade: Garante que todas as comunicações sigam o tom, formato e precisão de informações da empresa, independentemente do agente ou turno.
- Adaptação Rápida: Conecta-se facilmente a novas fontes de dados ou APIs, adapta-se a novos idiomas e pode escalar para volumes maiores de suporte com pouca configuração adicional.
- Melhora a Satisfação do Cliente: Respostas rápidas, relevantes e amigáveis—adaptadas ao idioma e consulta de cada cliente—geram melhores experiências e fidelização.
Fluxo Visual (Simplificado)
Abaixo, uma representação simplificada dos principais passos:
- Entrada de Chat / Consulta à API →
- Buscar Mensagens do Ticket (Requisição API) →
- Parsear Dados →
- Extrair Última Mensagem do Usuário (LLM) →
- Enriquecer Prompt com Contexto & Histórico →
- Recuperar Conhecimento (Documentos/Google Docs) →
- Agente de Ferramentas (LLM) Gera Resposta →
- Formatar/Traduzir/Enviar Resposta (Requisição API) →
- Exibir/Entregar Saída
Este fluxo de trabalho é uma base robusta para qualquer organização que deseje automatizar e escalar o suporte ao cliente, assistência técnica ou fluxos de entrega de informações que exijam integração com APIs externas, bases de conhecimento e respostas avançadas de IA.