Botpress Autonomous Node ช่วยให้คุณสร้าง AI agent ที่ทำงานได้จริง – ไม่ใช่แค่แชทบอท แต่เป็น agent อัตโนมัติที่ตัดสินใจได้เองตามบริบทที่มีอยู่
ด้วยการให้คำแนะนำที่ชัดเจนและผสานเครื่องมือเข้าด้วยกัน ผู้สร้างบอทสามารถใช้ Autonomous Nodes เพื่อกำหนดพฤติกรรมของแชทบอทได้
Node นี้ถูกออกแบบมาเพื่อจัดการทั้งการตัดสินใจและการดำเนินการ โดยเข้าใจอินพุตของผู้ใช้ ตอบกลับด้วยข้อมูลที่ถูกต้อง และใช้เครื่องมือที่มีอยู่
หากคุณสนใจใช้งาน Autonomous Node คุณมาถูกที่แล้ว ในบทความนี้ ผมจะอธิบายพื้นฐานของฟีเจอร์ agentic อันทรงพลังของแพลตฟอร์มเรา
คุณสมบัติเด่นของ Autonomous Node
1. ขับเคลื่อนการตัดสินใจด้วย LLM
Autonomous Node ใช้ความสามารถของ LLM ในการตัดสินใจอย่างชาญฉลาดผ่าน LLM agent
2. พฤติกรรมอัตโนมัติ
Autonomous Node สามารถดำเนินการได้เองโดยไม่ต้องมีการสั่งงานด้วยมือ ตามคำแนะนำและอินพุตจากผู้ใช้
3. Tools
Autonomous Node เข้าใจและใช้เครื่องมือเฉพาะ เช่น สืบค้นข้อมูลใน knowledge base, ค้นหาข้อมูลบนเว็บ, และดำเนินการเปลี่ยนขั้นตอนใน workflow
4. ปรับแต่งได้
โดยการตั้งค่า persona และคำแนะนำที่ละเอียด คุณสามารถมั่นใจได้ว่า Autonomous Node จะทำงานสอดคล้องกับแบรนด์และขอบเขตที่กำหนดไว้ระหว่างสนทนา
5. เขียนและรันโค้ด
Autonomous Node สามารถสร้างและรันโค้ดที่กำหนดเองเพื่อดำเนินงานต่าง ๆ ได้
6. แก้ไขตัวเอง
หาก Autonomous Node พบว่ากำลังดำเนินการผิดทาง มันสามารถแก้ไขและกู้คืนจากข้อผิดพลาดได้ด้วยตัวเอง
การตั้งค่าคอนฟิก
แต่ละ Autonomous Node ต้องได้รับการตั้งค่าอย่างรอบคอบเพื่อให้พฤติกรรมสอดคล้องกับความต้องการทางธุรกิจ
ส่วนที่สำคัญที่สุดของการตั้งค่า Autonomous Node คือการเขียน prompt และคำแนะนำที่เหมาะสม Prompt จะช่วยให้ agent เข้าใจ persona ของตนเองและนำทางการตัดสินใจ
กล่อง Instructions
ในกล่อง Instructions ให้ระบุแนวทางที่ชัดเจน ยิ่งคำแนะนำเฉพาะเจาะจงมากเท่าไร agent ก็จะตัดสินใจได้ดีขึ้นเท่านั้น
ตัวอย่าง: “คุณคือผู้ช่วยที่พร้อมช่วยเหลือเสมอ โดยจะตอบคำถามด้วยเครื่องมือ ‘knowledgeAgent.knowledgequery’ หากผู้ใช้พิมพ์ว่า ‘search’ ให้ใช้เครื่องมือ ‘browser.webSearch’”
อนุญาตให้สนทนา
การเปิดใช้งาน Allow Conversation จะทำให้ Autonomous Node สามารถพูดคุยกับผู้ใช้โดยตรงได้ หากปิดไว้ Node จะประมวลผลคำสั่งและทำงานภายในโดยไม่ส่งข้อความถึงผู้ใช้
ทำความเข้าใจเครื่องมือ
ตามคำแนะนำที่คุณให้ Autonomous Node จะมีเครื่องมือหลายอย่างที่สามารถเรียกใช้งานได้
แต่ละเครื่องมือมีหน้าที่เฉพาะ การเข้าใจว่าเมื่อไรและอย่างไรควรใช้เครื่องมือเหล่านี้เป็นสิ่งสำคัญต่อการตัดสินใจของ Node
7 เครื่องมือที่ใช้บ่อยที่สุด
- global.think: ให้ LLMz engine คิดทบทวนก่อนดำเนินการต่อ
- browser.webSearch: ช่วยให้ agent ค้นหาข้อมูลบนเว็บได้
- knowledgeAgent.knowledgequery: ค้นหาข้อมูลที่เกี่ยวข้องจาก knowledge base ภายใน
- clock.setReminder: ตั้งเตือนความจำสำหรับงานหรือการตอบกลับในอนาคต
- workflow.transition: ดำเนินการเปลี่ยนขั้นตอนใน workflow เพื่อเปลี่ยนช่วงของบทสนทนาตามอินพุตผู้ใช้
- chat.sendText: ส่งข้อความตัวอักษรตอบกลับไปยังผู้ใช้
- chat.waitForUserInput: หยุดรออินพุตเพิ่มเติมจากผู้ใช้ก่อนดำเนินการต่อ
โดยการระบุว่าจะใช้เครื่องมือใดตอบสนองต่อการกระทำของผู้ใช้ คุณสามารถควบคุมทิศทางและผลลัพธ์ของบทสนทนาได้
ตัวอย่างเช่น คุณสามารถสั่งให้ LLM ทำบางอย่างทุกครั้งที่ตรงตามเงื่อนไขที่กำหนด: “เมื่อผู้ใช้พิมพ์ว่า ‘1’ ให้ใช้เครื่องมือ ‘workflow.transition’ เพื่อไปยังขั้นตอนถัดไป”
หรือ: “หากผู้ใช้ถามคำถาม ให้พยายามตอบโดยใช้เครื่องมือ ‘knowledgeAgent.knowledgequery’ ก่อน”
ตัวอย่าง Workflow
นี่คือตัวอย่างทีละขั้นตอนว่าการตั้งค่าและการทำงานของ Autonomous Node ในระหว่างสนทนาเป็นอย่างไร
1. อินพุตจากผู้ใช้
ผู้ใช้พิมพ์คำถามเกี่ยวกับผลิตภัณฑ์ของบริษัท
2. การดำเนินการตามคำแนะนำ
Autonomous Node ทำตาม prompt และใช้เครื่องมือ knowledgeAgent.knowledgequery เพื่อค้นหาข้อมูลใน knowledge base ภายใน
3. การตัดสินใจของ LLM
หาก knowledge base ไม่มีคำตอบที่น่าพอใจ Node อาจใช้ browser.webSearch เพื่อค้นหาข้อมูลเพิ่มเติมจากเว็บ
4. ส่งข้อความ
เมื่อได้คำตอบแล้ว Node จะใช้ chat.sendText ตอบกลับผู้ใช้ด้วยข้อมูลที่เกี่ยวข้อง
5. รออินพุต
หลังจากตอบกลับ Node จะใช้ chat.waitForUserInput เพื่อรอคำถามหรือการโต้ตอบเพิ่มเติมจากผู้ใช้
วิธีเขียนคำแนะนำ
ดังที่เห็นในตัวอย่าง คำแนะนำที่ชัดเจนเป็นสิ่งสำคัญเพื่อให้ Autonomous Node ทำงานได้ถูกต้อง
ความสามารถในการตัดสินใจของ LLM ขึ้นอยู่กับโครงสร้างของคำแนะนำเป็นอย่างมาก
นี่คือ 3 แนวทางปฏิบัติที่ดีที่สุดสำหรับการเขียนคำแนะนำให้ Autonomous Node ของคุณ
1. ระบุให้ชัดเจน
แทนที่จะใช้คำสั่งกว้าง ๆ ให้ใช้ถ้อยคำที่ชัดเจนและตรงประเด็นเพื่อชี้นำ agent
ตัวอย่าง: “หากผู้ใช้พิมพ์ว่า ‘help’ ให้ส่งรายการตัวเลือกการช่วยเหลือที่กำหนดไว้ล่วงหน้าด้วย ‘chat.sendText’”
2. กำหนดการใช้เครื่องมือ
ระบุให้ชัดเจนว่าแต่ละสถานการณ์ควรใช้เครื่องมือใด
ตัวอย่าง: “ให้ใช้ ‘knowledgeAgent.knowledgequery’ ตอบคำถามเกี่ยวกับผลิตภัณฑ์เสมอ”
3. กำหนดทิศทางการสนทนา
ใช้ขั้นตอนและการเปลี่ยนผ่านที่ชัดเจนเพื่อให้บทสนทนาเป็นไปในทิศทางที่ต้องการ
ตัวอย่าง: “หาก knowledge base ไม่สามารถตอบได้ ให้เปลี่ยนไปค้นหาด้วย ‘browser.webSearch’”
คุณสามารถดูข้อมูลเพิ่มเติมได้ที่ลิงก์ต่อไปนี้:
- แนวทางปฏิบัติที่ดีที่สุดสำหรับ prompt engineering กับ OpenAI API
- สร้างระบบด้วย ChatGPT API
- ChatGPT Prompt Engineering สำหรับนักพัฒนา
การใช้ Markdown Syntax
ก่อนเริ่มต้น สิ่งสำคัญคือต้องพูดถึงความสำคัญของการใช้ Markdown Syntax
เพื่อสร้าง prompt ที่มีโครงสร้างและอ่านง่าย ควรใช้ markdown เช่น หัวข้อหลัก, bullet point และตัวหนา
ไวยากรณ์นี้ช่วยให้ LLM รับรู้และเคารพลำดับชั้นของคำแนะนำ ทำให้แยกแยะระหว่างหัวข้อหลัก คำแนะนำย่อย และตัวอย่างได้ง่ายขึ้น
หากคุณใช้ Markdown syntax ไม่ถนัด ก็ใช้โครงสร้างที่คุณถนัดได้ – ตราบใดที่ยังชัดเจนและมีลำดับขั้น
ข้อมูลเพิ่มเติมเกี่ยวกับ Markdown Basic Syntax
Prompt ที่เป็นประโยชน์
ส่วนนี้รวบรวมตัวอย่างและรูปแบบที่ใช้บ่อยที่สุด ซึ่งคุณสามารถนำไปใช้ควบคุมพฤติกรรมของ Autonomous Node ได้
ตัวอย่างเหล่านี้ได้จากประสบการณ์จริง และแสดงวิธีจัดการสถานการณ์ต่าง ๆ ด้วยคำแนะนำและเครื่องมือเฉพาะ
เน้นที่ความรู้ภายใน
เพื่อให้ node แยกแยะระหว่างคำถามด้านซัพพอร์ตกับคำถามประเภทอื่น (เช่น ราคา หรือฟีเจอร์) คุณสามารถชี้นำได้ดังนี้
**IMPORTANT General Process**
- The knowledgeAgent.knowledgequery tool is to be used only for support-related questions and NOT for general features or price-related questions.
- The browser.websearch tool is to be used ONLY for support questions, and it should NOT be used for general features or price-related questions.prompt นี้จะทำให้ LLM ใช้เครื่องมือเฉพาะแค่กับคำถามที่เกี่ยวกับซัพพอร์ตเท่านั้น ควบคุมประเภทข้อมูลที่ดึงมาได้
เปลี่ยน Node ไปยัง Subflow
บางครั้งคุณอาจต้องการให้บอทออกจาก Autonomous Node ไปยัง sub-flow
สมมติว่าคุณต้องการให้บอทเก็บอีเมลผู้ใช้ แล้วค้นหาข้อมูลเพิ่มเติมเกี่ยวกับอีเมลนั้นจากระบบอื่นเพื่อเสริมข้อมูลติดต่อ
ในกรณีนี้ คุณอาจต้องให้บอทออกจากลูป Autonomous Node แล้วเข้าสู่ subflow ที่มีหลายขั้นตอน/ระบบเพื่อเสริมข้อมูลติดต่อ
When the user wants more information about an email, go to the transition tool.คำแนะนำนี้จะบอก node ให้เรียกใช้เครื่องมือ workflow.transition ทุกครั้งที่ผู้ใช้ขอรายละเอียดเพิ่มเติมเกี่ยวกับอีเมล เพื่อเปลี่ยนทิศทางการสนทนาให้เหมาะสม
การกรอกตัวแปรและดำเนินการบางอย่าง
สำหรับกรณีที่คุณต้องการให้ node รับอินพุตและดำเนินการพร้อมกัน คุณสามารถเขียน prompt ได้ดังนี้:
When the user wants more information about an email, go to the transition tool and fill in the "email" variable with the email the user is asking about.ที่นี่ คุณจะกำหนดให้ Node ไม่เพียงแค่กระตุ้นการเปลี่ยนเส้นทางเท่านั้น แต่ยังดึงและบันทึกอีเมลของผู้ใช้ลงในตัวแปร เพื่อให้สามารถนำไปใช้สร้างพฤติกรรมแบบไดนามิกในบทสนทนาได้ภายหลัง
ปรับเปลี่ยนการตอบกลับตามเงื่อนไข
บางครั้งคุณอาจต้องการให้ node ทำงานเพิ่มเติมตามเงื่อนไขต่าง ๆ ตัวอย่างเช่น การให้ลิงก์วิดีโอ:
If the users selects “1” then say something like “thank you”, then use the transition tool.พรอมต์นี้ช่วยให้ node เข้าใจโครงสร้างของลิงก์วิดีโอที่คาดหวัง และวิธีปรับเปลี่ยนเมื่อต้องอ้างอิงจุดใดจุดหนึ่งในวิดีโอตามคำขอของผู้ใช้
ตัวอย่างการใช้เทมเพลตสำหรับลิงก์วิดีโอ
คุณสามารถอธิบายพรอมต์ให้ชัดเจนขึ้นโดยให้ตัวอย่างจริงว่าระบบควรตอบสนองอย่างไรเมื่อผู้ใช้ขอลิงก์วิดีโอ
**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}}"""สิ่งนี้จะช่วยให้ node มีแนวทางที่ชัดเจนในการสร้างลิงก์วิดีโอพร้อมเวลาที่ระบุ เพื่อให้ตอบกลับได้อย่างสม่ำเสมอและเป็นมิตรกับผู้ใช้
การแก้ไขปัญหา & การวินิจฉัย
ขณะทดสอบการทำงานของ Autonomous Node ในอีมูเลเตอร์ สิ่งสำคัญคือต้องวิเคราะห์ว่าเกิดอะไรขึ้นเบื้องหลัง Node ตัดสินใจอย่างไร
นี่คือวิธีการแก้ไขปัญหาและตรวจสอบกระบวนการคิดและประสิทธิภาพของ Node
วิธีแก้ไขปัญหา 3 แบบ
1. ตรวจสอบ Mind ของ Node
โดยคลิกที่ Inspect คุณจะสามารถดูสถานะภายในของ Autonomous Node และเข้าใจว่า LLM กำลังประมวลผลอะไรอยู่ เมื่อทำการตรวจสอบ คุณจะเห็นว่า:
- Node ให้ความสำคัญกับคำสั่งใด
- Node ตีความพรอมต์ของคุณอย่างไร
- Node ปฏิบัติตามข้อจำกัดและคำสั่งที่คุณให้ไว้หรือไม่
หากคุณสังเกตว่า node ตอบกลับไม่ถูกต้องหรือดูเหมือนจะละเลยคำสั่งบางอย่าง การตรวจสอบจะช่วยให้เห็นว่า node เข้าใจพรอมต์ผิดหรือไม่ หรือไม่สามารถเรียกใช้เครื่องมือที่ระบุได้
2. ตรวจสอบแท็บ Tools
ส่วน Tools จะแสดงเครื่องมือทั้งหมดที่ Autonomous Node สามารถใช้ได้ ทุกครั้งที่คุณเพิ่มการ์ดใหม่หรือเปลี่ยนแปลงการตั้งค่า node รายการเครื่องมือจะอัปเดตทันที
- ตรวจสอบให้แน่ใจว่าเครื่องมือที่แสดงตรงกับสิ่งที่คุณคาดว่าจะมีในกระบวนการตัดสินใจของ node
- ตรวจสอบให้แน่ใจว่าชื่อเครื่องมือในพรอมต์สะกดถูกต้อง เพื่อให้ node สามารถดำเนินการตามที่ระบุได้อย่างถูกต้อง
3. ตรวจสอบแท็บ Iterations
โดยปกติ Autonomous Node จะพยายามดำเนินการตามคำสั่งทั้งหมดภายในหนึ่งหรือสองรอบ จำนวนรอบขึ้นอยู่กับความซับซ้อนของพรอมต์และวิธีที่ Node วิเคราะห์
สำหรับงานที่ซับซ้อนมากขึ้น node อาจต้องใช้หลายรอบเพื่อรวบรวมข้อมูล ตัดสินใจ หรือดึงข้อมูลจากภายนอก
โดยการตรวจสอบแท็บ Iterations (หรือแท็บ All) คุณจะเข้าใจได้ว่า:
- Node ใช้เวลากี่รอบกว่าจะตัดสินใจขั้นสุดท้ายได้
- อะไรเป็นสาเหตุให้ node ต้องดำเนินการหลายขั้นตอน (เช่น ดึงข้อมูลเพิ่มเติมจากเครื่องมืออย่าง knowledgeAgent.knowledgequery หรือ browser.webSearch)
- เหตุผลที่ได้ผลลัพธ์แบบนั้น
ปัญหาที่พบบ่อยในการแก้ไขปัญหา
ขนาดของโมเดล
Autonomous Node อาจไม่ปฏิบัติตามพรอมต์ของคุณ ดำเนินการเพียงบางส่วน หรือเรียกใช้ “workflowQueue” โดยไม่เรียกใช้เครื่องมือ “workflowExecuteAll”
โดยปกติแล้ว การเปลี่ยนขนาด LLM ของ Autonomous Node ให้เล็กลงจะช่วยประหยัดค่าใช้จ่าย แต่ก็มีข้อเสียเช่นกัน
LLM ที่เล็กกว่าอาจทำให้บางส่วนของพรอมต์ถูกตัดออก โดยเฉพาะส่วนกำหนดนิยามที่ Botpress เพิ่มเข้าไปเพื่อให้ LLM เข้าใจวิธีการทำงานของการ์ดและพารามิเตอร์ที่จำเป็น หากไม่มีส่วนนี้ บอทจะไม่สามารถทำงานได้อย่างถูกต้อง
เวอร์ชันของ LLMz
ควรตรวจสอบให้แน่ใจเสมอว่าคุณใช้เวอร์ชันเสถียรล่าสุดของ LLMz ซึ่งเป็นเอนจินอัตโนมัติที่ควบคุมการทำงานของ autonomous node
นอกจากนี้ยังมีการแก้ไขบั๊ก ทำให้พรอมต์สามารถใช้งานกับ LLMs ได้หลากหลายมากขึ้น
ตัวอย่าง: การวินิจฉัยการสร้างโค้ด
สมมติว่า Autonomous Node กำลังสร้างโค้ดแต่ไม่ปฏิบัติตามพรอมต์อย่างถูกต้อง นี่คือวิธีที่คุณสามารถแก้ไขปัญหาได้:
- Inspect: ตรวจสอบว่า node ปฏิบัติตามคำสั่งใด เข้าใจคำขอสร้างโค้ดถูกต้องหรือไม่
- Tools: ตรวจสอบว่า node เข้าถึงเครื่องมือที่จำเป็นได้หรือไม่ (เช่น เครื่องมือสร้างโค้ดหรือเครื่องมือค้นหาฐานความรู้) และตรวจสอบว่าพรอมต์อ้างอิงถึงเครื่องมือเหล่านี้อย่างชัดเจน
- Iterations: ดูที่แท็บ iterations เพื่อดูว่า node ดำเนินการจนถึงขั้นตอนสร้างโค้ดได้อย่างไร ใช้กี่ขั้นตอน มีการค้นหาฐานความรู้ก่อนหรือพยายามสร้างโค้ดทันที
Solution: หากบอทไม่สามารถสร้างโค้ดได้อย่างถูกต้อง:
- ตรวจสอบให้แน่ใจว่าเครื่องมือที่ใช้สร้างโค้ดถูกอ้างอิงในพรอมต์อย่างถูกต้อง
- ปรับคำสั่งให้ node ทำตามขั้นตอนที่ชัดเจน เช่น ดึงข้อมูลที่เกี่ยวข้องก่อนแล้วจึงสร้างโค้ด
ตัวอย่างพรอมต์ฉบับเต็ม
**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.การแยกส่วนพรอมต์
ในพรอมต์ฉบับเต็มข้างต้น ผู้ใช้ได้สร้าง AI assistant ที่ตอบคำถามของนักเรียนเกี่ยวกับคอร์สเรียน
ตัวอย่างข้างต้นเป็นแนวทางที่สามารถปรับเปลี่ยนให้เหมาะกับความต้องการของคุณได้ แต่โครงสร้างนี้เป็นรูปแบบที่ฉันพบว่ามีประสิทธิภาพมากที่สุดจนถึงขณะนี้
มาดูกันว่าทำไมพรอมต์ถึงถูกจัดวางในลักษณะนี้:
1. ข้อควรระวังสำคัญ
**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.Purpose: กำหนดขอบเขตการใช้เครื่องมือ Query Knowledge Base ว่าใช้เฉพาะสำหรับการสนับสนุนเกี่ยวกับคอร์สเท่านั้น ไม่ใช่สำหรับคำถามทั่วไปเกี่ยวกับฟีเจอร์หรือราคา
Significance: ช่วยจำกัดขอบเขตของบอท ทำให้ตอบคำถามได้ตรงจุดและเกี่ยวข้องกับผู้ใช้ โดยเฉพาะเน้นเนื้อหาด้านการศึกษา
2. คำอธิบายบทบาท
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.Purpose: กำหนดบทบาทของ AI ให้เป็นผู้ช่วยที่เน้นการสนับสนุน โดยระบุเป้าหมายหลักคือแก้ไขข้อสงสัยเกี่ยวกับคอร์ส
Significance: ทำให้การตอบกลับของผู้ช่วยสอดคล้องกับวัตถุประสงค์ที่ตั้งไว้ ช่วยจัดการความคาดหวังของผู้ใช้และคงความเกี่ยวข้องกับเนื้อหาหลัก (ในกรณีนี้คือ XYZ LMS)
3. โทนเสียงและภาษา
• 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.Purpose: ให้แนวทางเกี่ยวกับท่าที โทนเสียง และความเป็นมืออาชีพของผู้ช่วย พร้อมทั้งรักษาความปลอดภัยและความเป็นส่วนตัวของข้อมูล
Significance: กำหนดโทนเสียงที่เป็นมิตรและปลอดภัย สอดคล้องกับแบรนด์และความคาดหวังของผู้ใช้สำหรับผู้ช่วยที่เป็นมืออาชีพและให้การสนับสนุน
4. ลำดับการโต้ตอบและคำสั่ง
การทักทายและสอบถามเบื้องต้น
• Start with a friendly and professional greeting.
• Encourage users to ask questions about course content, support materials, or other course-related concerns.Purpose: คำสั่งนี้กำหนดให้ผู้ช่วยเริ่มต้นด้วยการทักทายอย่างอบอุ่นและเป็นมืออาชีพ พร้อมกระตุ้นให้ผู้ใช้ถามคำถามเกี่ยวกับคอร์สโดยเฉพาะ
Significance: สร้างจุดเริ่มต้นที่น่าเข้าหา ช่วยเพิ่มการมีส่วนร่วมของผู้ใช้และช่วยให้บอทรวบรวมข้อมูลเพื่อการตอบกลับที่ดียิ่งขึ้น
การค้นหาข้อมูลและแก้ไขปัญหา
• 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").Purpose: สั่งให้ผู้ช่วยใช้ฐานความรู้ในการให้คำตอบที่เกี่ยวข้องและชัดเจน รวมถึงแนวทางการแบ่งปันวิดีโอที่มีลิงก์ระบุเวลาอย่างเป็นระบบ
Significance: ช่วยให้ตอบคำถามได้อย่างมีประสิทธิภาพและแม่นยำ พร้อมแนวทางที่เป็นระบบสำหรับคำถามเกี่ยวกับเนื้อหา เช่น วิดีโอ เพื่อประสบการณ์ที่ราบรื่นของผู้ใช้
สรุปการสนทนา
Once the issue is resolved, politely conclude the interaction and ask if there's anything else you can assist with.Purpose: แนะนำให้บอทปิดการสนทนาอย่างสุภาพ โดยสอบถามว่าผู้ใช้ต้องการความช่วยเหลือเพิ่มเติมหรือไม่
Significance: รักษาโทนเสียงที่เป็นมืออาชีพและสนับสนุนตลอดการสนทนา และเปิดโอกาสให้ผู้ใช้สอบถามต่อได้หากต้องการ
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}}"""Purpose: แสดงรูปแบบการลิงก์ไปยังส่วนต่าง ๆ ของวิดีโอ เพื่อช่วยให้นักเรียนค้นหาข้อมูลที่ต้องการได้ตรงจุด
Significance: ให้ความชัดเจนในการแบ่งปันวิดีโอ โดยเฉพาะสำหรับเนื้อหาที่ต้องการอ้างอิงเวลาเฉพาะ
*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.Purpose: เตรียมผู้ช่วยให้พร้อมรับมือกับคำถามที่กว้างหรือไม่ชัดเจน โดยกระตุ้นให้ผู้ใช้ให้รายละเอียดเพิ่มเติม
Significance: ช่วยลดความสับสนและทำให้ผู้ช่วยสามารถตอบคำถามของผู้ใช้ได้อย่างเฉพาะเจาะจงมากที่สุด
สร้าง AI Agent ของคุณวันนี้
Botpress คือแพลตฟอร์ม AI agent ที่สามารถขยายความสามารถได้อย่างเต็มที่สำหรับองค์กรธุรกิจ
แพลตฟอร์ม AI แบบครบวงจรของเราในรูปแบบ Platform-as-a-Service (PaaS) ช่วยให้บริษัทสามารถสร้าง ปรับใช้ และติดตามโซลูชันที่ขับเคลื่อนด้วย LLM ได้อย่างง่ายดาย
ไม่ว่าจะนำไปใช้ในอุตสาหกรรม กรณีการใช้งาน หรือกระบวนการทางธุรกิจใด โครงการ Botpress ก็สามารถขยายขนาดได้ ปลอดภัย และสอดคล้องกับแบรนด์เสมอ
ด้วยผู้ใช้มากกว่า 500,000 รายและบอทที่ถูกนำไปใช้งานนับล้านทั่วโลก Botpress จึงเป็นแพลตฟอร์มที่บริษัทและนักพัฒนาต่างเลือกใช้ ความปลอดภัยระดับสูงและบริการดูแลลูกค้าโดยเฉพาะของเราช่วยให้บริษัทพร้อมสำหรับการใช้งาน AI agent ในระดับองค์กร
ด้วยการตั้งค่า Autonomous Nodes อย่างมีประสิทธิภาพโดยใช้ prompt และการกำหนดเครื่องมือที่เหมาะสม องค์กรสามารถสร้าง agent อัจฉริยะที่จัดการโต้ตอบกับผู้ใช้ได้โดยอัตโนมัติ
คำถามที่พบบ่อย
1. ต้องมีประสบการณ์เขียนโค้ดหรือไม่ในการใช้งาน Autonomous Nodes?
คุณไม่จำเป็นต้องมีประสบการณ์เขียนโค้ดเพื่อใช้งาน Autonomous Nodes ใน Botpress เพราะออกแบบมาเพื่อการพัฒนาแบบ low-code คุณสามารถสร้าง AI agent ที่ใช้งานได้ด้วย logic block และเครื่องมือแบบภาพ
2. โหนดอัตโนมัติสามารถเชื่อมต่อกับ API ภายนอกหรือฐานข้อมูลโดยตรงได้หรือไม่?
ได้ Autonomous Node สามารถเชื่อมต่อกับ API ภายนอกหรือฐานข้อมูลได้โดยใช้เครื่องมือของ Botpress เช่น subflow แบบกำหนดเองหรือการเรียก API คุณสามารถกำหนด endpoint ที่ปลอดภัยและส่งพารามิเตอร์เพื่อดึงหรือบันทึกข้อมูลระหว่างการสนทนา
3. สามารถฝัง Autonomous Nodes ลงในแอปมือถือหรือแพลตฟอร์มของบุคคลที่สามได้หรือไม่?
ได้ Autonomous Nodes สามารถฝังลงในแอปมือถือหรือแพลตฟอร์มอื่น ๆ ได้หลังจากที่บอทของคุณถูกนำไปใช้งานแล้ว Botpress รองรับการใช้งานหลายช่องทางผ่าน SDK และการเชื่อมต่อกับแพลตฟอร์มต่าง ๆ เช่น WhatsApp, Slack, Messenger หรือแอปมือถือผ่าน webview หรือ API
4. โหนดจัดการกับผู้ใช้หลายคนพร้อมกันหรือปริมาณการใช้งานสูงอย่างไร?
Autonomous Nodes ใน Botpress จัดการกับผู้ใช้หลายคนพร้อมกันโดยแยกแต่ละ session อิสระในหน่วยความจำ เพื่อให้การสนทนาเป็นแบบเฉพาะบุคคล สำหรับกรณีที่มีปริมาณการใช้งานสูง ควรติดตามการใช้ทรัพยากรและปรับปรุง logic และการเรียก API เพื่อให้ตอบสนองเร็วและพร้อมใช้งานตลอดเวลา
5. มีมาตรการป้องกันไม่ให้ Autonomous Node เปิดเผยข้อมูลที่ละเอียดอ่อนหรือไม่?
มี คุณสามารถตั้งค่ามาตรการป้องกันอย่างเข้มงวดเพื่อไม่ให้ Autonomous Node แชร์ข้อมูลสำคัญได้ โดยจำกัดการเข้าถึงเครื่องมือและปรับแต่ง prompt นอกจากนี้ Botpress ยังใช้ LLM ที่มีระบบความปลอดภัยในตัวเพื่อช่วยให้เป็นไปตามข้อกำหนด
.webp)
