🛠️ Spouštěč nástroje pro konverzaci

Spouštěč nástroje pro konverzaci umožňuje AI agentům v rámci SmartFlow dynamicky interagovat s externími nástroji a systémy, činit inteligentní rozhodnutí pro vykonávání úkolů, získávání dat nebo spouštění následných akcí. Pomocí AI rozhodovacího enginu agenti rozhodují, které nástroje použít, a efektivně spravují více akcí. Tento systém podporuje až 10 akcí nástroje na interakci před poskytnutím odpovědi.

---

📝 Podrobnosti o spouštěči

Název: Conversation Tool
Kategorie: Spouštěče

---

🔧 Parametry

1. Název nástroje

   • Typ: string
   • Popis: Určuje nástroj, který má být vykonán AI agentem. Nástroj musí být předem nakonfigurován a integrován do SmartFlow.
   • Povinné: Ano
   • Příklad: "CRM Lookup"

2. Vstupní proměnné

   • Typ: object
   • Popis: Data potřebná pro nástroj k vykonání jeho úkolu, často odvozená z kontextu pracovního postupu nebo konverzace.
   • Povinné: Ano
   • Příklad:

     {
       "customerId": "12345"
     }

3. Pozorování

   • Typ: string (výchozí: Výstup specifický pro nástroj)
   • Popis: Výsledek akce, který může ovlivnit následné chování AI. Výchozí pozorování je nastaveno na výstup nástroje, ale může být manuálně definováno k řízení další akce agenta.
   • Příklad:
     • Výchozí pozorování: Výsledek API vrácený z nástroje.
     • Vlastní pozorování: "Spusťte další formulář na základě preferencí uživatele."

---

🚀 Jak to funguje

1. Výchozí pozorování:

   • Každá akce nástroje generuje výchozí pozorování na základě výsledku nástroje.
   • Příklad: Úspěšné volání API vrací odpověď API jako pozorování.

2. Nastavení manuálního pozorování:

   • Uživatelé mohou přepsat výchozí pozorování, aby ovlivnili další rozhodnutí AI.
   • Příklad: Místo použití výsledku API jako pozorování může vlastní zpráva jako "Spusťte proces odeslání formuláře" nasměrovat AI k iniciaci další akce.

3. AI rozhodovací engine:

   • Rozhodovací engine analyzuje aktuální pozorování a určuje další akci nástroje, plynule řetězící více nástrojů, když je to potřeba.

4. Formulace odpovědi:

   • Po vykonání až 10 akcí nástroje AI agent formuluje odpověď, buď přímo pomocí pozorování, nebo na základě dalších vstupů od uživatele.

---

💡 Případy použití

1. Dynamická zákaznická podpora:

   • Scénář: Uživatel se ptá: "Mohu dostat aktualizaci k mé nedávné objednávce?"
   • Pracovní postup:
     • Nástroj: API volání pro získání podrobností o objednávce.
     • Pozorování: Výsledek API s stavem objednávky.
     • Odpověď: "Vaše objednávka je na cestě a dorazí 15. ledna 2025."

2. Přesměrování vlastního pracovního postupu:

   • Scénář: Uživatel spouští nástroj, ale chcete, aby AI začala konkrétní formulář.
   • Pracovní postup:
     • Nástroj: "Spouštěč formuláře."
     • Pozorování: "Iniciovat formulář pro zpětnou vazbu uživatelů."
     • Výsledek: AI se dynamicky přepne na odeslání formuláře.

3. Víceúrovňová integrace:

   • Scénář: "Jaká je moje aktuální faktura a mohu ji nyní zaplatit?"
   • Pracovní postup:
     • Krok 1: Získání podrobností o faktuře prostřednictvím API.
     • Krok 2: Spuštění platební brány.
     • Pozorování řídí sekvenci těchto akcí.

---

🔍 Příklad konfigurace

Výchozí pozorování

Název nástroje: "Order Management"
Vstupní proměnné:

{
  "orderId": "67890"
}

Pozorování: API výsledek

{
  "trigger": "ConversationTool",
  "toolName": "Order Management",
  "input": {
    "orderId": "67890"
  },
  "observation": "Stav objednávky úspěšně načten."
}

Vlastní pozorování

Název nástroje: "Start Form"
Vstupní proměnné:

{
  "formId": "feedbackForm"
}

Pozorování: "Formulář pro zpětnou vazbu uživatelů iniciován."

{
  "trigger": "ConversationTool",
  "toolName": "Start Form",
  "input": {
    "formId": "feedbackForm"
  },
  "observation": "Formulář pro zpětnou vazbu uživatelů iniciován."
}

---

🛠️ Nejlepší praktiky

1. Výchozí vs. vlastní pozorování:

   • Používejte výchozí pozorování pro standardní pracovní postupy a integrace API.
   • Přepište pozorování, abyste přesměrovali chování AI pro konkrétní scénáře.

2. Jasné zprávy o pozorování:

   • Ujistěte se, že vlastní pozorování jsou přesná, aby efektivně řídila AI.

3. Řetězení akcí:

   • Plánujte pracovní postupy tak, aby minimalizovaly zbytečné kroky a efektivně využívaly limit 10 akcí.

4. Testování pozorování:

   • Simulujte pracovní postupy, abyste ověřili, že jak výchozí, tak vlastní pozorování vedou k očekávaným rozhodnutím AI.

---

📊 Monitorování a ladění

• Použijte monitorovací panel SmartFlow k sledování:
  • Vykonaných akcí nástrojů.
  • Vygenerovaných pozorování.
  • Rozhodnutí AI a jejich výsledků.
• Ladění pracovních postupů přezkoumáním protokolů pozorování pro identifikaci a vyřešení neočekávaného chování.