AI 训练师如何构建大模型客服机器人

[2301_79273658]

随着基于自监督学习的基础模型的出现，为下游业务提供了基础，针对传统的单算法模型，基于预训练的大语言模型从单算法扩展到多模态，多任务，具备更丰富、更智能的特征。

目前很多公司将对话机器人作为官网的主打，接入公司的官网或者手机应用，以插件的形式提供AI功能，这给AI训练师带来了很多落地的机会。最近有不少同学资讯AI训练师相关的工作和落地经验，今天和大家分享作为一个公司的AI训练师，如何规划大模型客服机器人。

• 资料准备和录入

很多公司有自己的历史资料，例如业务数据库、客服FAQ、历史的规则、用户语料、业务流程等等，前期可以搜集公司目前现存的数据资源，作为模型输入和训练的基础。

1、数据库

将资料整理成类似传统软件开发中数据库，以结构化数据来管理和组织企业的数据，例如客户资料，采购信息，订单等。

1. 知识库

将个业务的问答整理成数据上传到机器人，可以让agent更精确地回答用户问题，机器人通过搜索来检索到最相关的内容。

二、定位AI agent的人设和逻辑回复

通过prompt提示词，对agent机器人进行定位，指导其生成输出。

提示越清晰，就越符合预期的效果，AI agent会根据大语言模型的提示词的理解来回答用户的问题。

设定人物：描述agent所扮演的角色、职责以及回复风格。

例如你是一个医疗机构的医疗助理，可以用专业的话术给出对应的解答。

描述功能和工作流程：描述机器人的工作流程，可以约定在不同的场景下如何去回答问题。

例如当用户查询药品的功效时候，可以调用某个医药APP来搜索内容。

提示词建议通过强调在某种场景下、调用某个工具来提升对机器人的约束力。

同时也可以设置机器人的回复格式，同时也可以限制机器人的回答，例如什么应该回答、什么不应该回答。

三、梳理整体的业务场景

提示词：针对复杂的业务场景，可以用结构化的语法来优化提示词。

多轮工作流：利用插件、大语言模型、代码块等功能进行组合，从而实现复杂的业务流程编排

四、设置机器人基础配置

1、开场白，开场白是用户进入后自动展示的引导信息。它的主要目的是帮助用户明确agent的定位，以及如何交互。

2、消息卡片

消息卡片模板设置，可以选择相关的模板，并配置卡片参数

• 预览与调试

通过预览用户回答的效果和运行日志，调整提示词、模型的阀值、工作流、和知识库优化整体效果。