3
社区成员




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。
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。
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
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。