Lernen: Durchführen von Workflow-"Zustandsänderungen" in natürlicher Sprache (Zustandsautomaten)

Kontexte

Bei der Gestaltung von Dialogen im Zusammenhang mit dem Kundenservice muss der Benutzer häufig bestätigen, dass die aktuelle Aktion abgeschlossen ist, bevor er die nächste Aktion ausführen kann:

1. routing 2. stichwörter

1. die Weiterleitung

In der Regel durch das große Modell, um den Zustand des Benutzers zu bestimmen, und führen Sie dann die entsprechenden Knoten Dienst, der etwas ähnlich wie die Anordnung der "intelligenten Kundenservice" Knoten ist. Beispiel: Nach der Abfrage des Namens, ist der nächste Schritt, um die Telefonnummer zu erhalten.

Typische Routing-Transitknoten-Hinweiswörter:

您将获得<客户服务查询>。
将每个<客户服务查询>分类为主要类别和次要类别。
以Json格式提供输出，key为：<primary>和<secondary>。只需要输出Json格式的输出结果，其他的不需要输出。
主要类别：<结算>、<技术支持>、<账户管理>或<一般查询>。 
<结算>次要类别：\ 
取消订阅或升级 \ 
添加付款方式 \ 
有关费用的说明 \ 
争议费用 
<技术支持>次要类别：\ 
一般故障排除\ 
设备兼容性 \ 
软件更新 \ 
<账户管理>次要类别：\ 
重置密码 \ 
更新个人信息 \ 
关闭账户 \ 
账户安全 \ 
<一般查询>次要类别： 
产品信息 \ 
支付 \ 
反馈 \ 
与人交谈 \
---
客户服务查询：我想让你删除我的个人资料和我所有的用户数据

Ausfuhren

{
"primary": "账户管理",
"secondary": "关闭账户"
}

Der Entwickler verwendet diesen Zustand, um mit dem Entwurf der nachfolgenden Serviceknoten fortzufahren.

2. stichwort

Änderung auf der Grundlage von Routing-Anweisungen, um nachfolgende Dienstknoten hinzuzufügen.

您将获得<客户服务查询>。

## 服务流程

1.首选确认用户的问题分类，问题分类如下：

主要类别：<结算>、<技术支持>、<账户管理>或<一般查询>。 
<结算>次要类别：\ 
取消订阅或升级 \ 
添加付款方式 \ 
有关费用的说明 \ 
争议费用 
<技术支持>次要类别：\ 
一般故障排除\ 
设备兼容性 \ 
软件更新 \ 
<账户管理>次要类别：\ 
重置密码 \ 
更新个人信息 \ 
关闭账户 \ 
账户安全 \ 
<一般查询>次要类别： 
产品信息 \ 
支付 \ 
反馈 \ 
与人交谈 \

2.当用户确认问题分类准确，根据上下文解答操作步骤

3.用户认可操作步骤后，并向用户友好的问候，并结束该话题。

---

{上下文}

---

客户服务查询：我想让你删除我的个人资料和我所有的用户数据

Beim Entwerfen von Prompts beschreiben wir oft den "Prozess", d.h. das große Modell soll dem Prozess Schritt für Schritt folgen, oder wir bitten das große Modell, dem Prozess Schritt für Schritt zu folgen.

Das obige Beispiel mit dem Stichwort ist das letztere, bei dem das große Modell als Kontext in die "Beurteilung" einbezogen werden muss, ähnlich wie bei einer "Zustandsmaschine".

Das Stichwort beschreibt die Unzulänglichkeiten des Beurteilungsprozesses:Instabil, abgeschnitten als historischer Kontext, schwer zu beschreibende Logik (daraus resultierende Instabilität).

Ein neuer Ansatz von OpenAI

Das Prinzip ist einfach: Man definiert eine Reihe von Dialogzuständen im Kontext eines Benutzerdialogs:

# 对话状态

```json
{
"id": "1_intro",
"description": "引导客户提供个人信息和穿着场合信息，了解他们的需求。",
"instructions": [
"友好地问候客户，并询问他们的年龄、性别、职业及个人喜好。",
"确认客户的穿着场合（如正式、休闲、约会等），以便为他们推荐合适的服装搭配。"
],
"examples": [
"您好！为了更好地帮助您选择搭配，能否先告诉我您的年龄、性别以及职业？",
"请问您打算穿着这些服装出席什么场合呢？是工作、约会还是休闲活动？"
],
"transitions": [{
"next_step": "2_recommend_outfit",
"condition": "客户提供了个人信息和穿着场合信息后。"
}]
}
```

```json
{
"id": "2_recommend_outfit",
"description": "根据客户提供的信息推荐合适的服装搭配。",
"instructions": [
"基于客户的个人信息和穿着场合，提供两到三个服装搭配建议。",
"为每个搭配提供详细的描述，包括服装类型、搭配方式以及如何搭配饰品等。"
],
"examples": [
"根据您的职业和即将参加的商务会议，我推荐您穿一套深色西装，配上一条简约的领带。",
"如果您准备参加一个轻松的聚会，可以试试牛仔裤搭配一件休闲衬衫，再加上一双舒适的鞋子。"
],
"transitions": [{
"next_step": "3_get_feedback",
"condition": "客户已经收到了服装推荐并准备给出反馈。"
}]
}
```

```json
{
"id": "3_get_feedback",
"description": "根据客户的反馈进行调整或确认推荐。",
"instructions": [
"询问客户是否对推荐的搭配感到满意，若有更具体需求，可根据反馈调整建议。",
"如果客户对推荐感到满意，确认最终搭配并结束对话。"
],
"examples": [
"您对这些搭配有何想法？是否需要根据您的需求进行调整？",
"如果您觉得这套搭配合适，那就可以开始准备了！"
],
"transitions": [{
"next_step": "4_finalize_outfit",
"condition": "客户确认满意并最终决定服装搭配。"
}]
}
```

```json
{
"id": "4_finalize_outfit",
"description": "确认客户最终搭配并结束对话。",
"instructions": [
"确认客户最终选择的搭配。",
"祝福客户穿着得体，愉快出席场合。"
],
"examples": [
"太好了，您的搭配已经选定！希望您能在场合中大放异彩。",
"祝您今天的活动顺利，搭配的服装一定会让您更加自信！"
],
"transitions": []
}
```

Full example: https://chatgpt.com/share/678dcc28-9570-800b-986a-51e6f80fd241

dekodieren

Die oben genannten Aufforderungswörter sind gespeicherte Dialogzustände zwischen dem KI-Bekleidungsführer und dem Benutzer, um den vorprogrammierten Serviceablauf aufzuzeichnen.

Definieren Sie 4 Knotenpunkte des Serviceprozesses: Leiten der Frage, Bereitstellen von passenden Vorschlägen, Anpassen der Vorschläge auf der Grundlage des Feedbacks und Beenden des Dialogs nach Bestätigung durch den Benutzer.

Die Beschreibung definiert "Fluss" und die Bedingung definiert "Zirkulation".

Reflexionen

Nur mit natürlicher Sprache erstellt Arbeitsablauf liefert neue Ideen. Insbesondere beim Aufbau von Agentenkollaborationsdiensten kann dieser Ansatz einen strengeren Kollaborationsprozess ermöglichen.

Wenn die überwiegende Mehrheit der Dienste durch das Abrufen und Einfügen des Kontexts im Zusammenhang mit der Frage des Benutzers für jeden Dialogzustand implementiert werden kann, könnte dies eine leichtgewichtige und effiziente Methode sein, um auf Dialogdiensten basierende KI-Anwendungen zu gestalten.