Lernen: Durchführen von Serviceprozess-"Zustandsänderungen" in natürlicher Sprache (Zustandsmaschinen)

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:

Sie erhalten eine .
Kategorisieren Sie jede  in primäre und sekundäre Kategorien.
Geben Sie die Ausgabe im Json-Format mit den Schlüsseln  und  aus. Nur die Ausgabe im Json-Format muss ausgegeben werden, sonst nichts.
Primäre Kategorie: , ,  oder .
 Sekundäre Kategorie: \
Abonnement oder Upgrade kündigen \\
Zahlungsmethode hinzufügen \\
Erläuterung zu den Gebühren \\
Gebühr für Streitigkeiten
 Zweite Kategorie: \
Allgemeine Fehlersuche \\
Gerätekompatibilität \\
Software-Updates \
 Unterkategorie: \
Passwort zurücksetzen \
Persönliche Informationen aktualisieren \
Konto schließen \
Kontosicherheit \
 Unterkategorie:
Produktinformation \
Zahlung \
Feedback \
Mit Menschen sprechen \
---
Kundenservice-Anfrage: Ich möchte, dass Sie meine persönlichen Daten und alle meine Benutzerdaten löschen

Ausfuhren

{
"primär": "Kontoführung",
"sekundär": "Konto schließen"
}

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.

Sie erhalten .

## Service Verfahren

1. bevorzugt, um die Problemklassifizierung des Benutzers zu bestätigen, die Problemklassifizierung ist wie folgt:

<Primäre Kategorie: , ,  oder .
 Sekundäre Kategorie: \
Abonnement oder Upgrade kündigen \\
Hinzufügen einer Zahlungsmethode \\\
Erläuterung zu den Gebühren \\
Gebühr für Streitigkeiten
 Zweite Kategorie: \
Allgemeine Fehlersuche \\
Gerätekompatibilität \\
Software-Updates \
 Unterkategorie: \
Passwort zurücksetzen \
Persönliche Informationen aktualisieren \
Konto schließen \
Kontosicherheit \
 Unterkategorie:
Produktinformation \
Zahlung \
Rückmeldung \
Mit Menschen sprechen \

2. wenn der Benutzer bestätigt, dass die Frage richtig kategorisiert wurde, beantworten Sie die Arbeitsschritte entsprechend dem Kontext

3. nachdem der Benutzer die Bedienungsschritte bestätigt hat, grüßen Sie ihn freundlich und schließen das Thema ab.

---

{Kontext}

---

Anfrage an den Kundendienst: Ich möchte, dass Sie mein Profil und alle meine Benutzerdaten löschen

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:

# Status des Dialogs

``json
{
"id": "1_intro",.
"description": "Führen Sie Kunden durch ihre Bedürfnisse, indem Sie persönliche Informationen und Informationen über den Anlass, den sie tragen, bereitstellen." ,
"instructions": [
"Begrüße die Kunden freundlich und frage sie nach ihrem Alter, Geschlecht, Beruf und persönlichen Vorlieben." , "Anweisungen".
"Bestätige die Anlässe, zu denen sich die Kunden kleiden (z. B. formell, leger, für Verabredungen usw.), um ihnen geeignete Kleidungsstücke zu empfehlen."
],.
"Beispiele": [
"Hallo! Um Ihnen bei der Auswahl eines passenden Kleidungsstücks besser helfen zu können, können Sie mir zunächst Ihr Alter, Ihr Geschlecht und Ihren Beruf nennen?" ,
"Darf ich Sie fragen, zu welchem Anlass Sie dieses Outfit tragen möchten? Ist es die Arbeit, eine Verabredung oder ein zwangloser Anlass?"
],.
"Übergänge": [{
"next_step": "2_recommend_outfit", , "next_step": "2_recommend_outfit
"condition": "Nachdem der Kunde persönliche Informationen und Informationen über den Anlass der Kleidung angegeben hat."
}]
}
```

```json.
{
"id": "2_recommend_outfit",.
"description": "Empfiehlt das passende Outfit basierend auf den vom Kunden angegebenen Informationen." ,
"instructions": [
"Bietet zwei bis drei Vorschläge für das passende Outfit, basierend auf den persönlichen Informationen des Kunden und dem Anlass, den er trägt." , "instructions".
"Bietet eine detaillierte Beschreibung für jedes Paar, einschließlich der Art der Kleidung, wie es zusammenpasst und wie man es mit Accessoires ergänzt.
],.
"examples": [
"Aufgrund Ihres Berufs und des bevorstehenden Geschäftstreffens empfehle ich einen dunklen Anzug mit einer einfachen Krawatte." ,
"Wenn Sie eine entspannte Party besuchen wollen, sollten Sie es mit Jeans, einem legeren Hemd und einem Paar bequemer Schuhe versuchen."
],.
"transitions": [{
"next_step": "3_get_feedback",
"condition": "Der Kunde hat die Kleidungsempfehlung erhalten und ist bereit, ein Feedback zu geben."
}]
}
``

```json.
{
"id": "3_get_feedback",.
"description": "Empfehlungen aufgrund von Kundenfeedback anpassen oder bestätigen." ,
"instructions": [
"Fragen Sie den Kunden, ob er mit der empfohlenen Paarung zufrieden ist, und passen Sie die Empfehlung aufgrund des Feedbacks an, wenn er spezifischere Bedürfnisse hat." ,
"Wenn der Kunde mit der Empfehlung zufrieden ist, bestätigen Sie die endgültige Paarung und beenden Sie den Dialog."
],.
"Beispiele": [
"Was halten Sie von diesen Paarungen? Müssen sie an Ihre Bedürfnisse angepasst werden?" ,
"Wenn Sie diese Paarung für geeignet halten, können Sie mit den Vorbereitungen beginnen!"
],,
"Übergänge": [{
"next_step": "4_finalise_outfit",
"condition": "Der Kunde bestätigt seine Zufriedenheit und schließt die Zusammenstellung des Outfits ab."
}]
}
```

```json.
{
"id": "4_finalize_outfit",.
"description": "Bestätigt die endgültige Übereinstimmung des Kunden und schließt den Dialog." ,
"instructions": [
"Bestätigt die Auswahl der endgültigen Übereinstimmung des Kunden." ,
"Wünscht dem Kunden, dass er gut gekleidet ist und gerne an dem Anlass teilnimmt."
],
"examples": [
"Großartig, Ihre Paarung wurde ausgewählt! Wir hoffen, dass Sie bei diesem Anlass glänzen werden." ,
"Viel Glück für Ihre heutige Veranstaltung, mit den passenden Outfits werden Sie sich sicher noch selbstbewusster fühlen!"
],.
"transitions": []
}
```

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

dekodieren

Die oben genannten Aufforderungswörter sind gespeicherte Dialogzustände zwischen dem KI-Kleiderführer und dem Benutzer, um den vorprogrammierten Serviceablauf zu erfassen.

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

Die Erstellung von Arbeitsabläufen, die ausschließlich auf natürlicher Sprache basieren, liefert neue Ideen. Vor allem 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.