Klügere WhatsApp-Bots: KI-Halluzinationen mit Wissens-KI verhindern

Einsatz generativer KI zur Verbesserung der Kundenerfahrung

Ich habe immer gehört, dass die besten Entwickler faule Entwickler sind. Ich gestehe, ich bin ein fauler Entwickler. Die generative künstliche Intelligenz (KI) hilft uns, noch fauler zu sein! Wir können von dieser vorausschauenden KI nicht nur refaktorisierten Code oder sogar vollständig codierte Applications verlangen. Wir können auch die anderen lästigen Teile unserer Applications auslagern, z. B. alle Datenwerte, die wir unseren Nutzern geben wollen.

>> Erkunden Sie die Möglichkeiten von Knowledge AI in unserer öffentlichen Beta-Ankündigung.

Durch den Einsatz von Generative AI in Verbindung mit der Low-Code-Plattform für virtuelle Assistenten von Vonage, AI Studio, können faule effiziente Entwickler das Kundenerlebnis erheblich verbessern. In diesem Artikel erfahren Sie, wie Sie die Website Ihres Unternehmens für häufig gestellte Fragen (FAQ) ersetzen und in einen flexiblen, umfassenden FAQ-WhatsApp-Agenten (auch bekannt als Chatbot) verwandeln können. Vor allem aber erfahren Sie, wie Sie Ihren Agenten mit Hilfe von Wissens-KI über alle neuen Funktionen und Angebote Ihres Unternehmens auf dem Laufenden halten können.

TL;DR Wenn Sie den Agenten nicht selbst erstellen möchten, kopieren Sie die ZIP-Datei und importieren Sie sie in AI Studio, indem Sie die folgenden Anweisungen befolgen Github-Anleitung.

FAQ page for Vonage AI Studio explaining whether the product works standalone and listing supported languages including English, Hebrew, German, and Spanish.

Auftrag: Statische FAQs in einen interaktiven WhatsApp-Agenten verwandeln

Unsere Aufgabe in diesem Artikel wird es sein, eine FAQ-Seite in einen WhatsApp-Agenten zu verwandeln. Wir werden die AI Studio's eigene FAQ Seite und verwandeln sie in einen freundlichen, flexiblen Chatbot.

Sie werden feststellen, dass auf dieser Seite auch über die Kontaktaufnahme mit dem Support gesprochen wird. Dies ist in einem generativen KI-Agenten wichtig, da die Absicht des Benutzers (mehr über AI Studio-Absichten) nicht darin besteht, eine einfache Textantwort zu erhalten, sondern vielmehr eine Aktion auszulösen. Wir nennen dies Aktionsphrasen. Aktionsphrasen können eine E-Mail an den Support sein, die Verbindung von Benutzern mit einem menschlichen Agenteneine Bestellung ausfüllen und vieles mehr! In diesem Tutorial werden wir die Kontaktaufnahme mit dem Support nachahmen, indem wir den E-Mail-Knoten sendennachahmen, aber mit dem AI Studio Webhook-Knoten sind Sie in der Lage, erweiterte Integrationen zu erstellen.

Ich schlage immer vor mit einem Mockup zu beginnen des Agenten zu beginnen, den wir entwickeln wollen. So würde unser Agent aussehen, wenn wir ihn bauen wollten ohne Wissen KI:

Diagram showing an FAQ flow in AI Studio without Knowledge AI, where each intent must be manually mapped to a specific response.

Wir müssen nicht nur für jeden Aktionssatz, sondern auch für jede FAQ-Fragen-Antworten-Kombination eine Absicht erstellen. Aber wir sind faule Bauherren und das würde soooo lange dauern!

Gott sei Dank können wir unseren Agenten jetzt drastisch vereinfachen. Jetzt sieht unser Mockup wie folgt aus:

Diagram showing how AI Studio integrates with Knowledge AI to handle FAQ queries dynamically after classifying user intent.

Wenn der Benutzer keine Frage stellt, die eine Aktionsphrase erfordert (in unserem Fall eine E-Mail an den Support senden), ist unsere Knowledge AI jetzt der Standardfluss. Sie müssen keine Intents mit umfangreichen Listen von Benutzerausdrücken mehr erstellen, da die Wissens-KI in der Lage ist, Anfragen flexibel zu bearbeiten.

Voraussetzungen

• Sie benötigen einen Vonage API Account

Vonage API-Konto

Um dieses Tutorial durchzuführen, benötigen Sie ein Vonage API-Konto. Wenn Sie noch keines haben, können Sie sich noch heute anmelden und mit einem kostenlosen Guthaben beginnen. Sobald Sie ein Konto haben, finden Sie Ihren API-Schlüssel und Ihr API-Geheimnis oben auf dem Vonage-API-Dashboard.

Sind Sie bereit, mit dem Bau zu beginnen?

Erleben Sie nahtlose Konnektivität, Echtzeit-Messaging und kristallklare Sprach- und Videoanrufe - alles auf Knopfdruck.

Wie man eine Wissensdatenbank mit Knowledge AI erstellt

Der erste Schritt vor der Entwicklung des Agenten ist die Einrichtung unserer Wissensdatenbank. Dies wird das Repository sein, das die Antworten unserer Gen-KI leiten wird. Navigieren Sie zur Registerkarte Registerkarte Wissen AI im AI Studio Dashboard.

Mit Knowledge AI werden zwei neue Concepts eingeführt: Indizes und Quellen. Quellen sind einzelne Informationen und Daten. Eine Quelle kann zum Beispiel eine URL (Seite auf einer Website) oder eine Datei sein. Zusammengefasste Quellen bilden Indizes. Die gesamte Informationsmenge, aus der Agenten Antworten generieren können, wird als Index bezeichnet.

Beginnen wir mit der Erstellung unseres ersten Index.

Hinzufügen einer Quelle in Knowledge AI

Klicken Sie auf Quelle hinzufügen. Daraufhin wird ein Formular zum Hinzufügen einer neuen Quelle geöffnet.

Add a new knowledge source in Vonage AI Studio by uploading a local file or providing a URL.

Sie werden feststellen, dass die Quellen entweder eine lokale Datei (TXT, HTML oder PDF) oder eine öffentlich zugängliche URL sein können. Fügen Sie den Link zur FAQ-Seite hinzu, geben Sie ihm einen Namen und klicken Sie auf "Erstellen". Wiederholen Sie nun den Vorgang für die WhatsApp Erste Schritte und WhatsApp Live Agent Weiterleitung Standorte.

Dashboard view of Knowledge AI sources for a WhatsApp agent. Displays three active content sources with their size, type, modification date, and status.

Da wir nun einige Quellen haben, können wir flexiblere Fragen stellen. Fahren wir mit der Erstellung eines Index fort.

Wie man einen Index in Knowledge AI erstellt

Klicken Sie auf die Registerkarte Index in der linken Leiste. Klicken Sie dann auf Index hinzufügen. Geben Sie Ihrem Index zunächst einen schönen Namen wie "AI Studio FAQs". Überprüfen Sie dann alle neu erstellten Quellen und klicken Sie auf Speichern & Beenden.

Assigning data sources to the 'AI Studio FAQs' index in Vonage Knowledge AI. All three sources—WhatsApp Live Agent Routing, WhatsApp Getting Started, and Studio FAQ Site—are selected.Sie sollten nun einen Index sehen.

Index dashboard showing the 'AI Studio FAQs' index built from three knowledge sources: Studio FAQ Site, WhatsApp Live Agent Routing, and WhatsApp Getting Started.

Wie man Indizes in Knowledge AI testet

Mit Knowledge AI können Sie Indizes testen, bevor Sie sie mit Agenten verknüpfen. Bewegen Sie dazu den Mauszeiger über einen Index und ein Play-Symbol wird angezeigt. Klicken Sie auf das Play-Symbol und es öffnet sich der Index-Tester.

Testing interface for the 'AI Studio FAQs' index within the Knowledge AI dashboard. This allows users to validate how the AI will respond based on indexed content.

Sie können nun beliebige Fragen stellen, und der Testagent wird die Antworten aus Ihrem Index abrufen. Versuchen Sie, Fragen von der FAQ-Seite zu stellen, wie z. B. "Welche Sprachen bietet das AI Studio?" oder Fragen von der Seite "Erste Schritte mit WhatsApp", wie z. B. "Kann ich WhatsApp-Nachrichten vor der Genehmigung durch Facebook versenden?".

Versuchen Sie nun, eine Frage zu stellen, die nicht auf diesen Seiten zu finden ist, z. B. "Was ist Vonage Knowledge AI?". Der Agent sagt: "Es konnte keine relevante Antwort gefunden werden". Perfekt! Das bedeutet, dass der Agent in der Lage ist, menschenähnliche Gespräche zu führen, aber nur im Rahmen unseres Indexes.

Bringen wir das jetzt in Ordnung und laden wir unser PDF namens Wissen AI Informationsfolien als neue Quelle hoch. Erstellen Sie einen neuen Index und fügen Sie nun alle unsere Quellen ein. Sie können nun erneut testen und die gleiche Frage stellen. Jetzt haben wir eine Antwort! So einfach ist es, bestehende Agenten für neue Produkte oder Funktionen zu aktualisieren.

Test and refine your Knowledge AI responses by creating and querying an index based on uploaded sources.

Beachten Sie das kleine Buchsymbol in der KI-Antwort. Sie können darauf klicken, um zu sehen, welche Quellen verwendet wurden, um die Antwort zu generieren. Damit können Sie die Quellen für einen Index optimieren, um bessere Ergebnisse zu erzielen.

Da wir nun einen Index haben, den wir unserem generativen KI-Agenten zuweisen können, können wir unseren Agenten erstellen!

Wie man einen AI Studio WhatsApp Agent erstellt

Zu Beginn müssen wir einen WhatsApp-Agenten erstellen. Sie können AI Studio über das Vonage Entwickler-Dashboard und folgen Sie den Anweisungen in der AI Studio Dokumentation. Es gibt drei wichtige Optionen für unseren Agenten, wählen Sie:

• Typ: WhatsApp

• Vorlage: Von Grund auf neu beginnen

• Veranstaltung: Inbound

Verwendung der Knoten "Benutzereingaben sammeln" und "Klassifizierung

• Begrüßen wir unsere Benutzer mit einer Willkommensnachricht, indem wir die Nachricht senden Knoten. Ich möchte ein Foto an unsere Willkommensnachricht anhängen, um unser Unternehmensbranding zu verwenden.

• Als nächstes akzeptieren wir die Antwort des Benutzers mit einer Eingabe sammeln Knoten. Wir speichern die Antwort in einem Parameter namens Benutzer_Anfrage. Die erwartete Eingabe sollte nur Text sein.

Wenn nicht anders angegeben, verwenden alle Parameter in diesem Blog-Beitrag die Entität @sys.any. Für weitere Informationen über Entitäten (verschiedene Arten von Parametern) in AI Studio, lesen Sie bitte lesen Sie bitte die Dokumentation.

• A Klassifizierung Knoten bestimmt nun, wohin der Benutzer geschickt werden soll. Erstellen Sie eine einzelne Absicht namens E-Mail senden. Geben Sie einige Benutzerausdrücke ein, die sich mit E-Mail und Support befassen. Z.B. "E-Mail-Support", "Support kontaktieren", "Support". Der Klassifizierungsparameter ist Benutzer_Anfrage.

• Beenden Sie den Fluss E-Mail senden. Sie müssen einen zweiten Collect Input-Knoten hinzufügen, um die E-Mail-Adresse des Benutzers zu speichern. Dann verwenden Sie diese E-Mail in einer E-Mail senden Knoten.

• Erstellen Sie einen Knoten Nachricht senden, der eine Dankesnachricht an den Benutzer für die Nutzung des Agenten sendet.

• Schließen Sie mit einer Konversation beenden Knoten.

Email fallback flow in Vonage AI Studio for unhandled inquiries. If the agent can't resolve the request, the user's message is classified and routed to collect their email before sending it to a support team.

Jetzt sind wir bereit, unseren Q&A-Knoten zu verwenden!

So verwenden Sie den AI Studio Q&A-Knoten

Wählen Sie zunächst den Knoten Q&A aus dem Abschnitt Konversation wie folgt aus:

Demonstration of the Q&A node in Vonage AI Studio, showing real-time interaction with Knowledge AI. The assistant retrieves responses from indexed FAQ sources to answer user questions dynamically.

Die Konfiguration unseres Knotens wird sein:

• Index: AI Studio FAQs (oder Ihr Indexname)

• Benutzer-Eingabeparameter: user_inquiry

• Antwort-Parameter: ai_response

• Wartezeit: 2 Sekunden

  • Die maximale Zeit, die AI Studio auf eine Antwort warten wird. Wenn die Antwortzeit 2 Sekunden überschreitet, wird der Exit Path Failed ausgelöst.

• Durchschnittliche Länge: 50

• Antwortvorgaben: leer lassen oder mit eigenen Antworten experimentieren!

Wie wir mit unserer generativen KI-Antwort umgehen

Nun, da wir unseren Knotenpunkt zum Abrufen von FAQ-Antworten eingerichtet haben, können wir sie an unsere Benutzer senden! Der gesamte Ablauf wird wie folgt aussehen:

Node flow diagram for the AI-powered FAQ assistant in Vonage AI Studio. It includes branches for AI response generation, fallback messages, user repeat prompts, and graceful conversation endings.

Das mag kompliziert aussehen, aber das meiste davon betrifft die Fehlerbehandlung und die Verbesserung der Benutzerfreundlichkeit. Der FAQ-Knoten erzeugt drei Exit-Points: $ai_response (Erfolg), Don't Know und Failed. Je nach Ergebnis bieten diese Exit-Points eine gewisse Fehlerbehandlung.

Um es auszubauen:

1. Für $ai_Antwort Exit-Punkt: Verwenden Sie einen Send Message-Knoten und lassen Sie ihn einfach die $ai_Antwort Parameter. Verbinden Sie unsere $ai_response Exit-Punkt mit diesem Knoten.

2. Für Nicht wissen Ausstiegspunkt: Verwenden Sie einen Knoten Nachricht senden und lassen Sie ihn eine Fehlermeldung senden. So etwas wie "Tut mir leid, ich weiß nicht, wie ich das beantworten soll". Verbinden Sie unseren Nicht wissen Exit-Punkt mit diesem Knoten.

3. Für Fehlgeschlagen Beendigungspunkt: Verwenden Sie einen Knoten "Gesprächsende" und lassen Sie ihn etwas sagen wie: "Huch! Etwas ist fehlgeschlagen. Bitte versuchen Sie es erneut.". Verbinden Sie unsere Fehlgeschlagen Exit-Punkt mit diesem Knoten.

Wie man eine Frageschleife erstellt

Wir möchten dem Benutzer die Möglichkeit geben, unserem Chatbot mehrere Fragen zu stellen.

Um es auszubauen:

1. Erstellen Sie einen Collect Input-Knoten namens Collect Repeat, der einen neuen Parameter namens REPEAT speichert. Der Knoten erhält Antwort-Schaltfläche Eingaben. Eine Schaltfläche sollte den Titel Yes und den Wert true haben. Die andere Schaltfläche sollte den Titel Nein und den Wert Falsch haben.

2. Verwenden Sie einen Bedingungsknoten der eine Prüfung gegen REPEAT. Erstellen Sie eine Bedingung, die prüft, ob REPEAT gleich true ist, und eine weitere, die prüft, ob REPEAT gleich falsch ist.

3. Verbinden Sie die Bedingung true wieder mit dem Knoten Collect Inquiry, dem ersten von uns verwendeten Collect-Input-Knoten, der den Wert für Benutzer_Anfrage

1. Verbinden Sie die falsche Bedingung mit dem Knoten Dankesnachricht, der mit dem Knoten Gesprächsende verbunden ist.

Sie können jetzt testen Ihren Agenten testen und ihm Fragen stellen!

ive demonstration of a Knowledge AI agent responding to user input in a chat interface, showcasing intelligent real-time FAQ handling.

Schlussfolgerung

👏Geben Sie sich selbst einen Applaus! Du hast es geschafft! Sie haben Ihren ersten generativen KI-WhatsApp-Agenten erstellt. Testen wir jetzt mit dem eingebauten Testprogramm.

Funktioniert Ihr Klassifizierungsknoten? Ist Ihr Agent in der Lage zu unterscheiden, wann Sie eine E-Mail senden oder eine Frage zu AI Studio stellen wollen? Versuchen Sie, Fragen direkt auf der FAQ-Seite zu stellen und sehen Sie, wie die Antworten im Vergleich ausfallen. Dann versuchen Sie, Ihrem Agenten Fragen zu stellen, die ein wenig von den FAQ abweichen und nur aus den anderen Quellen beantwortet werden können. Und dann Fragen, die überhaupt nicht zu den Trainingsdaten gehören!

Wie verhält sich Ihr Agent? Lassen Sie es mich wissen! Treten Sie der Vonage Entwickler-Community Slack und erzählen Sie mir im Kanal #ai-studio, was Sie entwickeln. Oder finden Sie mich auf X, früher bekannt als Twitter. Und geben Sie VonageDev folgen, wenn Sie schon dabei sind.