生成式AI(Generative AI)是當今科技領域的前沿技術之一。隨著數據量的不斷增加和計算能力的不斷提升，AI技術在企業和個人生活中的應用越來越廣泛。AI-BOT(以下簡稱BOT)是生成式AI技術的其中一種重要的應用形式，它可以通過學習各類業務數據信息，幫助人們執行一系列任務，從而提高工作效率，減少人力成本。

　　而GPTBots作為BOT開發平臺，一直是生成式AI的前沿探索者。本文將與您分享，如何在GPTBots上，為您的業務開發和訓練一個擁高可用性的BOT。

　　準備工作

　　注冊GPTBots平臺

　　注冊一個GPTBots賬號，是開發BOT的第一步。

　　進入GPTBots平臺(https://gptbots.ai/developer)，點擊【注冊】，并登錄到【開發者后臺】。完成注冊后，平臺會為您贈送一些積分，這些積分能夠讓您進行平臺功能的初體驗，例如創建BOT、調試BOT、訓練BOT等。如果完成企業認證，還可以獲得高達500 積分的贈送。

　　業務分析

　　首先，您需要明確BOT在您的業務中的定位和目標。

　　定位指的是BOT在您的業務中的特殊位置，它被用于解決某個特定領域的問題，因此與其他BOT是存在差異的。目標指的是BOT在您的業務中所能達成的具體結果，例如降低成本、提升人效等。

　　我們建議您可以把BOT理解為一名員工，這位員工知識淵博，無所不知，但在某些專業領域又有些欠缺。不過，只需要提供相關專業知識就，它可以化身領域專家，有效解決專業問題。因此，在明確定位和目標時，我們可以這么思考：

　　定位：一名非常專業的電商售后客服人員，他對于公司業務了如指掌，能夠快速且專業地為客戶解決各類型售后問題。

　　目標：提升客戶服務效率和質量，降低客戶服務成本。

　　其次，您需要了解BOT所需解決的業務領域中存在的問題和挑戰。了解這些，有助于幫助您進一步定位BOT的能力范圍。

　　數據收集

　　在明確了BOT的定位和目標后，我們需要為BOT進行數據收集。

　　根據上文我們提供的建議，我們把這個BOT想象成為一名無所不能的員工。但一名強大的員工，除非部分人有天賦以外，更多地一定是通過不斷的知識學習和經驗積累后才能做到的。而BOT的數據，指的就是BOT需要學習的知識。

　　繼續使用上文的例子。一名“一名非常專業的電商售后客服人員”，一定是擁有非常豐富的公司售后業務知識，包括但不限于：公司的售后服務政策、公司歷史處理售后問題經典案例……

　　因此，我們需要做以下工作：

　　1. 收集數據。作為給這個“電商售后BOT”的學習資料;

　　2. 數據分類。分類越清晰，越有助于BOT知識的維護管理，以及提升BOT的響應質量。例如電商售后服務知識，我們可以大致分類為：服務總則、服務細則、服務流程、常見問題、經典案例等;

　　3. 數據清洗及預處理。以保證最終給BOT學習的數據是相對“干凈”，不含“雜質”的。

　　注意，數據的收集并不是越多越好，更重要的是數據的質量。我們需要給BOT“學習”高質量的知識，BOT才能給我們輸出高質量的結果。

　　構建BOT

　　在以上準備工作均已完成后，就可以開始構建這個“電商售后BOT”。

　　更多的GPTBots使用教程，請訪問GPTBots官方文檔，在本文中不做詳細展開。

　　創建BOT

　　根據業務實際，創建合適類型的BOT。GPTBots定義了兩類BOT：

　　● 知識問答：擁有“短記憶”能力，適用于一些簡單的問答場景，例如翻譯、客服、知識檢索等;

　　● 智能助理：擁有“短記憶+長記憶”能力，適用于較為復雜的對話場景。

　　用戶可按自身實際需求來選擇BOT類型。

　　身份提示撰寫技巧

　　在構建BOT的過程中，比較重要的一個環節，就是為BOT撰寫身份提示。

　　身份提示可用來塑造BOT的身份、能力，邊界和情緒等。一個優質的身份提示，能夠讓BOT以更加符合期望地回復用戶問題。

　　我們可以用一個通用的結構來撰寫身份提示，如下：

　　● 角色：BOT需要擔任的角色，如“專業的售后服務人員”;

　　● 技能：BOT需要擁有的技能，如“出色的售后服務能力與客戶溝通技巧”;

　　● 個性：BOT的語氣、個性、溝通方式等，如“語氣請平和，用詞需禮貌”;

　　● 目標：BOT的任務目標，如“基于參考內容及客戶提問，回答客戶的問題”;

　　● 鏈式思考：為BOT提供一些思考流程與方式，以引導BOT按照你的要求進行思考和解決問題，如“MUST follow these steps to answer the customer queries: Step1 - Step2 - Step3 - Step4...”。在一些較為垂直、特定的場景下，該方法非常好用。更多的鏈式思考技巧，可以在這里學習：Zero-Shot-of-Chain。請注意，這部分不是必須的，可按實際需求撰寫。

　　● 輸出規則：若您需要BOT輸出內容為特定結構或格式(如：json、markdown……)，您也可以在此定義。請注意，這部分不是必須的，可按實際需求撰寫。

　　以上文“電商售后BOT”為例，我們可以這樣撰寫身份提示：

　　請扮演一名專業的售后服務人員。你擁有出色的售后服務能力與客戶溝通技巧。你的任務是，基于參考內容及客戶提問，回答客戶的問題。語氣請平和，用詞需禮貌。

　　訓練BOT

　　在設定好BOT的基本信息后，我們需要對BOT進行知識“投喂”以及訓練。

　　知識輸入

　　我們需要將數據收集階段收集到的售后服務類數據，以合適的格式，“投喂”給BOT進行訓練。GPTBots平臺目前支持文檔導入(.docx、.md、.txt、……)、網站爬取、在線文本、在線Q&A等方式進行知識輸入。

　　向量搜索

　　訓練完成后，可以立刻通過“向量搜索”功能，對知識進行向量搜索測試，檢查命中情況，目的是為了觀察已經訓練好的知識在面對實際問題時，是否能夠有效地完成信息召回。

　　聊天記錄訓練

　　在BOT已經投入使用后，我們依然可以對BOT進行反復訓練。

　　目前GPTBots支持基于用戶的聊天記錄進行訓練。這種訓練方式的優勢在于，訓練的語料使用的是用戶在使用BOT過程中實際發生的對話，使用這些對話作為訓練材料，能夠讓BOT更有效地接近實際的用戶使用場景。

　　調試BOT

　　調試模式可以幫助開發者一邊使用BOT一邊調整BOT參數，以讓BOT達到開發者所期望的效果。

　　更復雜的場景，如何處理?

　　在實際業務中，會很多遠比售后服務問答要復雜得多的場景。面對這些場景，GPTBots提供了更豐富的處理方式以應對。

　　為BOT插上翅膀——插件能力

　　大語言模型(LLM)本身是有知識范圍限制的，當需要LLM幫助我們處理更多業務定制化的、復雜的任務時，我們可以通過為LLM添加插件的方式，擴展LLM的能力，使BOT擁有更加強大的能力。

　　GPTBots當前已支持插件功能。

　　GPTBots官方已經提供了一些免費的公開插件供用戶使用(更多的官方插件正在陸續開發中……)。

　　同時，GPTBots也支持開發者自行開發插件，以個性化地覆蓋自身的業務場景。例如，開發者可以通過開發插件，將BOT對接到自己的業務系統，調用自己的業務數據，讓BOT來處理特定業務工作。

　　用可視化流程(FLOW)構建BOT

　　若是存在更加復雜的業務場景，則可以通過可視化流程(FLOW)來構建BOT。

　　GPTBots目前正在內測的FLOW構建BOT功能。我們將一個BOT應有的或常見的模塊抽象為多個組件，用戶可以通過在可視化面板上托拉拽的方式，個性化地構建一個復雜場景下的BOT，以解決更加垂直、更加特定場景下的問題。

　　將BOT與業務連接

　　GPTBots支持將構建好的BOT與用戶自己的業務進行連接，目前主要有以下三種方式：

　　● API：GPTBots當前提供了多個與BOT進行交互的API，包括但不限于創建對話、發送消息、獲取消息等;

　　● iframe網頁嵌入：將BOT對話界面以iframe的形式嵌入到您的網頁內進行使用;

　　● bubble網頁小部件：將BOT以bubble小部件的形式嵌入到您的網頁內進行使用，它將以氣泡的形式，展示在您網頁的右下角。

　　寫在最后

　　在生成式AI發展迅猛的今天，GPTBOTS為開發者提供了強大的自主構建AI-BOT的能力，能夠幫助開發者快速高效地構建個性化的BOT，以解決其業務痛點或問題，驅動業務增長。

　　誠邀您來試用GPTBots�，F在注冊，即有積分贈送。參與企業認證或邀請好友注冊，也能獲取更多積分。