Link Search Menu Expand Document
AIEE

代理與流程編輯器

Table of contents

背景

新聞

代理與聊天機器人的差異

pngs/2024-11-17-14-16-13.png source:RAG聊天机器人 VS AI Agent：哪个更高效？PyTorch研习社(2024-08-20)

代理（Agent）和聊天機器人（Chatbot）雖然都可能是一種網路服務的人工智慧形式，但在功能和應用上還是有一些明顯的差異：

  1. 功能範圍：
    • 代理：通常是指能夠執行特定任務或一系列任務的軟體，這些任務的主軸可能包括數據處理、自動化工作流程、與其他系統包括語言模型的集成等。代理可以在後台運行，並且不一定需要與用戶直接互動，可能也具有網頁服務的對話框。
    • 聊天機器人：主要設計用來與用戶進行對話，回答問題，提供信息或完成簡單的任務。聊天機器人通常通過文字或語音與用戶互動，並且主要用於客服、信息查詢、娛樂等場景。
  2. 互動方式：
    • 代理：通常不需要與用戶進行頻繁的互動，更多的是在後台自動執行任務。例如，電子郵件過濾代理、自動化營銷代理等。
    • 聊天機器人：需要與用戶進行直接的互動，通過自然語言處理技術、提示工程等，來理解和回應用戶的問題和需求。
  3. 應用場景：
    • 代理：應用範圍廣泛，包括IT運維、自動化營銷、數據分析等。例如，網絡代理可以幫助用戶匿名瀏覽網頁，交易代理可以自動執行股票交易。
    • 聊天機器人：主要應用於需要與用戶進行密切交流的場景，如客服系統、虛擬助手(Copilot)、編碼偵錯、在線購物助手等。例如，企業網站上的客服聊天機器人可以幫助解答用戶的常見問題。
  4. 技術基礎：
    • 代理：通常基於程式腳本、自動化工具和API集成，專注於特定任務的自動化。
    • 聊天機器人：基於自然語言處理（NLP）、機器學習和人工智能技術，專注於理解和生成自然語言。
特點代理 (Agent)聊天機器人 (Chatbot)
功能範圍執行特定任務或一系列任務，如數據處理、自動化工作流程與用戶進行對話，回答問題，提供信息或完成簡單任務
互動方式大多數工作是在後台按既定模式運行，不需要與用戶頻繁互動通過文字或語音與用戶直接互動(大量提示工程)
應用場景IT運維、自動化數據分析、小幫手、智慧搜尋徵詢、編碼除錯、簡易文字處理等（zero ~ few shot）
技術基礎基於腳本、自動化工具和API動態集成(包括語言模型與特別知識)基於自然語言處理（NLP）、預訓練、內建知識

RAGFlow的代理

  • RAGFlow 的代理機制將 RAG 技術與無代碼工作流程編輯器結合，適合複雜商業應用場景。透過代理，使用者可利用查詢分類、對話導向等功能，從知識庫(Knowledge Base)中進行檢索並生成回應。可選擇現有模板或自行設定代理，並透過元件如檢索、生成、分類等來自訂工作流程。每個元件有特定的配置要求，確保流程運行順暢，且支持基礎操作如添加、複製和刪除元件。
  • 更多詳情請參閱：RAGFlow 官方文件

基本通用元件

元件說明
檢索 (Retrieval)從指定的知識庫檢索資訊，若無資訊則返回「空回應」。確保已選擇正確的知識庫。
生成 (Generate)讓 LLM 生成回應的元件，必須確保提示設置正確。
互動 (Interact)作為人類與機器人之間的介面，接收用戶輸入並顯示代理的回應。
分類 (Categorize)使用 LLM 將用戶輸入分類到預定的類別中，需設定每個類別的名稱、描述和示例，以及相應的下一步元件。
訊息 (Message)發送靜態訊息，若提供多條訊息則隨機選擇一條發送。確保下游為介面元件 Interact。
關聯 (Relevant)使用 LLM 判斷上游輸出與用戶查詢的相關性，並根據判斷結果指定下一步元件。
重寫 (Rewrite)若查詢未檢索到相關資訊，則重新修訂查詢，直到達到預定次數上限。上游需為 Relevant，下游為 Retrieval。
關鍵字 (Keyword)從 Wikipedia 檢索前 N 筆結果，使用前需正確設置 TopN 值。

編輯動作

基本操作描述
新增元件 (Add a component)從左側面板拖放所需元件到畫布上。
刪除元件 (Delete a component)在畫布上將滑鼠移到元件的三點符號 (…) 顯示刪除選項，點選以移除元件。
複製元件 (Copy a component)在畫布上將滑鼠移到元件的三點符號 (…) 顯示複製選項，點選以複製元件。
更新元件設置 (Update component settings)在畫布上點擊所需元件即可顯示其設置。

組成一個聊天機器人

建立聊天機器人需要以下步驟：

1.	設計目標與需求：確定機器人的目標、功能及預期的用戶互動情境。
2.	選擇框架與技術：選擇 NLP 平台，如 Rasa、Dialogflow，或基於 GPT-4 等模型的自訂解決方案。
3.	開發對話流程：設定用戶的輸入、回應及對話邏輯，並利用 NLP 技術理解語意。
4.	整合知識庫：讓機器人能檢索知識庫的資料來回答複雜問題。
5.	測試與優化：測試機器人反應，優化其準確性和使用者體驗。

要用 RAGFlow 建立一個通用型聊天機器人，

  • 首先在「Agents」中選擇聊天機器人範本。
  • 配置核心元件，如：Opening（開始對話）、Retrieval（資訊檢索）、Relevant（查詢關聯性確認）、Generate（生成回應）、和 Rewrite（修正查詢）。
  • 調整知識庫與提示設定，並
  • 儲存與測試設定確保準確性。

詳細步驟請參閱完整指南

開始建立 Agent

  • RAGFlow提供了9個代理範例，可以從其中選取作為模板，開始新的代理。
主題內容應用元件
空白的工作區從頭開始建立您的代理開始
網頁搜尋助手聊天助理模板，整合了從知識庫中提取的資訊和網路搜尋，以回應查詢。需先在「檢索」中建立您的知識庫！O/I/R/KW/KB/LLM/W/D/B
通用聊天機器人通用型聊天機器人，涉及領域包括醫療、金融、情感交流、即時天氣、資訊等。O/I/R/KW/KB/LLM/W/D/B
HR招募推廣助理（中文）招募推廣助理，能夠推廣候選人、提供工作機會、解決疑問並索取候選人的聯絡方式。讓我們先連結包含「檢索」中職位描述的知識庫！O/I/C/LLM/M/KB
客戶服務一個客戶服務聊天機器人，可以解釋產品規格、解決客戶疑問並緩解負面情緒。O/I/C/R/KB/LLM/M
口譯員一個簡單的解釋器，可將使用者輸入翻譯成目標語言。嘗試“你好 => 西班牙語”來查看翻譯！O/I/LLM
文字轉SQL將使用者查詢轉換為 SQL 語句的代理程式。你必須準備三個知識庫： 1：你的資料庫的DDL； 2：使用者查詢轉換為SQL語句的範例； 3：資料庫的全面描述，包括但不限於表格和記錄。O/I/C/LLM/M/KB
資料庫助理進階代理，可將使用者查詢轉換為 SQL 語句、執行查詢、評估並傳回結果。你必須準備三個知識庫： 1：你的資料庫的DDL； 2：使用者查詢轉換為SQL語句的範例； 3：資料庫的全面描述，包括但不限於表格和記錄。還需要配置相應的資料庫。O/I/A/C/KB/LLM/E
醫療諮詢醫療諮詢助理，可以提供您一些專業的諮詢建議供您參考。請注意，醫療助理提供的內容僅供參考，可能不真實或無法使用。知識庫內容參考：醫學知識庫參考O/I/KW/(專業API)/KB(既有的QnA)
智能投資顧問智慧投資顧問，即時解答您的財務問題O/I/KW/(專業API)

  • 通用元件

    O：Open開始； I：Interface對話框； C：Classifier問題分類； A：AnalysesCondition條件； R：RefineQuestion問題最佳化； KW：GetKeyWords關鍵字； KB：SearchKnownledgeBase知識檢索； LLM：生成回答； M：Messager靜態訊息；

  • 特殊元件(專業API)

    G：Google Search W：WikiPedia維基百科； D：DuckDuckGo； B：百度搜尋； E：ExeSQL執行SQL； …

無代碼代理程式之撰寫

左側欄及工作區

  • 拉取左側欄的物件到工作區
  • 點選物件(來源物件)、滑鼠滑過端點直到出現+
  • 拉到另一物件(目標物件)的端點，形成帶箭頭的連線。
  • 雙擊點選各物件，進入內容之設定

代理之API應用