生成式AI（Generative AI）是當今科技領域的前沿技術之一。隨着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作爲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，爲您的業務開發和訓練一個擁有高可用性的BOT。
PART 01 準備工作
- 註冊GPTBots平臺
註冊一個GPTBots賬號，是開發BOT的第一步。
進入GPTBots平臺（https://gptbots.ai/developer），點擊【註冊】，並登錄到【開發者後臺】。完成註冊後，平臺會爲您贈送一些積分，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，它被用於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理解爲一名員工，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，它就可以化身領域專家，有效解決專業問題。因此，在明確定位和目標時，我們可以這麼思考：
定位：一名非常專業的電商售後客服人員，他對於公司業務瞭如指掌，能夠快速且專業地爲客戶解決各類型售後問題。
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。瞭解這些，有助於幫助您進一步定位BOT的能力範圍。
- 數據收集
在明確了BOT的定位和目標後，我們需要爲BOT進行數據收集。
根據上文我們提供的建議，我們把這個BOT想象成爲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後才能做到的。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。“一名非常專業的電商售後客服人員”，一定是擁有非常豐富的公司售後業務知識，包括但不限於：公司的售後服務政策、公司歷史處理售後問題經典案例……
因此，我們需要做以下工作：
-
收集數據。作爲給這個“電商售後BOT”的學習資料；
-
數據分類。分類越清晰，越有助於BOT知識的維護管理，以及提升BOT的響應質量。例如電商售後服務知識，我們可以大致分類爲：服務總則、服務細則、服務流程、常見問題、經典案例等；
-
數據清洗及預處理。以保證最終給BOT學習的數據是相對“乾淨”，不含“雜質”的。
注意，數據的收集並不是越多越好，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。
PART 02 構建BOT
在以上準備工作均已完成後，就可以開始構建這個“電商售後BOT”。
更多的GPTBots使用教程，請訪問GPTBots官方文檔
（https://gptbots.gitbook.io/gptbots.zh/），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，適用於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，適用於較爲複雜的對話場景。
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，就是爲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覆用戶問題。
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“專業的售後服務人員”；
-
技能：BOT需要擁有的技能，如“出色的售後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“基於參考內容及客戶提問，回答客戶的問題”；
-
鏈式思考：爲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...”。在一些較爲垂直、特定的場景下，該方法非常好用。
-
輸出規則：若您需要BOT輸出內容爲特定結構或格式（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“電商售後BOT”爲例，我們可以這樣撰寫身份提示：
請扮演一名專業的售後服務人員。你擁有出色的售後服務能力與客戶溝通技巧。你的任務是，基於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。
PART 03 訓練BOT
在設定好BOT的基本信息後，我們需要對BOT進行知識“投餵”以及訓練。
- 知識輸入
![]()
我們需要將數據收集階段收集到的售後服務類數據，以合適的格式，“投餵”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
訓練完成後，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，目的是爲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已經投入使用後，我們依然可以對BOT進行反覆訓練。
![]()
目前GPTBots支持基於用戶的聊天記錄進行訓練。這種訓練方式的優勢在於，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，使用這些對話作爲訓練材料，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。
PART 04 更復雜的場景，如何處理？
在實際業務中，會很多遠比售後服務問答要複雜得多的場景。面對這些場景，GPTBots提供了更豐富的處理方式以應對。
- 爲BOT插上翅膀——插件能力
![]()
大語言模型（LLM）本身是有知識範圍限制的，當需要LLM幫助我們處理更多業務定製化的、複雜的任務時，我們可以通過爲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
若是存在更加複雜的業務場景，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爲多個組件，用戶可以通過在可視化面板上拖拉拽的方式，個性化地構建一個複雜場景下的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，包括但不限於創建對話、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。
寫在最後
在生成式AI發展迅猛的今天，GPTBots爲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。
訪問極光GPTBots官網 https://www.gptbots.a立即註冊體驗
註冊即贈送積分贈送。參與企業認證或邀請好友註冊，也能獲取更多積分~
關於極光
極光（Aurora Mobile，納斯達克股票代碼：JG）成立於2011年，是中國領先的客戶互動和營銷科技服務商。成立之初，極光專注於爲企業提供穩定高效的消息推送服務，憑藉先發優勢，已經成長爲市場份額遙遙領先的移動消息推送服務商。隨着企業對客戶觸達和營銷增長需求的不斷加強，極光前瞻性地推出了消息雲和營銷雲等解決方案，幫助企業實現多渠道的客戶觸達和互動需求，以及人工智能和大數據驅動的營銷科技應用，助力企業數字化轉型。