ClassifyXR.ai

نظام تصنيف تذاكر دعم العملاء والاستجابة لها (ClassifyXR.ai)

ملخص

يعد نظام تصنيف تذاكر دعم العملاء والاستجابة لها أداة متطورة مصممة لأتمتة تجربة خدمة العملاء والارتقاء بها. يدمج هذا النظام نماذج الذكاء الاصطناعي المتقدمة وتقنيات توليد الاسترجاع المعزز (RAG) لتصنيف التذاكر وتقييم مدى إلحاحها وتقييم مشاعر العملاء واستخراج المعلومات الأساسية. يقوم باسترداد وثائق قاعدة المعرفة ذات الصلة لإعلام وإنشاء استجابات متعاطفة ودقيقة للسياق. من خلال الاستفادة من تكامل الذكاء الاصطناعي متعدد النماذج والمعالجة المتوازية والاستخدام الشامل لقاعدة المعرفة، يعمل هذا النظام على تحسين أوقات الاستجابة ورضا العملاء والكفاءة التشغيلية لفرق الدعم بشكل كبير.

سمات

• تكامل الذكاء الاصطناعي متعدد النماذج : يستفيد من نماذج متعددة مفتوحة المصدر، بما في ذلك LLaMA 3.1 وMistral وGemma:7B-Instruct، لمعالجة وتصنيف تذاكر دعم العملاء. يختار النظام الاستجابة الأكثر دقة بناءً على درجة الثقة.
• المعالجة المتوازية : تنفذ المعالجة المتوازية باستخدام ThreadPoolExecutor ، مما يسمح للنظام بتشغيل نماذج متعددة في وقت واحد. وهذا يقلل من وقت الاستجابة مع الحفاظ على نتائج دقيقة وعالية الجودة.
• تكامل قاعدة المعرفة : يدعم تحميل المستندات ومعالجتها من قاعدة المعرفة، بما في ذلك ملفات PDF وDOCX وTXT وJSON. يستخدم قواعد بيانات FAISS المتجهة لاسترجاع سريع ودقيق للمعلومات ذات الصلة بناءً على استفسارات العملاء.
• الجيل المعزز للاسترجاع (RAG) : يعزز توليد الاستجابة من خلال استرداد المستندات الأكثر صلة من قاعدة المعرفة باستخدام الحد الأقصى للملاءمة الهامشية (MMR). يتم دمج المعلومات المستردة في النموذج التوليدي لإنتاج استجابات دقيقة وغنية بالمعلومات.
• الاستجابات المدركة للسياق : تنشئ استجابات معززة برؤى العملاء وتاريخ الاتصالات السابقة والمعلومات المحددة المستردة من قاعدة المعرفة. يضمن أن تكون الاستجابات متعاطفة وذات صلة ومتوافقة مع احتياجات العملاء.
• سياق عمل قابل للتخصيص : يكيف الاستجابات مع سياقات عمل محددة، ويدمج معلومات الأعمال ذات الصلة ديناميكيًا في عملية توليد الاستجابة. يدعم فئات التذاكر المختلفة مثل الطلبات والحسابات والمشكلات الفنية والفواتير والمزيد.
• اكتشاف المشاعر والإلحاح : يكتشف المشاعر تلقائيًا (على سبيل المثال، الإحباط والغضب) ومدى إلحاح التذاكر، مع إعطاء الأولوية للتذاكر عالية التأثير للمراجعة اليدوية بواسطة وكلاء الدعم عند الضرورة.
• الاستجابات المنظمة : يضمن تنظيم الاستجابات وفقًا لمخططات JSON المحددة مسبقًا، مما يوفر رؤى واضحة وقابلة للتنفيذ لفرق دعم العملاء.
• التعامل مع طلبات الميزات : إدارة طلبات الميزات عن طريق استرداد معلومات المنتج ذات الصلة من قاعدة المعرفة، وتوجيه العملاء إلى الميزات الموجودة التي قد تلبي احتياجاتهم.
• تكامل رؤى العملاء : يدمج رؤى العملاء، بما في ذلك المعلومات السكانية والتفضيلات والموقع، في تصنيف التذاكر وعملية الاستجابة، وتخصيص تجربة الدعم.
• استخدام محفوظات الاتصالات السابقة : استرداد محفوظات الاتصالات السابقة ودمجها لتوفير استجابات دقيقة ومتسقة من حيث السياق، مما يؤدي إلى تحسين تجربة دعم العملاء بشكل عام.

الاستخدام

• حدد تذاكر الدعم الخاصة بك كسلاسل.
• استخدم وظيفة classify_and_response للحصول على بيانات التصنيف المنظمة وإنشاء استجابات غنية بالسياق.
• سيقوم النظام تلقائيًا باسترداد المستندات ذات الصلة من قاعدة المعرفة لإبلاغ عملية إنشاء الاستجابة.

تثبيت

المتطلبات الأساسية

• بايثون 3.7 أو أعلى
• مدير البيئة الافتراضية ( venv )

يثبت

اتبع هذه الخطوات لإعداد بيئة المشروع وتثبيت التبعيات:

1. استنساخ المستودع :

   git clone https://github.com/prdepyadv/classifyxr.ai.git

2. انتقل إلى دليل المشروع :

   python -m venv venv

3. إنشاء بيئة افتراضية :

    . . v env S cripts A ctivate.ps1 # (For Windows)
       or
   . venv/bin/activate  # (For Linux or MacOS)

4. تثبيت تبعيات المشروع :

   pip install -r requirements.txt

5. إنشاء رمز سري (اختياري) :

   python -c ' import secrets; print(secrets.token_hex()) '

6. نسخ متغيرات البيئة :

   cp -r .env-example .env

7. تكوين متغيرات البيئة : قم بتحرير ملف .env لإعداد متغيرات البيئة الضرورية وفقًا لإعدادك.

تشغيل التطبيق

لبدء تطبيق Flask، استخدم الأمر التالي:

flask --app app run

المساهمات والتخصيص

• اضبط Business_context وsystem_prompt لتناسب سياق عملك بشكل أفضل.
• قم بتجربة نماذج الذكاء الاصطناعي أو التضمينات المختلفة لتحسين الأداء.
• قم بتخصيص إعدادات قاعدة بيانات المتجهات (على سبيل المثال، FAISS) لتحسين عملية الاسترجاع بناءً على قاعدة المعرفة الخاصة بك.
• قم بضبط النماذج إذا كانت لديك بيانات تذكرة محددة للتدريب لتحسين دقة التصنيف والاستجابة.

تنصل

تأكد من الامتثال لجميع لوائح خصوصية البيانات عند استخدام نماذج الذكاء الاصطناعي لمعالجة بيانات العملاء.