ClassifyXR.ai

Система классификации заявок и ответов на запросы поддержки клиентов (ClassifyXR.ai)

Обзор

Система классификации заявок и ответов на обращения в службу поддержки клиентов — это сложный инструмент, предназначенный для автоматизации и повышения качества обслуживания клиентов. Эта система объединяет передовые модели искусственного интеллекта и методы расширенной генерации данных (RAG) для классификации заявок, оценки срочности, оценки настроений клиентов и извлечения ключевой информации. Он извлекает соответствующие документы из базы знаний для информирования и генерации контекстуально точных и чутких ответов. За счет использования многомодельной интеграции искусственного интеллекта, параллельной обработки и комплексного использования базы знаний эта система значительно сокращает время отклика, удовлетворенность клиентов и эффективность работы групп поддержки.

Функции

• Мультимодельная интеграция искусственного интеллекта : использует несколько моделей с открытым исходным кодом, включая LLaMA 3.1, Mistral и Gemma:7B-Instruct, для обработки и классификации заявок в службу поддержки клиентов. Система выбирает наиболее точный ответ на основе показателя достоверности.
• Параллельная обработка : реализует параллельную обработку с использованием ThreadPoolExecutor , позволяя системе одновременно запускать несколько моделей. Это сокращает время отклика, сохраняя при этом высококачественные и точные результаты.
• Интеграция с базой знаний : поддерживает загрузку и обработку документов из базы знаний, включая файлы PDF, DOCX, TXT и JSON. Использует векторные базы данных FAISS для быстрого и точного поиска соответствующей информации на основе запросов клиентов.
• Генерация с расширенным поиском (RAG) : улучшает генерацию ответов за счет извлечения наиболее релевантных документов из базы знаний с использованием максимальной предельной релевантности (MMR). Полученная информация интегрируется в генеративную модель для получения контекстуально точных и информативных ответов.
• Контекстно-зависимые ответы : генерирует ответы, обогащенные информацией о клиентах, историей предыдущего общения и конкретной информацией, полученной из базы знаний. Обеспечивает, чтобы ответы были чуткими, актуальными и соответствовали потребностям клиентов.
• Настраиваемый бизнес-контекст : адаптирует ответы к конкретным бизнес-контекстам, динамически интегрируя соответствующую бизнес-информацию в процесс формирования ответов. Поддерживает различные категории заявок, такие как заказы, учетные записи, технические проблемы, выставление счетов и многое другое.
• Обнаружение настроений и срочности : автоматически определяет настроение (например, разочарование, гнев) и срочность заявок, отдавая приоритет наиболее важным заявкам для ручного просмотра агентами службы поддержки, когда это необходимо.
• Структурированные ответы : обеспечивает структурирование ответов в соответствии с предопределенными схемами JSON, предоставляя четкую и полезную информацию для групп поддержки клиентов.
• Обработка запросов на функции : Управляет запросами на функции, извлекая соответствующую информацию о продукте из базы знаний, направляя клиентов к существующим функциям, которые могут удовлетворить их потребности.
• Интеграция данных о клиентах : включает данные о клиентах, включая демографические данные, предпочтения и местоположение, в процесс классификации заявок и ответов, персонализируя работу службы поддержки.
• Использование истории предыдущих обращений : извлекает и интегрирует предыдущую историю обращений для предоставления контекстуально точных и последовательных ответов, улучшая общее качество поддержки клиентов.

Использование

• Определите свои заявки в службу поддержки в виде строк.
• Используйте функцию classify_and_response , чтобы получить структурированные классификационные данные и генерировать контекстно-обогащенные ответы.
• Система автоматически извлечет соответствующие документы из базы знаний для формирования ответа.

Установка

Предварительные условия

• Питон 3.7 или выше
• Менеджер виртуальной среды ( venv )

Настраивать

Выполните следующие шаги, чтобы настроить среду проекта и установить зависимости:

1. Клонируем репозиторий :

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

2. Перейдите в каталог проекта :

   python -m venv venv

3. Создайте виртуальную среду :

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

4. Установите зависимости проекта :

   pip install -r requirements.txt

5. Создайте секретный токен (необязательно) :

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

6. Скопируйте переменные среды :

   cp -r .env-example .env

7. Настройте переменные среды : отредактируйте файл .env, чтобы настроить необходимые переменные среды в соответствии с вашими настройками.

Запуск приложения

Чтобы запустить приложение Flask, используйте следующую команду:

flask --app app run

Вклады и настройка

• Настройте business_context и system_prompt так, чтобы они лучше соответствовали вашему бизнес-контексту.
• Экспериментируйте с различными моделями искусственного интеллекта или встраиваниями для повышения производительности.
• Настройте параметры базы данных векторов (например, FAISS), чтобы оптимизировать поиск на основе вашей базы знаний.
• Если у вас есть конкретные данные заявки для обучения, настройте модели точно, чтобы улучшить классификацию и точность ответов.

Отказ от ответственности

Обеспечьте соблюдение всех правил конфиденциальности данных при использовании моделей искусственного интеллекта для обработки данных клиентов.