หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

ระบบการจำแนกและตอบสนองตั๋วสนับสนุนลูกค้า (ClassifyXR.ai)

ภาพรวม

ระบบการจัดประเภทและตอบกลับตั๋วสนับสนุนลูกค้า เป็นเครื่องมือที่ซับซ้อนที่ออกแบบมาเพื่อทำให้ประสบการณ์การบริการลูกค้าเป็นแบบอัตโนมัติและยกระดับ ระบบนี้รวมโมเดล AI ขั้นสูงและเทคนิคการดึงข้อมูล-เพิ่มการสร้าง (RAG) เพื่อจำแนกตั๋ว ประเมินความเร่งด่วน ประเมินความรู้สึกของลูกค้า และดึงข้อมูลสำคัญ โดยดึงเอกสารฐานความรู้ที่เกี่ยวข้องเพื่อแจ้งและสร้างคำตอบที่ถูกต้องตามบริบทและเห็นอกเห็นใจ ด้วยการใช้ประโยชน์จากการบูรณาการ AI หลายโมเดล การประมวลผลแบบขนาน และการใช้ฐานความรู้ที่ครอบคลุม ระบบนี้ปรับปรุงเวลาตอบสนอง ความพึงพอใจของลูกค้า และประสิทธิภาพการดำเนินงานสำหรับทีมสนับสนุนได้อย่างมาก

คุณสมบัติ

  • การบูรณาการ AI หลายรุ่น : ใช้ประโยชน์จากโมเดลโอเพ่นซอร์สหลายรูปแบบ รวมถึง LLaMA 3.1, Mistral และ Gemma:7B-Instruct เพื่อประมวลผลและจัดประเภทตั๋วสนับสนุนลูกค้า ระบบจะเลือกคำตอบที่แม่นยำที่สุดตามคะแนนความเชื่อมั่น
  • การประมวลผลแบบขนาน : ใช้การประมวลผลแบบขนานโดยใช้ ThreadPoolExecutor ทำให้ระบบสามารถรันหลายรุ่นพร้อมกันได้ ซึ่งจะช่วยลดเวลาตอบสนองในขณะที่ยังคงรักษาผลลัพธ์คุณภาพสูงและแม่นยำ
  • การบูรณาการฐานความรู้ : รองรับการโหลดและการประมวลผลเอกสารจากฐานความรู้ รวมถึงไฟล์ PDF, DOCX, TXT และ JSON ใช้ฐานข้อมูลเวกเตอร์ FAISS เพื่อการดึงข้อมูลที่เกี่ยวข้องอย่างรวดเร็วและแม่นยำตามข้อซักถามของลูกค้า
  • Retrieval-Augmented Generation (RAG) : ปรับปรุงการสร้างการตอบสนองโดยการดึงเอกสารที่เกี่ยวข้องมากที่สุดจากฐานความรู้โดยใช้ Maximum Marginal Relevance (MMR) ข้อมูลที่ดึงมาจะถูกรวมเข้ากับโมเดลกำเนิดเพื่อสร้างคำตอบที่ถูกต้องตามบริบทและให้ข้อมูล
  • การตอบสนองตามบริบท : สร้างการตอบสนองที่เสริมด้วยข้อมูลเชิงลึกของลูกค้า ประวัติการสื่อสารก่อนหน้า และข้อมูลเฉพาะที่ดึงมาจากฐานความรู้ ตรวจสอบให้แน่ใจว่าคำตอบมีความเห็นอกเห็นใจ เกี่ยวข้อง และสอดคล้องกับความต้องการของลูกค้า
  • บริบททางธุรกิจที่ปรับแต่งได้ : ปรับการตอบสนองให้เข้ากับบริบททางธุรกิจเฉพาะ โดยบูรณาการข้อมูลทางธุรกิจที่เกี่ยวข้องเข้ากับการสร้างการตอบสนองแบบไดนามิก รองรับหมวดหมู่ตั๋วที่หลากหลาย เช่น คำสั่งซื้อ บัญชี ปัญหาทางเทคนิค การเรียกเก็บเงิน และอื่นๆ
  • การตรวจจับความรู้สึกและความเร่งด่วน : ตรวจจับความรู้สึก (เช่น ความหงุดหงิด ความโกรธ) และความเร่งด่วนของตั๋วโดยอัตโนมัติ โดยจัดลำดับความสำคัญของตั๋วที่มีผลกระทบสูงสำหรับการตรวจสอบด้วยตนเองโดยตัวแทนฝ่ายสนับสนุนเมื่อจำเป็น
  • การตอบสนองที่มีโครงสร้าง : ตรวจสอบให้แน่ใจว่าการตอบสนองมีโครงสร้างตามสคีมา JSON ที่กำหนดไว้ล่วงหน้า โดยให้ข้อมูลเชิงลึกที่ชัดเจนและนำไปปฏิบัติได้สำหรับทีมสนับสนุนลูกค้า
  • การจัดการคำขอคุณลักษณะ : จัดการคำขอคุณลักษณะโดยการดึงข้อมูลผลิตภัณฑ์ที่เกี่ยวข้องจากฐานความรู้ นำทางลูกค้าไปยังคุณลักษณะที่มีอยู่ซึ่งอาจตรงกับความต้องการของพวกเขา
  • บูรณาการข้อมูลเชิงลึกของลูกค้า : รวมข้อมูลเชิงลึกของลูกค้า รวมถึงข้อมูลประชากร ความชอบ และสถานที่ตั้ง ลงในการจัดหมวดหมู่ตั๋วและกระบวนการตอบกลับ ปรับประสบการณ์การสนับสนุนให้เป็นแบบส่วนตัว
  • การใช้ประวัติการสื่อสารก่อนหน้า : ดึงข้อมูลและรวมประวัติการสื่อสารก่อนหน้าเพื่อให้การตอบสนองที่แม่นยำตามบริบทและสม่ำเสมอ ปรับปรุงประสบการณ์การสนับสนุนลูกค้าโดยรวม

การใช้งาน

  • กำหนดตั๋วสนับสนุนของคุณเป็นสตริง
  • ใช้ฟังก์ชัน classify_and_response เพื่อรับข้อมูลการจำแนกประเภทที่มีโครงสร้างและสร้างการตอบสนองที่สมบูรณ์ตามบริบท
  • ระบบจะดึงเอกสารที่เกี่ยวข้องจากฐานความรู้โดยอัตโนมัติเพื่อแจ้งการสร้างคำตอบ

การติดตั้ง

ข้อกำหนดเบื้องต้น

  • Python 3.7 หรือสูงกว่า
  • ตัวจัดการสภาพแวดล้อมเสมือน ( venv )

ตั้งค่า

ทำตามขั้นตอนเหล่านี้เพื่อตั้งค่าสภาพแวดล้อมของโครงการและติดตั้งการขึ้นต่อกัน:

  1. โคลนพื้นที่เก็บข้อมูล : 

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

  2. นำทางไปยังไดเรกทอรีโครงการ : 

    python -m venv venv

  3. สร้างสภาพแวดล้อมเสมือนจริง : 

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

  4. ติดตั้งการพึ่งพาโครงการ : 

    pip install -r requirements.txt

  5. สร้างโทเค็นลับ (ไม่บังคับ) : 

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

  6. คัดลอกตัวแปรสภาพแวดล้อม : 

    cp -r .env-example .env

  7. กำหนดค่าตัวแปรสภาพแวดล้อม : แก้ไขไฟล์ .env เพื่อตั้งค่าตัวแปรสภาพแวดล้อมที่จำเป็นตามการตั้งค่าของคุณ

เรียกใช้แอปพลิเคชัน

ในการเริ่มแอปพลิเคชัน Flask ให้ใช้คำสั่งต่อไปนี้: 

flask --app app run

ผลงานและการปรับแต่ง

  • ปรับ business_context และ system_prompt ให้เหมาะสมกับบริบททางธุรกิจของคุณมากขึ้น
  • ทดลองกับโมเดล AI ต่างๆ หรือการฝังเพื่อประสิทธิภาพที่ดีขึ้น
  • ปรับแต่งการตั้งค่าฐานข้อมูลเวกเตอร์ (เช่น FAISS) เพื่อเพิ่มประสิทธิภาพการดึงข้อมูลตามฐานความรู้ของคุณ
  • ปรับแต่งโมเดลหากคุณมีข้อมูลตั๋วเฉพาะสำหรับการฝึกอบรม เพื่อปรับปรุงการจำแนกประเภทและความแม่นยำในการตอบสนอง

ข้อสงวนสิทธิ์

ตรวจสอบให้แน่ใจว่าปฏิบัติตามกฎระเบียบความเป็นส่วนตัวของข้อมูลทั้งหมดเมื่อใช้โมเดล AI สำหรับการประมวลผลข้อมูลลูกค้า

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด