共计 3560 个字符，预计需要花费 9 分钟才能阅读完成。
生成式 AI（Generative AI）是当今科技领域的前沿技术之一。随着数据量的一直减少和计算能力的一直晋升，AI 技术在企业和集体生存中的利用越来越宽泛。AI-BOT（以下简称 BOT）是生成式 AI 技术的其中一种重要的利用模式，它能够通过学习各类业务数据信息，帮忙人们执行一系列工作，从而进步工作效率，缩小人力老本。
而 GPTBots 作为 BOT 开发平台，始终是生成式 AI 的前沿探索者。本文将与您分享，如何在 GPTBots 上，为您的业务开发和训练一个领有高可用性的 BOT。
PART 01 筹备工作
注册 GPTBots 平台
注册一个 GPTBots 账号，是开发 BOT 的第一步。
进入 GPTBots 平台（https://gptbots.ai/developer），点击【注册】，并登录到【开发者后盾】。实现注册后，平台会为您赠送一些积分，这些积分可能让您进行平台性能的初体验，例如创立 BOT、调试 BOT、训练 BOT 等。如果实现企业认证，还能够取得高达 500 积分的赠送。
业务剖析
首先，您须要明确 BOT 在您的业务中的定位和指标。
定位指的是 BOT 在您的业务中的非凡地位，它被用于解决某个特定畛域的问题，因而与其余 BOT 是存在差别的。指标指的是 BOT 在您的业务中所能达成的具体后果，例如降低成本、晋升人效等。
咱们建议您能够把 BOT 了解为一名员工，这位员工常识渊博，无所不知，但在某些业余畛域又有些欠缺。不过，只须要提供相干专业知识，它就能够化身领域专家，无效解决业余问题。因而，在明确定位和指标时，咱们能够这么思考：
定位： 一名十分业余的电商售后客服人员，他对于公司业务一目了然，可能疾速且业余地为客户解决各类型售后问题。
指标： 晋升客户服务效率和品质，升高客户服务老本。其次，您须要理解 BOT 所需解决的业务畛域中存在的问题和挑战。理解这些，有助于帮忙您进一步定位 BOT 的能力范畴。
数据收集
在明确了 BOT 的定位和指标后，咱们须要为 BOT 进行数据收集。
依据上文咱们提供的倡议，咱们把这个 BOT 设想成为一名无所不能的员工。但一名弱小的员工，除非局部人有天才以外，更多地肯定是通过一直的常识学习和教训积攒后能力做到的。而 BOT 的数据，指的就是 BOT 须要学习的常识。
持续应用上文的例子。“一名十分业余的电商售后客服人员”，肯定是领有十分丰盛的公司售后业务知识，包含但不限于：公司的售后服务政策、公司历史解决售后问题经典案例……
因而，咱们须要做以下工作：
1. 收集数据。作为给这个“电商售后 BOT”的学习材料；
- 数据分类。分类越清晰，越有助于 BOT 常识的保护治理，以及晋升 BOT 的响应品质。例如电商售后服务常识，咱们能够大抵分类为：服务总则、服务细则、服务流程、常见问题、经典案例等；
- 数据荡涤及预处理。以保障最终给 BOT 学习的数据是绝对“洁净”，不含“杂质”的。留神，数据的收集并不是越多越好，更重要的是数据的品质。咱们须要给 BOT“学习”高质量的常识，BOT 能力给咱们输入高质量的后果。
PART 02 构建 BOT
在以上筹备工作均已实现后，就能够开始构建这个“电商售后 BOT”。
更多的 GPTBots 应用教程，请拜访 GPTBots 官网文档（https://gptbots.gitbook.io/gptbots.zh/），在本文中不做具体开展。
创立 BOT
依据业务理论，创立适合类型的 BOT。GPTBots 定义了两类 BOT：
– 常识问答：领有“短记忆”能力，实用于一些简略的问答场景，例如翻译、客服、常识检索等；
- 智能助理：领有“短记忆 + 长记忆”能力，实用于较为简单的对话场景。
用户可按本身理论需要来抉择 BOT 类型。
身份提醒撰写技巧
在构建 BOT 的过程中，比拟重要的一个环节，就是为 BOT 撰写身份提醒。
身份提醒可用来塑造 BOT 的身份、能力，边界和情绪等。一个优质的身份提醒，可能让 BOT 以更加合乎冀望地回复用户问题。
咱们能够用一个通用的构造来撰写身份提醒，如下：
– 角色：BOT 须要负责的角色，如“业余的售后服务人员”；
- 技能：BOT 须要领有的技能，如“杰出的售后服务能力与客户沟通技巧”；
- 共性：BOT 的语气、共性、沟通形式等，如“语气请温和，用词需礼貌”
- 指标：BOT 的工作指标，如“基于参考内容及客户发问，答复客户的问题”；
- 链式思考：为 BOT 提供一些思考流程与形式，以疏导 BOT 依照你的要求进行思考和解决问题，如“MUST follow these steps to answer the customer queries: Step1 – Step2 – Step3 – Step4…”。在一些较为垂直、特定的场景下，该办法十分好用。
- 输入规定：若您须要 BOT 输入内容为特定构造或格局（如：json、markdown……），您也能够在此定义。请留神，这部分不是必须的，可按理论需要撰写。
以上文“电商售后 BOT”为例，咱们能够这样撰写身份提醒：
请表演一名业余的售后服务人员。你领有杰出的售后服务能力与客户沟通技巧。你的工作是，基于参考内容及客户发问，答复客户的问题。语气请温和，用词需礼貌。
PART 03 训练 BOT
在设定好 BOT 的根本信息后，咱们须要对 BOT 进行常识“投喂”以及训练。
常识输出
咱们须要将数据收集阶段收集到的售后服务类数据，以适合的格局，“投喂”给 BOT 进行训练。GPTBots 平台目前反对文档导入（.docx、.md、.txt、……）、网站爬取、在线文本、在线 Q &A 等形式进行常识输出。
向量搜寻
训练实现后，能够立即通过“向量搜寻”性能，对常识进行向量搜寻测试，查看命中状况，目标是为了察看曾经训练好的常识在面对理论问题时，是否可能无效地实现信息召回。
聊天记录训练
在 BOT 曾经投入使用后，咱们仍然能够对 BOT 进行重复训练。
目前 GPTBots 反对基于用户的聊天记录进行训练。这种训练形式的劣势在于，训练的语料应用的是用户在应用 BOT 过程中理论产生的对话，应用这些对话作为训练资料，可能让 BOT 更无效地靠近理论的用户应用场景。
调试 BOT
调试模式能够帮忙开发者一边应用 BOT 一边调整 BOT 参数，以让 BOT 达到开发者所冀望的成果。
PART 04 更简单的场景，如何解决？
在理论业务中，会很多远比售后服务问答要简单得多的场景。面对这些场景，GPTBots 提供了更丰盛的解决形式以应答。
为 BOT 插上翅膀——插件能力
大语言模型（LLM）自身是有常识范畴限度的，当须要 LLM 帮忙咱们解决更多业务定制化的、简单的工作时，咱们能够通过为 LLM 增加插件的形式，扩大 LLM 的能力，使 BOT 领有更加弱小的能力。
GPTBots 以后已反对插件性能。
GPTBots 官网曾经提供了一些收费的公开插件供用户应用（更多的官网插件正在陆续开发中……）。
同时，GPTBots 也反对开发者自行开发插件，以个性化地笼罩本身的业务场景。例如，开发者能够通过开发插件，将 BOT 对接到本人的业务零碎，调用本人的业务数据，让 BOT 来解决特定业务工作。
用可视化流程（FLOW）构建 BOT
若是存在更加简单的业务场景，则能够通过可视化流程（FLOW）来构建 BOT。
GPTBots 目前正在内测的 FLOW 构建 BOT 性能。咱们将一个 BOT 应有的或常见的模块形象为多个组件，用户能够通过在可视化面板上利落拽的形式，个性化地构建一个简单场景下的 BOT，以解决更加垂直、更加特定场景下的问题。
将 BOT 与业务连贯
GPTBots 反对将构建好的 BOT 与用户本人的业务进行连贯，目前次要有以下三种形式：
– API：GPTBots 以后提供了多个与 BOT 进行交互的 API，包含但不限于创立对话、发送音讯、获取音讯等；
- iframe 网页嵌入：将 BOT 对话界面以 iframe 的模式嵌入到您的网页内进行应用；
- bubble 网页小部件：将 BOT 以 bubble 小部件的模式嵌入到您的网页内进行应用，它将以气泡的模式，展现在您网页的右下角。
写在最初
在生成式 AI 倒退迅猛的明天，GPTBots 为开发者提供了弱小的自主构建 AI-BOT 的能力，可能帮忙开发者疾速高效地构建个性化的 BOT，以解决其业务痛点或问题，驱动业务增长。
拜访极光 GPTBots 官网 https://www.gptbots.a 立刻注册体验注册即赠送积分赠送。参加企业认证或邀请好友注册，也能获取更多积分~
对于极光
极光（Aurora Mobile，纳斯达克股票代码：JG）成立于 2011 年，是中国当先的客户互动和营销科技服务商。成立之初，极光专一于为企业提供稳固高效的音讯推送服务，凭借先发劣势，曾经成长为市场份额遥遥领先的挪动音讯推送服务商。随着企业对客户触达和营销增长需要的不断加强，极光前瞻性地推出了音讯云和营销云等解决方案，帮忙企业实现多渠道的客户触达和互动需要，以及人工智能和大数据驱动的营销科技利用，助力企业数字化转型。
