هذا الشهر ، كان لدينا شراكات جنونية مع شركات كبيرة ، مما أدى إلى منح اشتراكات في أدوات الذكاء الاصطناعي مجانًا تمامًا. هذه هي الأدوات التي ستعمل على تبسيط نمو أعمالك وتحسين كفاءتك.

مجرد كونك راعيًا في الشهر الماضي ، تم منحك إمكانية الوصول إلى ست اشتراكات مدفوعة مجانًا تمامًا. لا تحصل فقط على هذه الاشتراكات ، ولكن تكتسب القدرة على الاستشارة والتواصل والتعاون مع المجتمع ، وكذلك معي. تحصل على إمكانية الوصول إلى أخبار الذكاء الاصطناعي اليومية والموارد والمسابقات وأكثر من ذلك بكثير.

إذا كنت مهتمًا ، فتحقق من رابط باتريون في الوصف أدناه للحصول على هذه المزايا.

في هذا القسم ، سنعرض كيفية إنشاء وكلاء الذكاء الاصطناعي الذين يمكنهم العمل مع البيانات الجدولية ، مما يمكّنهم من قراءة المعلومات الرقمية وتحليلها بشكل أكثر فعالية من نماذج اللغة الكبيرة. سيكون هؤلاء وكلاء الذكاء الاصطناعي قادرين على معالجة كميات كبيرة من البيانات الرقمية ، مثل البيانات المالية ، والإجابة على الأسئلة المتعلقة بأداء الشركة وهياكل التسعير وغيرها من البيانات ذات الصلة.

لإنشاء وكيل الذكاء الاصطناعي هذا ، سنستخدم Vector Shift ، وهي منصة تتيح إنشاء وكلاء الذكاء الاصطناعي بسهولة باستخدام واجهة السحب والإفلات ، دون الحاجة إلى برمجة. سيتضمن العملية الخطوات التالية:

1. عقدة الإدخال وعقدة الإخراج: سنبدأ بإعداد عقدة إدخال وعقدة إخراج لتحديد تدفق الأتمتة.

2. نموذج OpenAI GPT-4: سنستخدم نموذج OpenAI GPT-4 ، وهو أفضل نموذج للغة الكبيرة ، لتصنيف الأسئلة الواردة وتحديد ما إذا كانت متعلقة بالتسعير أو المعلومات العامة عن سيارات فورد.

3. بيان الشرط: سنضيف بيان شرط لتوجيه الأسئلة إلى عقدة المعالجة المناسبة ، إما نموذج اللغة الكبيرة OpenAI أو محمل استعلام CSV.

4. محمل استعلام CSV: سنقوم بإنشاء عقدة محمل استعلام CSV لمعالجة البيانات الرقمية من البيان المالي لشركة فورد ، مما يسمح لوكيل الذكاء الاصطناعي بتقديم معلومات تسعير دقيقة.

5. قاعدة المعرفة: سنقوم بدمج قاعدة معرفة تحتوي على التقرير السنوي لشركة فورد ، مما يمكّن وكيل الذكاء الاصطناعي من الإجابة على الأسئلة العامة عن الشركة.

6. دمج المخرجات: أخيرًا ، سنستخدم عقدة الدمج لدمج مخرجات العقد المختلفة وإرسال الاستجابة النهائية إلى عقدة الإخراج.

من خلال اتباع هذه العملية ، سنقوم بإنشاء وكيل ذكاء اصطناعي متعدد الاستخدامات يمكنه التعامل مع استعلامات البيانات الرقمية والأسئلة العامة عن فورد ، مما يوفر تجربة سلسة للمستخدمين المتفاعلين مع الدردشة الآلية.

لإنشاء وكيل ذكاء اصطناعي يمكنه تصنيف الأسئلة ومعالجة البيانات الرقمية ، سنتبع هذه الخطوات:

1. عقدة الإدخال: ابدأ بعقدة إدخال لتلقي أسئلة المستخدم.

2. عقدة الشرط: أضف عقدة شرط لتصنيف الأسئلة إلى فئتين: متعلقة بالتسعير أو معلومات عامة عن فورد.

3. عقدة OpenAI GPT-4: استخدم عقدة OpenAI GPT-4 لتصنيف الأسئلة. قم بتعيين نظام تعليمات للنموذج لتحديد ما إذا كان السؤال متعلقًا بالتسعير أو المعلومات العامة.

4. عقدة محمل استعلام CSV: للأسئلة المتعلقة بالتسعير ، أضف عقدة محمل استعلام CSV لمعالجة البيانات الرقمية من ملف CSV يحتوي على معلومات تسعير فورد.

5. عقدة قاعدة المعرفة: للأسئلة المتعلقة بالمعلومات العامة ، أضف عقدة قاعدة معرفة تحتوي على التقرير السنوي لشركة فورد. سيسمح هذا للوكيل بتقديم معلومات سياقية عن الشركة.

6. عقدة نموذج اللغة الكبيرة: أضف عقدة نموذج لغة كبيرة أخرى لتحسين توليد الإخراج من عقدة محمل استعلام CSV.

7. عقدة الدمج: استخدم عقدة الدمج لدمج الردود من الفروع المختلفة وإرسال الإخراج النهائي إلى عقدة الإخراج.

8. نشر كدردشة آلية: بمجرد إعداد خط الأنابيب ، يمكنك نشره كدردشة آلية يمكن تكاملها في موقع الويب الخاص بك أو منصات أخرى ، مما يتيح للعملاء الوصول بسهولة إلى معلومات التسعير والتفاصيل العامة عن فورد.

من خلال اتباع هذا النهج ، يمكنك إنشاء وكيل ذكاء اصطناعي متعدد الاستخدامات يمكنه تصنيف الأسئلة بفعالية ومعالجة البيانات الرقمية والسياقية ، مما يوفر تجربة سلسة للمستخدمين.

لدمج الفروع المختلفة ومعالجة الاستعلامات ، سنتخذ الخطوات التالية:

1. دمج الفروع: لدينا ثلاثة فروع رئيسية في خط الأنابيب الخاص بنا - عقدة الشرط ، ومحمل استعلام CSV ، واستعلام قاعدة المعرفة. سنستخدم عقدة "الدمج" لدمج مخرجات هذه الفروع وإرسال الاستجابة النهائية إلى عقدة الإخراج.

2. عقد نماذج اللغة الكبيرة: لقد أضفنا عدة عقد لنماذج اللغة الكبيرة لمعالجة أنواع مختلفة من الاستعلامات. الأول منها يصنف الاستعلام إما على أنه متعلق بالتسعير أو معلومات عامة. والثاني يعالج استعلام CSV ، والثالث يتعامل مع استعلامات قاعدة المعرفة.

3. محمل استعلام CSV: تتولى هذه العقدة معالجة البيانات الرقمية من ملف CSV. إنها تستخدم SQL طبيعي اللغة لاستخراج المعلومات ذات الصلة بناءً على استعلام المستخدم.

4. قاعدة المعرفة: لقد أضفنا قاعدة معرفة تحتوي على التقرير السنوي لشركة فورد. هذا يسمح للوكيل بالإجابة على الأسئلة العامة عن الشركة وأدائها المالي.

5. نشر كدردشة آلية: أخيرًا ، يمكننا نشر هذا خط الأنابيب كدردشة آلية. يجعل Vector Shift هذا سهلاً - يمكننا تكوين مظهر الدردشة الآلية وخيارات التكامل (مثل الموقع الإلكتروني والواتساب والسلاك) وإعدادات أخرى لجعلها جاهزة للاستخدام.

الجوانب الرئيسية لهذا الحل هي القدرة على التعامل مع الاستعلامات الرقمية والسياقية ، واستخدام نماذج لغة كبيرة متعددة للتخصص في الردود ، والنشر السلس كدردشة آلية. هذا يسمح للمستخدم النهائي بالتفاعل مع وكيل ذكاء اصطناعي قوي يمكنه توفير معلومات مفصلة عن أسعار وأداء المالي لشركة فورد.

في هذا الدرس ، قمنا بعرض كيفية إنشاء وكيل ذكاء اصطناعي باستخدام Vector Shift يمكنه استعلام ومعالجة البيانات ، وتحديدًا البيانات المالية لشركة Ford Motor Company. أبرز ملامح هذه الأتمتة تشمل:

1. تصنيف الأسئلة: يستخدم وكيل الذكاء الاصطناعي نموذج OpenAI GPT-4 لتصنيف الأسئلة الواردة إلى فئتين - الأسئلة المتعلقة بالتسعير والأسئلة العامة عن فورد.

2. معالجة البيانات الرقمية: بالنسبة للأسئلة المتعلقة بالتسعير ، يستخدم الوكيل محمل استعلام CSV لاستخراج معلومات التسعير ذات الصلة من ملف CSV مسبق التحميل يحتوي على بيانات تسعير فورد.

3. استعلامات المعرفة العامة: بالنسبة للأسئلة العامة عن فورد ، يستفيد الوكيل من قاعدة معرفة تحتوي على البيانات المالية للشركة لتقديم استجابات مفيدة.

4. دمج الردود: يقوم الوكيل بدمج الردود من عقد المعالجة المختلفة باستخدام عقدة الدمج لتقديم إجابة شاملة للمستخدم.

5. النشر كدردشة آلية: يمكن نشر الأتمتة المكتملة كدردشة آلية ، مما يتيح للمستخدمين التفاعل مع وكيل الذكاء الاصطناعي من خلال قنوات مختلفة مثل الموقع الإلكتروني أو الواتساب أو السلاك.

يوضح هذا المثال مرونة Vector Shift في إنشاء حلول عملية مدعومة بالذكاء الاصطناعي والتي يمكنها التعامل مع البيانات الرقمية والسياقية. من خلال أتمتة عملية استعلام والرد على الأسئلة المتعلقة بالأداء المالي للشركة ، يمكن للشركات تعزيز خدمة العملاء وتوفير معلومات قيمة لعملائها.