Dans cette section, nous allons démontrer comment construire une solution IA de 5 000 $ pour une agence d'automatisation IA en utilisant Vector Shift. Vector Shift est une plateforme qui permet à n'importe qui de construire facilement des agents IA et des assistants pour automatiser diverses tâches sans écrire de code.

Pour commencer, nous allons créer un compte sur le site Web de Vector Shift et naviguer jusqu'au tableau de bord. De là, nous allons créer un nouveau pipeline pour automatiser le processus de demande de propositions (RFP).

Tout d'abord, nous allons configurer deux nœuds de base de connaissances. L'un utilisera la documentation de Vector Shift pour représenter la partie soumissionnaire, tandis que l'autre fera référence à des projets précédents réalisés dans Vector Shift pour fournir des exemples pertinents.

Ensuite, nous ajouterons un nœud de modèle de langage de grande taille (spécifiquement le modèle OpenAI GPT-4 Omni) et le configurerons pour recevoir la question de l'utilisateur et le document RFP comme entrées. Le modèle s'appuiera alors sur le contexte des deux bases de connaissances pour fournir une réponse consolidée et pertinente qui peut être soumise comme proposition.

Nous testerons l'automatisation en téléchargeant le document RFP et en posant une question d'exemple. Le système traitera les entrées, fera référence aux bases de connaissances et générera une réponse détaillée qui répond aux exigences spécifiques du RFP.

Enfin, nous explorerons les options de déploiement, permettant à l'automatisation d'être exportée sous forme de chatbot qui peut être partagé avec des clients ou intégré sur un site Web. Cette solution alimentée par l'IA peut être un atout précieux pour une agence d'automatisation IA, en rationalisant le processus RFP et en offrant un avantage concurrentiel.

Pour automatiser le processus de demande de propositions (RFP), nous tirerons parti des puissantes fonctionnalités de Vector Shift :

1. Bases de connaissances : Nous créerons deux bases de connaissances dans Vector Shift :

   • Une base de connaissances contiendra des informations sur les capacités de Vector Shift et les projets précédents.
   • L'autre base de connaissances stockera les détails du RFP spécifique que nous traitons.

2. Modèle de langage de grande taille : Nous utiliserons l'intégration de Vector Shift avec le modèle OpenAI GPT-4 Omni pour traiter les questions de l'utilisateur et le contenu du RFP. Ce puissant modèle de langage sera en mesure de générer des réponses pertinentes et cohérentes en s'appuyant sur les informations des bases de connaissances.

3. Ingénierie des invites : Nous concevrons soigneusement les invites qui guideront le comportement du modèle de langage. Les invites instruiront le modèle de :

   • Comprendre la question de l'utilisateur dans le contexte du RFP.
   • Exploiter les informations des deux bases de connaissances pour fournir une réponse complète et adaptée.
   • S'assurer que la réponse est directement applicable en tant que proposition pour le RFP.

4. Déploiement et automatisation : Une fois le pipeline configuré, nous pouvons le déployer sous forme de chatbot ou d'automatisation. Cela permet de générer automatiquement la réponse au RFP, économisant ainsi du temps et des ressources pour l'agence.

Pour configurer le pipeline et les invites pour les réponses automatisées aux RFP, suivez ces étapes :

1. Créez un nouveau pipeline en cliquant sur le bouton "Nouveau" et en sélectionnant "Créer un pipeline" dans les options.

2. Configurez les nœuds d'entrée et de sortie du pipeline. Le nœud d'entrée recevra la question de l'utilisateur, et le nœud de sortie enverra la réponse générée.

3. Ajoutez deux nœuds de base de connaissances au pipeline. Une base de connaissances contiendra des informations sur votre entreprise et Vector Shift, tandis que l'autre aura des détails sur vos projets précédents.

4. Configurez les nœuds de base de connaissances en ajoutant les documents, fichiers ou URL pertinents. Vous pouvez utiliser l'option "URL récursive" pour récupérer automatiquement les dernières informations.

5. Ajoutez un nœud de modèle de langage de grande taille, comme le modèle OpenAI GPT-4 Omni, au pipeline. Cela traitera la question de l'utilisateur et le contexte du RFP pour générer une réponse pertinente.

6. Dans la section des invites, configurez les nœuds d'entrée pour la question de l'utilisateur et les détails du RFP. Connectez ces entrées aux nœuds de base de connaissances respectifs.

7. Personnalisez les instructions des invites pour vous assurer que le modèle de langage utilise efficacement le contexte fourni. Demandez-lui de consolider la réponse dans un format prêt à être proposé.

8. Déployez le pipeline et testez-le en téléchargeant le document RFP et en posant une question d'exemple. Observez comment l'automatisation exploite les bases de connaissances pour fournir une réponse complète et pertinente.

9. Une fois satisfait des performances, vous pouvez exporter le pipeline sous forme de chatbot ou d'automatisation. Cela vous permet de partager la solution avec des clients ou de l'intégrer sur votre site Web.

Pour tester et déployer le chatbot pour l'automatisation des RFP, suivez ces étapes :

1. Déployer le pipeline : Cliquez sur le bouton "Déployer le pipeline" pour publier le pipeline d'automatisation que vous avez créé. Cela rendra le chatbot disponible pour utilisation.

2. Tester le chatbot : Téléchargez le document RFP que vous souhaitez automatiser en cliquant sur le bouton "Télécharger". Ensuite, saisissez une question d'exemple dans le champ d'entrée, comme "Comment Vector Shift peut-il aider à construire un chatbot IA ?". Cliquez sur "Exécuter" pour voir la réponse du chatbot, qui sera générée en fonction du contexte et des informations sur les projets précédents que vous avez fournis.

3. Configurer le chatbot : Vous pouvez personnaliser l'apparence et les fonctionnalités du chatbot en cliquant sur l'onglet "Chatbots". Ici, vous pouvez donner un nom et une description au chatbot, et configurer ses paramètres d'affichage.

4. Exporter le chatbot : Une fois satisfait des performances du chatbot, vous pouvez l'exporter en cliquant sur le bouton "Exporter". Cela vous donnera l'option de partager le chatbot sous forme de lien ou de l'intégrer sur un site Web.

5. Intégrer avec les clients : Vous pouvez maintenant proposer ce chatbot d'automatisation des RFP comme service à vos clients. Ils peuvent utiliser le chatbot pour rationaliser leur processus de RFP et recevoir des réponses adaptées en fonction du contexte et des informations sur les projets précédents que vous avez fournis.

Dans ce cas d'utilisation pratique, nous avons démontré comment construire une solution IA de 5 000 $ pour une agence d'automatisation IA en utilisant la plateforme Vector Shift. En tirant parti de l'interface de glisser-déposer de la plateforme, nous avons pu créer une solution automatisée pour gérer les processus de demande de propositions (RFP).

Les principales étapes de ce processus comprennent :

1. Créer un compte sur la plateforme Vector Shift et vous familiariser avec ses fonctionnalités, telles que le pipeline, la place de marché et la base de connaissances.
2. Télécharger le document RFP et créer deux nœuds de base de connaissances - l'un pour le contexte de l'entreprise et l'autre pour le contexte des projets précédents.
3. Configurer le modèle de langage de grande taille (GPT-4 Omni) pour traiter la question de l'utilisateur et le RFP, en utilisant les informations de la base de connaissances pour fournir des réponses pertinentes et complètes.
4. Déployer le pipeline sous forme de chatbot, permettant une intégration et un partage faciles avec les clients ou les clients.

Cette solution automatisée peut être très précieuse pour les agences d'automatisation IA, car elle rationalise le processus de RFP, garantissant des réponses cohérentes et pertinentes tout en économisant du temps et des ressources. En tirant parti de la puissance de Vector Shift, les agences peuvent offrir un service convaincant à leurs clients, générant potentiellement des revenus importants.