בחודש זה, היו לנו שותפויות מטורפות עם חברות גדולות, המעניקות מנויים לכלי AI לחלוטין בחינם. אלה הם כלים שיייעלו את הצמיחה של העסק שלך וישפרו את היעילות שלך.

רק בהיותך תומך בחודש שעבר, ניתן לך גישה לשישה מנויים שהיו בתשלום לחלוטין בחינם. לא רק שאתה מקבל גישה למנויים האלה, אלא שאתה גם מקבל את היכולת להתייעץ, ליצור קשרים, לשתף פעולה עם הקהילה, וכן איתי. אתה מקבל גישה לחדשות AI יומיות, משאבים, הגרלות ועוד הרבה יותר.

אם אתה מעוניין, בדוק את קישור הפטרון בתיאור למטה כדי לקבל גישה להטבות האלה.

בחלק זה, נציג כיצד ליצור סוכני AI שיכולים לעבוד עם נתונים טבלאיים, מאפשרים להם לקרוא ולעבד ערכים מספריים ביעילות רבה יותר מאשר מודלי שפה גדולים. סוכני AI אלה יהיו מסוגלים לעבד כמויות גדולות של נתונים מספריים, כמו דוחות כספיים, ולענות על שאלות בנוגע לביצועי החברה, מבנה התמחור והנתונים הקשורים האחרים.

כדי ליצור סוכן AI זה, נשתמש ב-Vector Shift, פלטפורמה המאפשרת יצירה קלה של סוכני AI עם ממשק גרירה והשלכה, ללא צורך בקידוד. התהליך יכלול את השלבים הבאים:

1. צומת קלט וצומת פלט: נתחיל בהגדרת צומת קלט וצומת פלט כדי להגדיר את זרימת האוטומציה.

2. מודל OpenAI GPT-4: נשתמש במודל OpenAI GPT-4, שהוא מודל השפה הגדול בביצועים הטובים ביותר, כדי לסווג את השאלות הנכנסות ולקבוע אם הן קשורות למחירים או למידע כללי על מכוניות פורד.

3. הצהרת תנאי: נוסיף הצהרת תנאי כדי לנתב את השאלות לצומת העיבוד המתאים, בין אם מודל השפה הגדול של OpenAI או מטען שאילתת CSV.

4. מטען שאילתת CSV: נצור צומת מטען שאילתת CSV כדי לעבד את הנתונים המספריים מדוח הכספי של פורד, מאפשר לסוכן AI לספק מידע מדויק על מחירים.

5. בסיס ידע: נשלב בסיס ידע המכיל את הדוח השנתי של פורד, מאפשר לסוכן AI לענות על שאלות כלליות על החברה.

6. מיזוג פלטים: לבסוף, נשתמש בצומת מיזוג כדי לשלב את הפלטים מהצמתים העיבוד השונים ולשלוח את התגובה הסופית לצומת הפלט.

על ידי ביצוע תהליך זה, נצור סוכן AI מגוון שיכול לטפל הן בשאלות נתונים מספריים והן בשאלות כלליות על פורד, מספק חוויית משתמש חלקה ללקוחות המתפעלים את הצ'אטבוט.

כדי ליצור סוכן AI שיכול לסווג שאלות ולעבד נתונים מספריים, נפעל לפי השלבים האלה:

1. צומת קלט: התחל עם צומת קלט לקבלת שאלות המשתמש.

2. צומת תנאי: הוסף צומת תנאי לסיווג השאלות לשתי קטגוריות: הקשורות למחירים או מידע כללי על פורד.

3. צומת OpenAI GPT-4: השתמש בצומת OpenAI GPT-4 לסיווג השאלות. הגדר הנחיית מערכת למודל לזהות אם השאלה היא על מחירים או מידע כללי.

4. צומת מטען שאילתת CSV: עבור שאלות הקשורות למחירים, הוסף צומת מטען שאילתת CSV לעיבוד הנתונים המספריים מקובץ CSV המכיל מידע על מחירי פורד.

5. צומת בסיס ידע: עבור שאלות מידע כללי, הוסף צומת בסיס ידע המכיל את הדוח השנתי של פורד. זה יאפשר לסוכן לספק מידע הקשרי על החברה.

6. צומת מודל שפה גדול: הוסף צומת מודל שפה גדול נוסף לשיפור יצירת הפלט מצומת מטען שאילתת CSV.

7. צומת מיזוג: השתמש בצומת מיזוג כדי לשלב את התגובות מהענפים השונים ולשלוח את הפלט הסופי לצומת הפלט.

8. פריסה כצ'אטבוט: לאחר הגדרת הפיפלליין, תוכל לפרוס אותו כצ'אטבוט שניתן לשלב באתר האינטרנט או בפלטפורמות אחרות, מאפשר ללקוחות לגשת בקלות למידע על מחירים ופרטים כלליים על פורד.

על ידי ביצוע גישה זו, תוכל ליצור סוכן AI מגוון שיכול לסווג בצורה יעילה שאלות ולעבד הן נתונים מספריים והן נתונים הקשרים, מספק חוויית משתמש חלקה ללקוחות שלך.

כדי למזג את הענפים השונים ולעבד שאלות, נבצע את השלבים הבאים:

1. מיזוג ענפים: יש לנו שלושה ענפים עיקריים בפיפלליין שלנו - צומת התנאי, מטען שאילתת CSV וצומת שאילתת בסיס הידע. נשתמש בצומת "מיזוג" כדי לשלב את הפלטים מענפים אלה ולשלוח את התגובה הסופית לצומת הפלט.

2. צמתי מודל שפה גדול: הוספנו מספר צמתי מודל שפה גדול כדי לטפל בסוגים שונים של שאלות. הראשון מסווג את השאלה כאם היא על מחירים או מידע כללי. השני מעבד את שאילתת CSV, והשלישי מטפל בשאילתות בסיס הידע.

3. מטען שאילתת CSV: צומת זה אחראי על עיבוד נתונים מספריים מקובץ ה-CSV. הוא משתמש בשאילתת SQL בשפה טבעית כדי להפיק את המידע הרלוונטי על בסיס שאילתת המשתמש.

4. בסיס ידע: הוספנו בסיס ידע המכיל את הדוח השנתי של פורד. זה מאפשר לסוכן לענות על שאלות כלליות על החברה והנתונים הכספיים שלה.

5. פריסה כצ'אטבוט: לבסוף, נוכל לפרוס את הפיפלליין הזה כצ'אטבוט. Vector Shift הופך זאת לקל - נוכל להגדיר את מראה הצ'אטבוט, אפשרויות השילוב (למשל, אתר אינטרנט, WhatsApp, Slack) והגדרות אחרות כדי להכין אותו לשימוש.

היבטים המפתח של פתרון זה הם היכולת לטפל הן בשאלות מספריות והן בשאלות הקשרים, השימוש במספר מודלי שפה גדולים כדי להתמחות בתגובות, והפריסה חלקה כצ'אטבוט. זה מאפשר למשתמש הקצה להתפעל סוכן AI חזק שיכול לספק מידע מפורט על מחירי ונתונים כספיים של פורד.

במדריך זה, הצגנו כיצד ליצור סוכן AI באמצעות Vector Shift שיכול לשאול ולעבד נתונים, בפרט נתונים כספיים של חברת פורד מוטורס. הנקודות הבולטות של אוטומציה זו כוללות:

1. סיווג שאלות: סוכן ה-AI משתמש במודל OpenAI GPT-4 כדי לסווג את השאלות הנכנסות לשתי קטגוריות - שאלות הקשורות למחירים ושאלות כלליות על פורד.

2. עיבוד נתונים מספריים: עבור שאלות הקשורות למחירים, הסוכן משתמש במטען שאילתת CSV כדי להפיק את מידע המחירים הרלוונטי מקובץ CSV מוטען מראש המכיל נתוני מחירי פורד.

3. שאילתות ידע כללי: עבור שאלות כלליות על פורד, הסוכן מנצל בסיס ידע המכיל את הדוחות הכספיים של החברה כדי לספק תגובות מידעיות.

4. מיזוג תגובות: הסוכן משלב את התגובות מהצמתים העיבוד השונים באמצעות צומת מיזוג כדי לספק תשובה מקיפה למשתמש.

5. פריסה כצ'אטבוט: האוטומציה המושלמת יכולה להיות מפורסת כצ'אטבוט, מאפשרת למשתמשים להתפעל את סוכן ה-AI דרך ערוצים שונים כמו אתר אינטרנט, WhatsApp או Slack.

דוגמה זו ממחישה את הגמישות של Vector Shift ביצירת פתרונות מעשיים מונעי AI שיכולים לטפל הן בנתונים מספריים והן בנתונים הקשרים. על ידי אוטומציה של תהליך שאילתת והגבת שאלות על ביצועים כספיים של חברה, עסקים יכולים לשפר את שירות הלקוחות שלהם ולספק תובנות חשובות ללקוחותיהם.