Tháng này, chúng tôi đã có những hợp tác điên cuồng với các công ty lớn, cung cấp miễn phí các gói đăng ký sử dụng công cụ AI. Đây là những công cụ sẽ giúp đơn giản hóa sự tăng trưởng của doanh nghiệp của bạn và cải thiện hiệu quả của bạn.

Chỉ bằng cách là người ủng hộ trong tháng vừa qua, bạn đã được cấp quyền truy cập miễn phí vào sáu gói đăng ký trả phí. Không chỉ bạn được truy cập vào các gói đăng ký này, mà bạn còn có khả năng được tư vấn, kết nối mạng, hợp tác với cộng đồng, cũng như với chính tôi. Bạn sẽ được truy cập vào tin tức AI hàng ngày, tài nguyên, chương trình khuyến mãi và nhiều hơn nữa.

Trong phần này, chúng tôi sẽ trình bày cách tạo các tác nhân AI có thể làm việc với dữ liệu bảng, cho phép chúng đọc và xử lý các giá trị số hiệu quả hơn so với các mô hình ngôn ngữ lớn. Những tác nhân AI này sẽ có khả năng xử lý lượng lớn dữ liệu số, chẳng hạn như báo cáo tài chính, và trả lời các câu hỏi về hiệu suất của công ty, cấu trúc giá cả và các dữ liệu liên quan khác.

Để tạo tác nhân AI này, chúng tôi sẽ sử dụng Vector Shift, một nền tảng cho phép tạo các tác nhân AI một cách dễ dàng với giao diện kéo và thả, mà không cần lập trình. Quá trình này sẽ bao gồm các bước sau:

1. Nút đầu vào và nút đầu ra: Chúng tôi sẽ bắt đầu bằng cách thiết lập một nút đầu vào và một nút đầu ra để định nghĩa luồng của tự động hóa.

2. Mô hình Open AI GPT-4: Chúng tôi sẽ sử dụng mô hình Open AI GPT-4, là mô hình ngôn ngữ lớn có hiệu suất tốt nhất, để phân loại các câu hỏi đến và xác định xem chúng có liên quan đến giá cả hay thông tin chung về xe hơi Ford.

3. Câu điều kiện: Chúng tôi sẽ thêm một câu điều kiện để định tuyến các câu hỏi đến nút xử lý thích hợp, hoặc là mô hình ngôn ngữ lớn Open AI hoặc bộ nạp truy vấn CSV.

4. Bộ nạp truy vấn CSV: Chúng tôi sẽ tạo một nút bộ nạp truy vấn CSV để xử lý dữ liệu số từ báo cáo tài chính của Ford, cho phép tác nhân AI cung cấp thông tin về giá cả chính xác.

5. Cơ sở kiến thức: Chúng tôi sẽ tích hợp một cơ sở kiến thức chứa báo cáo thường niên của Ford, cho phép tác nhân AI trả lời các câu hỏi chung về công ty.

6. Kết hợp các đầu ra: Cuối cùng, chúng tôi sẽ sử dụng một nút trộn để kết hợp các đầu ra từ các nút xử lý khác nhau và gửi phản hồi cuối cùng đến nút đầu ra.

Bằng cách thực hiện quy trình này, chúng tôi sẽ tạo ra một tác nhân AI linh hoạt có thể xử lý cả truy vấn dữ liệu số và câu hỏi chung về Ford, cung cấp trải nghiệm người dùng liền mạch cho khách hàng tương tác với chatbot.

Để tạo một tác nhân AI có thể phân loại câu hỏi và xử lý dữ liệu số, chúng ta sẽ thực hiện các bước sau:

1. Nút đầu vào: Bắt đầu với một nút đầu vào để nhận câu hỏi của người dùng.

2. Nút điều kiện: Thêm một nút điều kiện để phân loại các câu hỏi thành hai danh mục: liên quan đến giá cả hoặc thông tin chung về Ford.

3. Nút Open AI GPT-4: Sử dụng một nút Open AI GPT-4 để phân loại các câu hỏi. Đặt một lời nhắc hệ thống cho mô hình để xác định xem câu hỏi có liên quan đến giá cả hay thông tin chung.

4. Nút bộ nạp truy vấn CSV: Đối với các câu hỏi liên quan đến giá cả, thêm một nút bộ nạp truy vấn CSV để xử lý dữ liệu số từ tệp CSV chứa thông tin về giá cả của Ford.

5. Nút cơ sở kiến thức: Đối với các câu hỏi thông tin chung, thêm một nút cơ sở kiến thức chứa báo cáo thường niên của Ford. Điều này sẽ cho phép tác nhân cung cấp thông tin ngữ cảnh về công ty.

6. Nút mô hình ngôn ngữ lớn: Thêm một nút mô hình ngôn ngữ lớn khác để cải thiện việc tạo đầu ra từ nút bộ nạp truy vấn CSV.

7. Nút trộn: Sử dụng một nút trộn để kết hợp các phản hồi từ các nhánh khác nhau và gửi đầu ra cuối cùng đến nút đầu ra.

8. Triển khai dưới dạng chatbot: Sau khi thiết lập xong pipeline, bạn có thể triển khai nó dưới dạng chatbot để tích hợp vào trang web hoặc các nền tảng khác, cho phép khách hàng dễ dàng truy cập thông tin về giá cả và chi tiết chung về Ford.

Để kết hợp các nhánh khác nhau và xử lý các truy vấn, chúng ta sẽ thực hiện các bước sau:

1. Kết hợp các nhánh: Chúng ta có ba nhánh chính trong pipeline của mình - nút điều kiện, nút bộ nạp truy vấn CSV và truy vấn cơ sở kiến thức. Chúng ta sẽ sử dụng một nút "Trộn" để kết hợp các đầu ra từ những nhánh này và gửi phản hồi cuối cùng đến nút đầu ra.

2. Các nút mô hình ngôn ngữ lớn: Chúng ta đã thêm nhiều nút mô hình ngôn ngữ lớn để xử lý các loại truy vấn khác nhau. Cái đầu tiên phân loại truy vấn là về giá cả hay thông tin chung. Cái thứ hai xử lý truy vấn CSV và cái thứ ba xử lý truy vấn cơ sở kiến thức.

3. Bộ nạp truy vấn CSV: Nút này chịu trách nhiệm xử lý dữ liệu số từ tệp CSV. Nó sử dụng SQL tự nhiên để trích xuất thông tin liên quan dựa trên truy vấn của người dùng.

4. Cơ sở kiến thức: Chúng ta đã thêm một cơ sở kiến thức chứa báo cáo thường niên của Ford. Điều này cho phép tác nhân trả lời các câu hỏi chung về công ty và tài chính của họ.

5. Triển khai dưới dạng chatbot: Cuối cùng, chúng ta có thể triển khai pipeline này dưới dạng chatbot. Vector Shift làm điều này dễ dàng - chúng ta có thể cấu hình giao diện của chatbot, tùy chọn tích hợp (ví dụ: trang web, WhatsApp, Slack) và các cài đặt khác để nó sẵn sàng để sử dụng.

Trong hướng dẫn này, chúng tôi đã trình bày cách tạo một tác nhân AI bằng cách sử dụng Vector Shift có thể truy vấn và xử lý dữ liệu, cụ thể là dữ liệu tài chính của Công ty Ô tô Ford. Các điểm nổi bật chính của tự động hóa này bao gồm:

1. Phân loại câu hỏi: Tác nhân AI sử dụng mô hình OpenAI GPT-4 để phân loại các câu hỏi đến thành hai danh mục - câu hỏi liên quan đến giá cả và câu hỏi chung về Ford.

2. Xử lý dữ liệu số: Đối với các câu hỏi liên quan đến giá cả, tác nhân sử dụng bộ nạp truy vấn CSV để trích xuất thông tin về giá cả liên quan từ tệp CSV đã tải trước chứa dữ liệu về giá cả của Ford.

3. Truy vấn kiến thức chung: Đối với các câu hỏi chung về Ford, tác nhân sử dụng cơ sở kiến thức chứa báo cáo tài chính của công ty để cung cấp các phản hồi thông tin.

4. Kết hợp các phản hồi: Tác nhân kết hợp các phản hồi từ các nút xử lý khác nhau bằng cách sử dụng một nút trộn để cung cấp một câu trả lời toàn diện cho người dùng.

5. Triển khai dưới dạng chatbot: Tự động hóa hoàn chỉnh có thể được triển khai dưới dạng chatbot, cho phép người dùng tương tác với tác nhân AI thông qua các kênh khác nhau như trang web, WhatsApp hoặc Slack.

Ví dụ này minh họa sự linh hoạt của Vector Shift trong việc tạo ra các giải pháp thực tế được cung cấp bởi AI có thể xử lý cả dữ liệu số và ngữ cảnh. Bằng cách tự động hóa quá trình truy vấn và phản hồi các câu hỏi về hiệu suất tài chính của một công ty, các doanh nghiệp có thể nâng cao dịch vụ khách hàng và cung cấp những thông tin có giá trị cho khách hàng của họ.