🎯 Mục đích

Mục tiêu chính của workflow này là xử lý và phản hồi các tin nhắn chat từ người dùng một cách tự động và thông minh, thông qua việc sử dụng mô hình AI Google Gemini để tạo ra các phản hồi và lưu trữ dữ liệu vào Airtable.

⚙️ Cách hoạt động

1. Nhận tin nhắn chat (chatTrigger): Workflow bắt đầu khi một tin nhắn chat mới được nhận.
2. Mô hình chat Google Gemini (lmChatGoogleGemini): Tin nhắn được gửi tới mô hình AI để xử lý và tạo ra phản hồi.
3. Bộ phân tích đầu ra tự động sửa chữa (outputParserAutofixing): Kết quả từ mô hình được phân tích và sửa chữa tự động nếu cần.
4. Bộ phân tích đầu ra có cấu trúc (outputParserStructured): Đầu ra được chuyển đổi thành định dạng có cấu trúc rõ ràng hơn.
5. Chỉnh sửa các trường (set): Các trường dữ liệu được chỉnh sửa theo yêu cầu của business.
6. Mô hình chat Google Gemini1 (lmChatGoogleGemini): Kết quả đã chỉnh sửa được gửi lại vào mô hình để xử lý sâu hơn nếu cần.
7. Trả về kết quả (set): Kết quả cuối cùng được chuẩn bị để trả về cho người dùng.
8. Phân loại và đặt tên cho Prompt (chainLlm): Tạo ra các category cho prompt dựa trên đầu vào.
9. Thiết lập các trường prompt (set): Các trường liên quan đến prompt được thiết lập cho bước tiếp theo.
10. Thêm vào Airtable (airtable): Dữ liệu được lưu trữ vào Airtable để theo dõi và quản lý.
11. Tạo một Prompt mới (chainLlm): Quá trình khép lại với việc tạo ra một prompt mới dựa trên thông tin đã nhận.

🔗 Tích hợp chính

• chatTrigger: Bắt đầu workflow khi có tin nhắn mới.
• lmChatGoogleGemini: Cung cấp khả năng xử lý ngôn ngữ tự nhiên từ Google để tạo ra phản hồi.
• outputParserAutofixing: Sửa chữa các lỗi trong đầu ra không chính xác.
• outputParserStructured: Đảm bảo đầu ra có cấu trúc để dễ dàng xử lý và lưu trữ.
• set: Chỉnh sửa và định nghĩa các trường trong dữ liệu.
• chainLlm: Tạo ra các prompt mới hoặc phân loại thông tin.
• airtable: Lưu trữ dữ liệu một cách có tổ chức trong cơ sở dữ liệu.

💼 Giá trị doanh nghiệp

Workflow này giải quyết vấn đề tự động hóa phản hồi từ khách hàng, giảm thiểu thời gian và công sức của nhân viên, đồng thời cung cấp thông tin quý giá cho phân tích và theo dõi lịch sử tương tác với khách hàng.

📊 Đánh giá kỹ thuật

Mức độ phức tạp là trung bình, với 11 nodes và 10 connections. Để duy trì và tối ưu hóa, nên xem xét việc giảm thiểu các bước thừa có thể được hợp nhất, đồng thời xem xét năng lực của mô hình AI để quản lý khối lượng lớn tin nhắn đồng thời.

🏷️ Thẻ

• tự động hóa
• AI
• chat
• quản lý dữ liệu
• google gemini