生成式AI（Generative AI）是當今科技領域的前沿技術之一。隨著數據量的不斷增加和計算能力的不斷提升，AI技術在企業和個人生活中的套用越來越廣泛。AI-BOT（以下簡稱BOT）是生成式AI技術的其中一種重要的套用形式，它可以透過學習各類業務數據資訊，幫助人們執行一系列任務，從而提高工作效率，減少人力成本。
而GPTBots作為BOT開發平台，一直是生成式AI的前沿探索者。本文將與您分享，如何在GPTBots上，為您的業務開發和訓練一個擁高可用性的BOT。
準備工作
註冊GPTBots平台
註冊一個GPTBots賬號，是開發BOT的第一步。
進入GPTBots平台，點選【註冊】，並登入到【開發者後台】。完成註冊後，平台會為您贈送一些積分，這些積分能夠讓您進行平台功能的初體驗，例如建立BOT、偵錯BOT、訓練BOT等。如果完成企業認證，還可以獲得高達500 積分的贈送。
業務分析
首先，您需要明確BOT在您的業務中的定位和目標。
定位指的是BOT在您的業務中的特殊位置，它被用於解決某個特定領域的問題，因此與其他BOT是存在差異的。目標指的是BOT在您的業務中所能達成的具體結果，例如降低成本、提升人效等。
我們建議您可以把BOT理解為一名員工，這位員工知識淵博，無所不知，但在某些專業領域又有些欠缺。不過，只需要提供相關專業知識就，它可以化身領域專家，有效解決專業問題。因此，在明確定位和目標時，我們可以這麽思考：
定位：一名非常專業的電商售後客服人員，他對於公司業務了如指掌，能夠快速且專業地為客戶解決各類別售後問題。
目標：提升客戶服務效率和質素，降低客戶服務成本。
其次，您需要了解BOT所需解決的業務領域中存在的問題和挑戰。了解這些，有助於幫助您進一步定位BOT的能力範圍。
數據收集
在明確了BOT的定位和目標後，我們需要為BOT進行數據收集。
根據上文我們提供的建議，我們把這個BOT想象成為一名無所不能的員工。但一名強大的員工，除非部份人有天賦以外，更多地一定是透過不斷的知識學習和經驗積累後才能做到的。而BOT的數據，指的就是BOT需要學習的知識。
繼續使用上文的例子。一名「一名非常專業的電商售後客服人員」，一定是擁有非常豐富的公司售後業務知識，包括但不限於：公司的售後服務政策、公司歷史處理售後問題經典案例……
因此，我們需要做以下工作：
1. 收集數據。作為給這個「電商售後BOT」的學習資料；
2. 數據分類。分類越清晰，越有助於BOT知識的維護管理，以及提升BOT的響應質素。例如電商售後服務知識，我們可以大致分類為：服務總則、服務細則、服務流程、常見問題、經典案例等；
3. 數據清洗及預處理。以保證最終給BOT學習的數據是相對「幹凈」，不含「雜質」的。
註意，數據的收集並不是越多越好，更重要的是數據的質素。我們需要給BOT「學習」高質素的知識，BOT才能給我們輸出高質素的結果。
構建BOT
在以上準備工作均已完成後，就可以開始構建這個「電商售後BOT」。
建立BOT
根據業務實際，建立合適類別的BOT。GPTBots定義了兩類BOT：
● 知識問答：擁有「短記憶」能力，適用於一些簡單的問答場景，例如轉譯、客服、知識檢索等；
● 智能助理：擁有「短記憶+長記憶」能力，適用於較為復雜的對話場景。
使用者可按自身實際需求來選擇BOT類別。
身份提示撰寫技巧
在構建BOT的過程中，比較重要的一個環節，就是為BOT撰寫身份提示。
身份提示可用來塑造BOT的身份、能力，邊界和情緒等。一個優質的身份提示，能夠讓BOT以更加符合期望地回復使用者問題。
我們可以用一個通用的結構來撰寫身份提示，如下：
● 角色：BOT需要擔任的角色，如「專業的售後服務人員」；
● 技能：BOT需要擁有的技能，如「出色的售後服務能力與客戶溝通技巧」；
● 個性：BOT的語氣、個性、溝通方式等，如「語氣請平糊，用詞需禮貌」；
● 目標：BOT的任務目標，如「基於參考內容及客戶提問，回答客戶的問題」；
● 輸出規則：若您需要BOT輸出內容為特定結構或格式（如：json、markdown……），您也可以在此定義。請註意，這部份不是必須的，可按實際需求撰寫。
以上文「電商售後BOT」為例，我們可以這樣撰寫身份提示：
請扮演一名專業的售後服務人員。你擁有出色的售後服務能力與客戶溝通技巧。你的任務是，基於參考內容及客戶提問，回答客戶的問題。語氣請平糊，用詞需禮貌。
訓練BOT
在設定好BOT的基本資訊後，我們需要對BOT進行知識「投餵」以及訓練。
知識輸入
我們需要將數據收集階段收集到的售後服務類數據，以合適的格式，「投餵」給BOT進行訓練。GPTBots平台目前支持文件匯入（.docx、.md、.txt、……）、網站爬取、線上文本、線上Q&A等方式進行知識輸入。
向量搜尋
訓練完成後，可以立刻透過「向量搜尋」功能，對知識進行向量搜尋測試，檢查命中情況，目的是為了觀察已經訓練好的知識在面對實際問題時，是否能夠有效地完成資訊召回。
聊天記錄訓練
在BOT已經投入使用後，我們依然可以對BOT進行反復訓練。
目前GPTBots支持基於使用者的聊天記錄進行訓練。這種訓練方式的優勢在於，訓練的語料使用的是使用者在使用BOT過程中實際發生的對話，使用這些對話作為訓練材料，能夠讓BOT更有效地接近實際的使用者使用場景。
偵錯BOT
偵錯模式可以幫助開發者一邊使用BOT一邊調整BOT參數，以讓BOT達到開發者所期望的效果。
更復雜的場景，如何處理？
在實際業務中，會很多遠比售後服務問答要復雜得多的場景。面對這些場景，GPTBots提供了更豐富的處理方式以應對。
為BOT插上翅膀——外掛程式能力
大語言模型（LLM）本身是有知識範圍限制的，當需要LLM幫助我們處理更多業務客製化的、復雜的任務時，我們可以透過為LLM添加外掛程式的方式，擴充套件LLM的能力，使BOT擁有更加強大的能力。
GPTBots當前已支持外掛程式功能。
GPTBots官方已經提供了一些免費的公開外掛程式供使用者使用（更多的官方外掛程式正在陸續開發中……）。
同時，GPTBots也支持開發者自行開發外掛程式，以個人化地覆蓋自身的業務場景。例如，開發者可以透過開發外掛程式，將BOT對接到自己的業務系統，呼叫自己的業務數據，讓BOT來處理特定業務工作。
用視覺化流程（FLOW）構建BOT
若是存在更加復雜的業務場景，則可以透過視覺化流程（FLOW）來構建BOT。
GPTBots目前正在內測的FLOW構建BOT功能。我們將一個BOT應有的或常見的模組抽象為多個元件，使用者可以透過在視覺化面板上托拉拽的方式，個人化地構建一個復雜場景下的BOT，以解決更加垂直、更加特定場景下的問題。
將BOT與業務連線
GPTBots支持將構建好的BOT與使用者自己的業務進行連線，目前主要有以下三種方式：
● API：GPTBots當前提供了多個與BOT進行互動的API，包括但不限於建立對話、發送訊息、獲取訊息等；
● iframe網頁嵌入：將BOT對話界面以iframe的形式嵌入到您的網頁內進行使用；
● bubble網頁小部件：將BOT以bubble小部件的形式嵌入到您的網頁內進行使用，它將以氣泡的形式，展示在您網頁的右下角。
寫在最後
在生成式AI發展迅猛的今天，GPTBOTS為開發者提供了強大的自主構建AI-BOT的能力，能夠幫助開發者快速高效地構建個人化的BOT，以解決其業務痛點或問題，驅動業務增長。
