AIGC | 如何用“Flow”，轻松解决复杂业务问题

随着LLM（大语言模型）的爆火，不少企业都在寻找通过LLM解决企业业务问题的方法，以达到降本增效的效果。但是，当面对较为复杂的业务问题（如：背景资料多、问题分类多、条件判断复杂、涉及模块多等）时，以LLM当前的发展程度，仅通过简单的LLM对话交互，是无法有效地解决此类问题的，原因在于，LLM也有自身的能力限制，如幻觉、上下文等。

由极光(Aurora)开发的GPTBots平台，为解决此类问题，打造了“Flow”形态的Bot搭建模式。该模式可将复杂的业务问题简单化，通过“Flow”的方式，将复杂多变的业务问题简化并抽象为多个“节点”和“流程”，并通过可视化编排workflow方式，让多个专职LLM并行/串行工作，各司其职，从而快速地搭建起一个Bot，并立即应用于实际业务问题场景中。

本文将以搭建一个简单的“售后服务Bot”为目标，为您讲述“Flow”的实际应用过程。

找出问题，定义目标

设计一个Bot，和设计一款产品是一样的，首先需要定义该Bot需要解决的问题是什么，并定义出这个Bot的目标。

在本例中，我们需要解决的是售后服务问题。原有的售后服务，可能会包括（但不限于）：

• 咨询量大，需要投入大量的人力资源在其中；
• 咨询的内容很广，意味着对客服人员的知识量要求较高；
• ……

如果有一个专门解决售后咨询问题的Bot，那么就可以帮助企业提升售后服务效率的同时，降低售后服务的成本（人力、时间、管理资源……）。

 

业务梳理
 

在定义好问题和目标后，我们需要根据实际的业务场景，先规划好Bot的流程。

在该例子中，我们可以设计出这样的一个简单的售后问题处理流程：

• 当客户提问关于保障服务（Support Service）相关问题时，则Bot基于《保障服务》文档知识，为客户解答；

• 当客户提问是关于退货（Returns）时，则Bot基于《退货》文档的知识，为客户解答；

• 当客户想要查询快递进度（Express Tracking）时，则Bot调用预定义好的快递查询插件，并为客户返回结果；

• 当客户提出关于退款（Refund）的请求时，由于该业务涉及资金流动，较为敏感，因此我们选择让Bot调用预定义好的退款处理插件，为客户执行退款，并返回结果；

• 当客户提问不属于以上任意一种类型时，我们设置一个默认回复信息给客户，例如可以让客户通过某种联系方式联系人工客服。