生成式AI（Generative AI）是当今科技领域的前沿技术之一。随着数据量的不断增加和计算能力的不断提升，AI技术在企业和个人生活中的应用越来越广泛。AI-BOT（以下简称BOT）是生成式AI技术的其中一种重要的应用形式，它可以通过学习各类业务数据信息，帮助人们执行一系列任务，从而提高工作效率，减少人力成本。

而GPTBots作为BOT开发平台，一直是生成式AI的前沿探索者。本文将与您分享，如何在GPTBots上，为您的业务开发和训练一个拥高可用性的BOT。

准备工作

注册GPTBots平台

注册一个GPTBots账号，是开发BOT的第一步。

进入GPTBots平台（https://gptbots.ai/developer），点击【注册】，并登录到【开发者后台】。完成注册后，平台会为您赠送一些积分，这些积分能够让您进行平台功能的初体验，例如创建BOT、调试BOT、训练BOT等。如果完成企业认证，还可以获得高达 500 积分的赠送。

业务分析

首先，您需要明确BOT在您的业务中的定位和目标。

定位指的是BOT在您的业务中的特殊位置，它被用于解决某个特定领域的问题，因此与其他BOT是存在差异的。目标指的是BOT在您的业务中所能达成的具体结果，例如降低成本、提升人效等。

我们建议您可以把BOT理解为一名员工，这位员工知识渊博，无所不知，但在某些专业领域又有些欠缺。不过，只需要提供相关专业知识就，它可以化身领域专家，有效解决专业问题。因此，在明确定位和目标时，我们可以这么思考：

定位：一名非常专业的电商售后客服人员，他对于公司业务了如指掌，能够快速且专业地为客户解决各类型售后问题。
目标：提升客户服务效率和质量，降低客户服务成本。

其次，您需要了解BOT所需解决的业务领域中存在的问题和挑战。了解这些，有助于帮助您进一步定位BOT的能力范围。

数据收集

在明确了BOT的定位和目标后，我们需要为BOT进行数据收集。

根据上文我们提供的建议，我们把这个BOT想象成为一名无所不能的员工。但一名强大的员工，除非部分人有天赋以外，更多地一定是通过不断的知识学习和经验积累后才能做到的。而BOT的数据，指的就是BOT需要学习的知识。

继续使用上文的例子。一名“一名非常专业的电商售后客服人员”，一定是拥有非常丰富的公司售后业务知识，包括但不限于：公司的售后服务政策、公司历史处理售后问题经典案例……

因此，我们需要做以下工作：

1.       收集数据。作为给这个“电商售后BOT”的学习资料；

2.       数据分类。分类越清晰，越有助于BOT知识的维护管理，以及提升BOT的响应质量。例如电商售后服务知识，我们可以大致分类为：服务总则、服务细则、服务流程、常见问题、经典案例等；

3.       数据清洗及预处理。以保证最终给BOT学习的数据是相对“干净”，不含“杂质”的。

注意，数据的收集并不是越多越好，更重要的是数据的质量。我们需要给BOT“学习”高质量的知识，BOT才能给我们输出高质量的结果。

构建BOT

在以上准备工作均已完成后，就可以开始构建这个“电商售后BOT”。

更多的GPTBots使用教程，请访问GPTBots官方文档，在本文中不做详细展开。

创建BOT

根据业务实际，创建合适类型的BOT。GPTBots定义了两类BOT：

●     知识问答：拥有“短记忆”能力，适用于一些简单的问答场景，例如翻译、客服、知识检索等；

●     智能助理：拥有“短记忆+长记忆”能力，适用于较为复杂的对话场景。

用户可按自身实际需求来选择BOT类型。

身份提示撰写技巧

在构建BOT的过程中，比较重要的一个环节，就是为BOT撰写身份提示。

身份提示可用来塑造BOT的身份、能力，边界和情绪等。一个优质的身份提示，能够让BOT以更加符合期望地回复用户问题。

我们可以用一个通用的结构来撰写身份提示，如下：

●     角色：BOT需要担任的角色，如“专业的售后服务人员”；

●     技能：BOT需要拥有的技能，如“出色的售后服务能力与客户沟通技巧”；

●     个性：BOT的语气、个性、沟通方式等，如“语气请平和，用词需礼貌”；

●     目标：BOT的任务目标，如“基于参考内容及客户提问，回答客户的问题”；

●     链式思考：为BOT提供一些思考流程与方式，以引导BOT按照你的要求进行思考和解决问题，如“MUST follow these steps to answer the customer queries: Step1 - Step2 - Step3 - Step4...”。在一些较为垂直、特定的场景下，该方法非常好用。更多的链式思考技巧，可以在这里学习：Zero-Shot-of-Chain。请注意，这部分不是必须的，可按实际需求撰写。

●     输出规则：若您需要BOT输出内容为特定结构或格式（如：json、markdown……），您也可以在此定义。请注意，这部分不是必须的，可按实际需求撰写。

以上文“电商售后BOT”为例，我们可以这样撰写身份提示：

请扮演一名专业的售后服务人员。你拥有出色的售后服务能力与客户沟通技巧。你的任务是，基于参考内容及客户提问，回答客户的问题。语气请平和，用词需礼貌。

训练BOT

在设定好BOT的基本信息后，我们需要对BOT进行知识“投喂”以及训练。

知识输入

我们需要将数据收集阶段收集到的售后服务类数据，以合适的格式，“投喂”给BOT进行训练。GPTBots平台目前支持文档导入（.docx、.md、.txt、……）、网站爬取、在线文本、在线Q&A等方式进行知识输入。

向量搜索

训练完成后，可以立刻通过“向量搜索”功能，对知识进行向量搜索测试，检查命中情况，目的是为了观察已经训练好的知识在面对实际问题时，是否能够有效地完成信息召回。

聊天记录训练

在BOT已经投入使用后，我们依然可以对BOT进行反复训练。

目前GPTBots支持基于用户的聊天记录进行训练。这种训练方式的优势在于，训练的语料使用的是用户在使用BOT过程中实际发生的对话，使用这些对话作为训练材料，能够让BOT更有效地接近实际的用户使用场景。

调试BOT

调试模式可以帮助开发者一边使用BOT一边调整BOT参数，以让BOT达到开发者所期望的效果。

更复杂的场景，如何处理？

在实际业务中，会很多远比售后服务问答要复杂得多的场景。面对这些场景，GPTBots提供了更丰富的处理方式以应对。

为BOT插上翅膀——插件能力

大语言模型（LLM）本身是有知识范围限制的，当需要LLM帮助我们处理更多业务定制化的、复杂的任务时，我们可以通过为LLM添加插件的方式，扩展LLM的能力，使BOT拥有更加强大的能力。

GPTBots当前已支持插件功能。

GPTBots官方已经提供了一些免费的公开插件供用户使用（更多的官方插件正在陆续开发中……）。

同时，GPTBots也支持开发者自行开发插件，以个性化地覆盖自身的业务场景。例如，开发者可以通过开发插件，将BOT对接到自己的业务系统，调用自己的业务数据，让BOT来处理特定业务工作。

用可视化流程（FLOW）构建BOT

若是存在更加复杂的业务场景，则可以通过可视化流程（FLOW）来构建BOT。

GPTBots目前正在内测的FLOW构建BOT功能。我们将一个BOT应有的或常见的模块抽象为多个组件，用户可以通过在可视化面板上托拉拽的方式，个性化地构建一个复杂场景下的BOT，以解决更加垂直、更加特定场景下的问题。

将BOT与业务连接

GPTBots支持将构建好的BOT与用户自己的业务进行连接，目前主要有以下三种方式：

●     API：GPTBots当前提供了多个与BOT进行交互的API，包括但不限于创建对话、发送消息、获取消息等；

●     iframe网页嵌入：将BOT对话界面以iframe的形式嵌入到您的网页内进行使用；

●     bubble网页小部件：将BOT以bubble小部件的形式嵌入到您的网页内进行使用，它将以气泡的形式，展示在您网页的右下角。

写在最后

在生成式AI发展迅猛的今天，GPTBOTS为开发者提供了强大的自主构建AI-BOT的能力，能够帮助开发者快速高效地构建个性化的BOT，以解决其业务痛点或问题，驱动业务增长。

诚邀您来试用GPTBots。现在注册，即有积分赠送。参与企业认证或邀请好友注册，也能获取更多积分。