一、ChatWiki工作流

工作流(Workflow)是一系列可执行指令的集合,用于实现业务逻辑或完成特定任务。它通过系统化、流程化的方法,将大模型的强大能力与特定业务逻辑相结合,为智能体和AI应用的数据流动和任务处理提供了一个结构化框架。

ChatWiki提供了一个可视化画布-工作流开发平台,可以通过拖拽节点迅速搭建工作流。

在ChatWiki里,你可以自由选择AI对话、问题分类、知识库、Http请求、判断分支等多种原子能力,通过可视化拖拉拽的方式编排组合,快速搭建出业务流程。

点击链接进群:提示,不需要本地部署,快速体验,还有免费的大模型流量体验。

同时,支持在画布上实时调试工作流。在工作流画布中,你可以清晰地看到数据的流转过程和任务的执行顺序。

1.业务工作流

ChatWiki目前主要支持面向企业的业务场景,基于AI大模型、判断分支、Http请求等,通过对话的方式和用户交互,识别用户意图,完成复杂的业务逻辑。

比如销售场景下的售前咨询、下单购买、售后服务等场景,在对话中判断客户需求,将不同需求的客户分流给不同的客服接待,进行有针对性的服务。

3月6日.gif

2.智能高级节点

ChatWiki提供AI对话、问题分类、知识库、Http请求、判断分支等多种功能节点。

  • 判断分支:根据条件判断执行不同的流程分支(例如,用户是否付费)。

  • Http请求:从第三系统中获取业务数据。

  • 检索知识库:根据分类结果,从知识库中检索相关的信息或答案。

  • 问题分类:对用户输入的问题进行分类,识别问题的类型或意图(例如,产品咨询、售后服务、技术支持等)。

  • AI对话:基于知识库中检索到的信息,生成自然语言的回复,与用户进行交互。

已支持全球20多种主流模型,包括:DeepSeek、OpenAI、Azure OpenAI、Gemini、Anthropic Claude、文心一言、通义千问、讯飞星火、Kimi、火山引擎、百川智能等模型,只需要简单配置模型API key等信息即可成功接入模型。

image.png

业务场景举例

①问题分类+知识库检索+AI对话

场景:电商客服机器人

  • 用户输入:“我想了解一下这款手机的保修政策。”

  • 问题分类:识别问题类型为“售后服务”。

  • 知识库检索:从知识库中检索“手机保修政策”相关内容。

  • AI对话:生成回复:“您好,这款手机的保修期为一年,支持全国联保。具体详情您可以查看我们的保修条款:[链接]。”

判断分支 + 问题分类 + Http请求 + 知识库检索

场景:银行智能客服

  • 如果已登录,进入“问题分类”节点。

  • 如果未登录,提示用户先登录。

  • 用户输入:“我的信用卡账单有问题,能帮我查一下吗?”

  • 判断分支:判断用户是否已登录系统。

  • 问题分类:识别问题类型为“信用卡账单查询”。

  • Http请求:向银行后台系统发送请求,获取用户的信用卡账单信息。

  • 知识库检索:从知识库中检索“信用卡账单常见问题”相关内容。

  • AI对话:生成回复:“您好,您的最近一笔账单金额为500元,还款截止日期为10月25日。如有疑问,您可以参考我们的常见问题解答:[链接]。”

3.快速集成接入

ChatWiki工作流支持在H5链接、PC网站、微信公众号、微信小程序、微信客服等渠道中接入使用。

授权流程简单,授权完成后,客户在不同的渠道只需通过对话即可调用工作流的能力,以执行各种复杂的任务,满足个性化的业务需求。

image.png

二、ChatWiki知识库搭建

在工作流中引入知识库节点,可以检索私有知识来提供专业化回复。

ChatWiki基于大语言模型(LLM )和检索增强生成(RAG)技术构建,将传统的检索方法与生成模型结合,通过引入外部知识库来增强生成的内容。不仅能够显著提高回答的准确性,还能够有效地处理一些生成模型单独无法处理的长尾问题和专业问题。

RAG 的工作流程可以参考下图来直观地了解。

e5db746541184874d39d81cfd06ff077.png

具体来说可以分为以下几个主要步骤:

1.知识库创建

ChatWiki支持创建普通知识库、问答知识库、对外知识库。

  • 普通知识库:导入文档或网页创建知识库,知识库可以与聊天机器人或工作流关联。用户和机器人聊天时,机器人可以引用知识库内知识回复用户。

  • 问答知识库:通过excel或者word导入FAQ问答对构建知识库,适合客服场景或者需要用FAQ问答数据精确回答的场景。用户提问时,如果系统检索到与用户问题匹配度很高的问答对,会直接回复对应的答案。

  • 对外知识库:对外知识库跟普通知识库一样,可以与聊天机器人或工作流关联。除此外,还可将知识库发布成网页,支持用户自助查询。

image.png

2.知识库导入

ChatWiki目前支持文件格式包括:pdf、docx、txt、Markdown、xlsx、csv、html、在线网页数据。

提供自动分段、QA分段、手动输入和 CSV 等多种方式导入数据,ChatWiki自动对导入的文本数据进行预处理、向量化或 QA 分割。

image.png

3.召回检索测试

召回测试可通过模拟用户提问查看问题在知识库中的检索结果,支持按混合检索、向量检索和全文检索三种模式进行测试,可查看不同提问检索到的答案以及对应相似度。

image.png

4.知识库引用

在创建工作流,选择知识库节点时,可选择已创建好的知识库,用户进入工作流提问咨询时,AI机器人会从知识库中检索到内容,通过聊天界面返回给用户。

image.png

三、ChatWiki部署

1、准备工作

再安装ChatWiki之前,您需要准备一台具有联网功能的linux服务器,并确保服务器满足最低系统要求

  • Cpu:最低需要2 Core

  • 内存:最低需要4GB

2、开始安装

ChatWiki社区版基于Docker部署,请先确保服务器已经安装好Docker。如果没有安装,可以通过以下命令安装:

sudo curl -sSL https://get.docker.com/ | CHANNEL=stable sh

安装好Docker后,逐步执行一下步骤安装ChatWiki社区版

(1)克隆或下载chatwiki项目代码

git clone https://github.com/zhimaAi/chatwiki.git

(2)使用Docker Compose构建并启动项目

cd chatwiki/docker

docker compose up -d

Logo

欢迎加入DeepSeek 技术社区。在这里,你可以找到志同道合的朋友,共同探索AI技术的奥秘。

更多推荐