Создайте агента поддержки клиентов с искусственным интеллектом с помощью GPT-OSS

---

Введение

Gpt-oss-120b и gpt-oss-20b — это две модели рассуждения с открытыми весами, выпущенные OpenAI. Мы рассмотрели архитектуру в нашей предыдущей статье о gpt-oss. В этом руководстве мы будем обсуждать создание агента службы поддержки клиентов на платформе AI Gradient™ от DigitalOcean с использованием gpt-oss-120B.

Ключевые выводы

• Этот учебник демонстрирует, как создать AI-агента поддержки клиентов, используя GPT-OSS на платформе Gradient AI от DigitalOcean.
• Процесс включает в себя подготовку соответствующих данных, создание баз знаний для обоснования ответов агента и развертывание агента через API DigitalOcean или интерфейс без кода.
• Полученный ИИ-агент может предоставлять точную и актуальную поддержку клиентов, улучшая их опыт.

Митохондрии являются энергетической станцией клетки

Мы создадим агента службы поддержки клиентов для вымышленной биотехнологической компании Mitofoundria, основанной в 2027 году. Mitofoundria — это компания в области профилактической медицины, которая производит персонализированные добавки, защищающие от развития заболеваний, к которым могут быть предрасположены люди, будь то из-за генетических факторов или специфических для конкретного человека экологических условий.

Веб-сайт этого вымышленного стартапа катастрофически нуждается в агенте службы поддержки клиентов.

Базы знаний с DigitalOcean

Неудивительно, что нам потребуется информация, на основе которой будут строиться ответы нашего агента поддержки клиентов. Базы знаний — это место, где мы будем хранить весь этот контекст. Ознакомьтесь с документацией по нашим базам знаний, чтобы узнать больше о поддерживаемых форматах файлов.

Подготовка данных

Тщательно подумайте о том, как вы хотите подготовить данные для вашего агента поддержки клиентов. Вот пример таблицы данных, которые потребуются Mitofoundria.

Источники	Что собирать	Важная предварительная обработка
Журналы Билетов	Полный разговор, теги (например, выставление счетов, доставка, эффективность продукта, побочные эффекты, проблемы с генетическими данными) и симптомы, о которых сообщают клиенты.	Удалите ПДЛ (Личную распознаваемую информацию), анонимизируйте имена/электронные почты, замаскируйте номера заказов и любые генетические или связанные со здоровьем личные данные.
Часто задаваемые вопросы	Существующие вопросы и ответы или длинные тексты о применении продукта, научной основе, общих побочных эффектах и управлении подписками.	Убедитесь, что каждая существующая пара Вопрос-Ответ имеет разумную длину. При создании пар Вопрос-Ответ из длинного текста разбивайте длинные статьи на небольшие фрагменты (менее 150 токенов). Убедитесь, что каждый фрагмент является самостоятельным и предоставляет четкий ответ. Обратите особое внимание на содержание, касающееся заявлений о здоровье и отказов от ответственности.
Транскрипции живого чата	Диалоги между агентом и клиентом, сосредоточенные на вопросах о продуктах, настройке добавок и личных проблемах со здоровьем.	Заберите любое упоминание о конкретных данных о здоровье пользователей или генетических маркерах. Классифицируйте диалоги по темам (например, «эффективность продукта», «вопросы о дозировке», «конфиденциальность данных»).
Документация продукта	Спецификации, ингредиенты, рекомендуемые дозировки, противопоказания и научные белые книги по добавкам.	Извлеките ключевую информацию по каждому продукту, включая конкретные генетические маркеры или экологические факторы, которые предназначены для устранения каждым дополнением. Создайте структурированный формат данных для удобного запроса.
Научная литература и исследовательские работы	Общественно доступные научные статьи, клинические исследования и академические материалы, относящиеся к ингредиентам добавок и их воздействию на биологию и генетику человека.	Подведите итоги ключевых выводов и заключений. Создайте краткие, удобные для агентов резюме, которые объясняют сложные научные концепции простыми словами. Параллельно сопоставьте выводы с внутренней документацией продукта.

Поскольку Mitofoundria является вымышленной компанией, эти данные будут сгенерированы синтетически с помощью LLM. Мы использовали Gemini. Это тот запрос, который мы использовали.

Your task is to generate realistic data for the following five categories, ensuring each entry adheres to the specified requirements and preprocessing steps.  **1. Ticket Logs:**   Generate 10 full customer support conversation transcripts. Each transcript should include the full conversation, relevant tags (e.g., "billing," "shipping," "product effectiveness," "side effects," "genetic data issues"), and any customer-reported symptoms.   **Preprocessing:** Remove all Personally Identifiable Information (PII). Anonymize names and emails, and mask order numbers and any genetic or health-related personal data.  **2. FAQ Pages:**   Create a list of 20 question-and-answer pairs or long-form texts about product usage, the scientific basis of the products, common side effects, and subscription management.   **Preprocessing:** Ensure each Q&A pair is of a reasonable length. If you are generating from long-form text, split the long articles into "bite-size snippets" (under 150 tokens) that are stand-alone and provide a clear response.  **3. Live Chat Transcripts:**   Generate 10 different agent-customer dialogues focusing on product inquiries, supplement customization, and personal health concerns.   **Preprocessing:** Redact any specific user health data or genetic markers. Categorize each dialogue by topic (e.g., "product efficacy," "dosage questions," "data privacy").  **4. Product Documentation:**   For three distinct fictional Mitofoundria supplements, generate key information including ingredients, recommended dosages, and contraindications. Also, specify the genetic markers or environmental factors each supplement is designed to address.   **Preprocessing:** Present the information in a structured, easily queryable format.  **5. Scientific Literature & Research Papers:**   Create concise summaries of five different publicly available scientific papers or clinical studies related to the supplement ingredients and their effects on human biology and genetics.   **Preprocessing:** Summarize the key findings and conclusions. Create "agent-friendly" summaries that explain complex scientific concepts in simple terms. Cross-reference findings with the internal product documentation you generated earlier.  There are two ways of going about implementing our customer support agent: (1) DigitalOcean API or (2) Control Panel.The API gives you the option of implementing the agent in a more programmatic way whereas the control panel is a no-code interface. 

Создание агента с помощью API DigitalOcean

Начните с создания личного токена доступа. Как только вы получите свой токен, вставьте его в следующую команду curl и настройте остальные категории, специфичные для вашего агента поддержки клиентов. Обратите внимание, что вам может понадобиться создать базу знаний для вашего агента, если у вас ее еще нет.

curl -X POST      -H "Content-Type: application/json"       -H "Authorization: Bearer $DIGITALOCEAN_TOKEN"      "https://api.linux-console.net/v2/gen-ai/agents"      -d '{       "name": "Mitofoundria Customer Support Agent",       "model_uuid": "95ea6652-75ed-11ef-bf8f-4e013e2ddde4",       "instruction": "You are a friendly and knowledgeable customer support agent for Mitofoundria, a preventative medicine company. Your goal is to assist customers with questions about our personalized supplements, subscription management, and scientific foundations. Use the provided knowledge base to answer questions accurately and concisely. Maintain a professional yet empathetic tone.",       "description": "A customer support agent for Mitofoundria, a company specializing in personalized preventative supplements.",       "project_id": "YOUR_PROJECT_ID",       "tags": [         "mitofoundria",         "customer-support",         "preventative-medicine"       ],       "region": "tor1",       "knowledge_base_uuid": [         "YOUR_KNOWLEDGE_BASE_UUID"       ]     }'  

Развертывание GPT-OSS с пользовательским интерфейсом

Шаг 0: Войдите в свою учетную запись DigitalOcean

Еще нет учетной записи DigitalOcean? Не переживайте, просто зарегистрируйтесь здесь!

Шаг 1: Создайте проект

После входа в систему создайте новый проект.

Шаг 2: Перейдите на платформу агента

Перейдите на платформу агента, либо кликнув по этой ссылке, либо нажав на иконки, обведенные ниже, в панели управления DigitalOcean.

Шаг 3: Выберите свою базу знаний

Выберите базу знаний, и если у вас её нет, вы можете создать новую.

Создание базы знаний

При создании базы знаний вам понадобится источник данных. Вы можете добавить несколько источников данных в свою базу знаний. Поддерживаемые форматы включают загрузку файлов, URL для веб-сканирования и данные из корзин Spaces или корзин Amazon S3. При загрузке файлы не должны превышать 2 ГБ, и вам следует загрузить менее 100 файлов за раз. Вам также нужно будет выбрать модель встраивания. Обратите внимание, что для индексации баз знаний требуется некоторое время – это обычно около пяти минут или дольше, пока система обрабатывает, встраивает и сохраняет ваши данные.

Шаг 4: Укажите ваше рабочее пространство

Рабочие пространства группируют связанных агентов в одном пространстве, упрощая управление и позволяя делиться командами и проводить структурированные оценки производительности. Все агенты должны принадлежать какому-либо рабочему пространству. Когда вы создаете агента, вы можете назначить его в рабочее пространство, и вы можете перемещать агентов между рабочими пространствами по мере необходимости. Агенты, которые не назначены в конкретное рабочее пространство, помещаются в рабочее пространство по умолчанию.

Шаг 5: Тестирование вашего агента в Площадке

После развертывания вашего агента используйте Площадку для его тестирования. Задавайте вопросы и оценивайте его ответы, чтобы убедиться, что он работает как задумано.

Шаг 6: Оценка вашего агента с помощью тестовых случаев

На платформе Gradient у нас есть возможность создать тестовый случай для оценки. Вы можете оценить агента DigitalOcean, создав тестовый случай с набором данных запросов, а затем запустив оценку агента. После завершения выполнения вы можете просмотреть результаты, которые включают в себя оценки метрик и анализ ответов агента на каждый запрос.

Шаг 7: Управление конечной точкой агента

Автоматически сгенерированные при создании агента, конечные точки — это URL-адреса, которые вы можете интегрировать в свое приложение. Они позволяют вам отправить текстовый запрос агенту и получить ответ в формате JSON. Вы также можете использовать конечные точки для настройки параметров запроса, таких как максимальное количество токенов для генерации и то, как обрабатывается информация о получении.

Заключение

В этом учебном пособии с платформой Gradient AI от DigitalOcean вы не просто создаете чат-бота — вы создаете агента поддержки, который действительно понимает ваших клиентов. Основывая ответы на ваших собственных данных, вы получаете более точные и актуальные ответы. Независимо от того, используете ли вы API или пользовательский интерфейс без кода, результат остается тем же: более быстрая, более умная поддержка, которая масштабируется вместе с вашим бизнесом. Теперь разверните своего агента поддержки клиентов и наблюдайте, как меняется ваше взаимодействие с клиентами.

Часто задаваемые вопросы

В: Почему базы знаний важны для ИИ-агента?
О: Базы знаний хранят контекст и информацию, которые ИИ-агент будет использовать для обоснования своих ответов, обеспечивая точность и актуальность.

В: Какие типы данных рекомендуются для подготовки агента службы поддержки клиентов?
О: Рекомендуемые типы данных включают журналы заявок, страницы часто задаваемых вопросов, расшифровки онлайн-чата, документацию по продуктам и научную литературу/исследовательские работы.

В: Как были сгенерированы данные для фантастической компании Mitofoundria?
О: Данные были синтетически сгенерированы с использованием LLM (в частности, Gemini) на основе подробного запроса, описывающего необходимые категории и этапы предварительной обработки.

В: Какие два способа реализации агента поддержки клиентов на DigitalOcean?
О: Вы можете реализовать агента, используя либо API DigitalOcean для программного управления, либо Панель управления (интерфейс без кода).

В: Для чего используется персональный токен доступа при создании агента с помощью API DigitalOcean?
О: Персональный токен доступа необходим для аутентификации при выполнении запросов к API для создания или управления агентами.

В: Какова цель проекта в DigitalOcean при развертывании агента через пользовательский интерфейс?
О: Проекты помогают организовать и управлять ресурсами, и все агенты должны принадлежать проекту.

В: Как создать базу знаний на платформе DigitalOcean?
О: Вы можете создать базу знаний, добавив источники данных (загрузки файлов, URL-адреса или данные из Spaces/S3-ведер) и выбрав модель встраивания.

В: Что такое Рабочие пространства на платформе Gradient?
О: Рабочие пространства объединяют связанные агенты в одном пространстве, упрощая управление, позволяя делиться с командой и содействуя структурированным оценкам производительности.

В: Как можно протестировать развернутого агента?
О: Вы можете протестировать агента, используя Площадку, чтобы задавать вопросы и оценивать его ответы.

В: Как можно более формально оценить работу агента?
О: На платформе Gradient вы можете создать тестовый случай для оценки с набором данных подсказок и провести оценку, чтобы просмотреть баллы по метрикам и разбивку ответов.