从0到1打造企业级AI售前机器人——实战指南一：根据产品需求和定位进行agent流程设计🧐

欢迎大家来到我的第一个系列文章： 从0到1完成一个企业级AI售前机器人的实战指南。

我是一个十年前端程序员，也是react contributor，2022年底随着chatGPT的爆火，跟大多数开发一样，开始了AI技术的学习。

直到2023年初我发现AI技术并不是普通开发的出路，于是开始转型AI应用层设计与落地。

我相信AI在未来将会是基础设施，而对于普通人而言，基础设施的机会不在基础设施本身。

我目前已经完成了多款智能问答产品的上线了、以及TOB产品的功能AI化升级。

对各类AI应用落地的方案和思路积累了很多踩坑和迭代经验。

本专栏将会基于我过去几年的经验，进行全方位的AI产品的核心流程拆解！

在真实的项目中工程化的串联prompt、RAG、function call、微调、Agent等AI应用层技术的详细的落地方案和踩坑避坑。

力求完整的记录一款AI产品的Agent流程设计，知识库处理、代码编写、测试上线、迭代全流程。

系列文章会揭露AI产品中大家常常遇到的问题和陷阱与应对策略。

例如：

会把三年来的经验，以及随着大模型能力的更新，我们做出的最新变化和应对策略，都随着系列文章的深入，逐步展现给大家。👏👏👏

接下来，我们进入正文，开始打造我们的企业级AI售前机器人。

AI售前机器人需求洞察

真传一句话，假传万卷书。

需求的洞察其实就是一句话：哪里有痛点，哪里就有需求。

每个产品都是为了解决某个或某些痛点而生的，就像梁宁老师在《真需求》里提到的：一件事情能成，是因为它本来就该成。

因为是人的需求，才让一件事成立与存在。不是你，也会是其他人做出符合人们需求的东西。

哪怕在AI时代，这个规律也不会变，人们可能不会为了AI付费，但是他们一定会愿意为解决痛点的方案付费。

我认为，AI售前机器人就是一件本来就该成的事情，主要是因为它可以为企业解决以下这些痛点：

ps：说到这里，心疼售前同学一分钟。不知道有没有老板会看到这个系列的文章啊🤔🤔

为了确保能够满足解决上述痛点，我们的产品设计需要满足以下这些需求：

基本需求是用户满意度的基线，这类需求是用户所必需的，如果得不到满足，就会引发用户的强烈不满。对于这类需求，我们预期要完成的是：

期望需求是对产品体验有显著影响的非必需需求。实现的越好，用户越满意，但是如果缺失或者体验不好，用户会感到失望。但是程度不像基本需求那么强烈。

未来我们还会逐步添加一些新的需求进入，目前暂定完成上述这些需求。

针对产品的需求设计，我们设计这款产品的第一版本的Agent流程设计如下：

这套Agent流程的设计可涵盖我们所有的技术点，例如我们要用RAG获取数据，我们要用function call来进行留资参数的提取，我们要用大模型进行当前场景的判断，等等。

当用户发起提问(query)时，我们要带着历史对话记录(history)，然后经历下述主要的三个步骤：

整个过程中还会有非常细分的逻辑，我们真正开始编写程序的时候，再进行逐一细化讲解。

我们确定好了要做执行的流程后，就可以准备做RAG需要使用到的知识库数据了。

构建RAG（检索增强生成）知识库，提供精准的上下文信息，减少模型幻觉。

我们将讲解RAG工程中数据如何处理 以及RAG工程中的踩坑和解决方案。

希望这个系列能够打造成各位落地AI产品时的实战手册！

大家多多点赞 + 关注，给点动力，更新的快快的！