Hogyan építsünk professzionális AI chatbotot, amely egyedi kódot futtat és adatokat ment a Google Táblázatokba?

Egy valósághű forgatókönyv érdekében a Santander Bank személyi kölcsönének nyilvánosan elérhető termékadatait fogjuk felhasználni a botunk betanításához. Ebben az útmutatóban végigvezetem Önt egy nagy teljesítményű megoldás felépítésén, amely komplex 

• tudásbázis alapú kérdés-felelet (Q&A), 
• valós idejű hitelkalkulációk, 
• és biztonságos érdeklődőgyűjtés egy Google Táblázatba, 

megmutatva, hogy felesleges költségek nélkül is elérhető a csúcsminőségű, vállalati szintű teljesítmény.

Mitől lesz egy AI chatbot „vállalati szintű”?

Amikor „vállalati szintű” virtuális ügynökről beszélünk, többről van szó, mint egy egyszerű chatbotról, amely alapvető GYIK-eket vagy csevegést kezel. Egy olyan kritikus fontosságú, nagy teljesítményű rendszerről beszélünk, amelyet értékes üzleti műveletek végrehajtására terveztek (pl. érdeklődők gyűjtése, termékek ajánlása, tranzakciók feldolgozása, jelszavak visszaállítása), mélyen integrálódik egy vállalat működésébe, és korlátok nélkül skálázható.

Azok a kulcsfontosságú jellemzők, amelyek egy beszélgetésalapú AI megoldást vállalati szintre emelnek, a következők:

• Robusztus beszélgetésvezérlés (beszélgetésalapú ügynökök): Ennek a botnak képesnek kell lennie a nem lineáris beszélgetések kezelésére, komplex kontextus menedzselésére, és lehetővé kell tennie a felhasználók számára, hogy zavar nélkül válthassanak témát. 
• Mélyreható rendszerintegráció és üzleti feladatokra való orientáltság: A vállalati megoldások feladatorientáltak, értékes üzleti műveleteket hajtanak végre ahelyett, hogy csupán beszélgetnének. Az ügynök digitális munkatársként működik, olyan funkciókat lát el, mint az adatok számítása, rendszerek frissítése és ügyfél-érdeklődők gyűjtése az értékesítési csapat számára.
• Skálázhatóság és megbízhatóság: A megoldásnak zökkenőmentesen kell kezelnie több ezer egyidejű felhasználót a csúcsidőszakokban.
• Tudásbázis alapú megalapozottság és pontosság: A válaszoknak pontosnak és jóváhagyott vállalati dokumentációra alapozottnak kell lenniük a „hallucinációk” elkerülése érdekében.
• Zökkenőmentes emberi átadás: A bot ismeri a korlátait, és elegánsan át tudja adni a komplex lekérdezéseket egy élő ügynöknek. Ehhez át kell adnia a teljes beszélgetési kontextust és az ügyféladatokat a hatékony megoldás érdekében.

Mik azok a Beszélgetésalapú Ügynökök (Dialogflow CX)?

A Beszélgetésalapú Ügynökök (Conversational Agents) egy hatékony, vállalati szintű platform, amelyet a Google Cloud Platform (GCP) kínál kifinomult, skálázható virtuális ügynökök (AI chatbotok) építéséhez. Kifejezetten kritikus fontosságú, nagy teljesítményű beszélgetésalapú rendszerek kezelésére tervezték.

A Dialogflow CX kulcsfontosságú szempontjai, ahogyan egy vállalati szintű virtuális ügynök építésének kontextusában kiemeljük, a következők:

• Robusztus beszélgetésvezérlés: Lehetővé teszi olyan botok létrehozását, amelyek képesek kezelni a nem lineáris beszélgetéseket, zökkenőmentesen kezelik a komplex kontextust, és lehetővé teszik a felhasználók számára, hogy zavar nélkül válthassanak témát.
• Feladatorientáltság: A Dialogflow CX-szel épített ügynökök eredendően feladatorientáltak, azaz értékes üzleti műveletek végrehajtására tervezték őket, nem csupán egyszerű csevegésre.
• Skálázhatóság: A platformot rendkívül skálázhatónak és megbízhatónak tervezték, biztosítva, hogy a megoldás több ezer egyidejű felhasználót is kezelni tudjon a csúcsidőszakokban.

Kinek alkalmasak a Beszélgetésalapú Ügynökök?

Szóval, kinek is szól valójában ez a hatékony platform?

Amikor először megnyitja a Dialogflow CX konzolt, egy letisztult, vizuális felületet lát majd, amely folyamatábrákon alapul (hasonlóan a korábban megosztott pizza rendelési példához). Csábító lehet azt gondolni, hogy ez egy egyszerű, kódolásmentes, drag-and-drop eszköz.

Azonban szeretnék őszinte lenni Önnel: a Beszélgetésalapú Ügynökök egy rendkívül hatékony és komplex vállalati szintű eszköz, és az egyszerű vizuális felülete megtévesztő lehet.

Ez nem egy olyan platform, amelyet egyszerűen, intuitív kattintgatással elsajátíthat. Egy valóban robusztus, skálázható és feladatorientált chatbot felépítése, mint amilyet most létrehozunk, többet igényel, mint csupán egy vizuális szerkesztőben való navigálás. Ehhez a következőkre van szüksége:

• Komplex beszélgetési folyamatok elemzése és tervezése.
• Alaposan olvassa el a dokumentációt, hogy megértse a beállítások mögötti „miért”-et.
• Konzultáljon más forrásokkal és oktatóanyagokkal (mint ez is!), hogy lássa a gyakorlati alkalmazásokat.
• Legyen némi érzéke a fejlesztéshez. Valódi üzleti műveletek végrehajtásához, mint például a hitelkalkuláció vagy az érdeklődőgyűjtés, meg kell értenie, hogyan kapcsolódhat más rendszerekhez. Ez azt jelenti, hogy meg kell ismerkednie olyan fogalmakkal, mint a webhookok, API-k és adatformátumok (például JSON).

Ezt az oktatóanyagot kifejezetten azért írom, hogy sokkal könnyebbé tegyem ezt az utat az Ön számára. Célom, hogy lépésről lépésre végigvezessem egy valós projektben, érthető módon magyarázva el ezeket a komplex részeket.

De határozottan tanulási utat igényel. Ne csüggedjen emiatt! A jutalom az, hogy elsajátítja a képességet, amellyel valóban kifinomult ügynököket építhet más platformok korlátai vagy előfizetési díjai nélkül.

Ahogy halad előre, ha elakad, kérdése van, vagy egy adott lépéssel kapcsolatban szeretne tisztázást, kérjük, tegyen fel egy hozzászólást alább!

Esettanulmányunk magyarázata: A Személyi Kölcsön Bot

Ahhoz, hogy az elméletből a gyakorlatba lépjünk, egy valósághű projektre van szükségünk. Csupán a funkciókról beszélni nem elég; fel kell építenünk őket.

Ebben az oktatóanyagban egy virtuális ügynököt építünk egy gyakori, nagy értékű üzleti forgatókönyvhöz: egy személyi kölcsön asszisztenst.

Ahhoz, hogy ez a valóságban is megalapozott legyen, a Santander Bank személyi kölcsönének nyilvánosan elérhető termékadatait fogjuk alapul venni. Ez lehetővé teszi számunkra, hogy egy konkrét, vállalati szintű felhasználási esettel dolgozzunk.

Célunk egy olyan bot építése, amely sokkal többet tesz, mint egyszerű kérdések megválaszolása. Egy teljes, feladatorientált ügynököt fogunk felépíteni, amely értékes üzleti funkciókat lát el. Íme a fő modulok, amelyeket együtt fogunk elkészíteni:

1. Tudásbázis alapú kérdés-felelet (Q&A): Először betanítjuk a botot, hogy pontosan válaszoljon a gyakori kérdésekre a Santander termékinformációi alapján.
2. Valós idejű hitelkalkulációk: Itt jön a mélyreható rendszerintegráció. Egyedi műveletet építünk, amely lehetővé teszi a bot számára, hogy valós idejű hitelkalkulációkat végezzen a felhasználó számára. Ez egy tökéletes példa egy értékes, feladatorientált funkcióra.
3. Biztonságos érdeklődőgyűjtés: Végül, miután értéket nyújtottunk, botunk rögzíti a felhasználó adatait mint minősített érdeklődőt. Egy biztonságos folyamatot valósítunk meg, hogy ezeket az információkat közvetlenül egy Google Táblázatba küldjük, bemutatva egy teljes, végponttól végpontig tartó üzleti folyamatot.

E három modul felépítésével megtanulja, hogyan kezelje a tudást, hogyan hajtson végre egyedi műveleteket, és hogyan integrálódjon külső rendszerekkel – ezek a vállalati szintű chatbot három pillére.

Amire szüksége lesz: Előfeltételek

Mielőtt elkezdjük az építést, tegyük tisztába a logisztikai részleteket. Ne aggódjon, ez a rész egyszerű, és ingyenes fiókkal is követheti.

Íme a két dolog, amire szüksége lesz:

1. Google Fiók: Bármely standard Google (vagy Gmail) fiók megfelel. Ha nincs, ingyenesen létrehozhat egyet.
2. Egy Google Cloud Platform (GCP) projekt engedélyezett számlázással: Ez a legfontosabb lépés, és néha idegessé teszi az embereket. Szeretném biztosítani Önt, hogy nem kell aggódnia a költségek miatt.

Hadd legyek nagyon világos: Ennek az oktatóanyagnak a követése semmibe sem kerül Önnek.

Bár létre kell hoznia egy számlázási fiókot és hozzá kell kötnie egy hitelkártyát, ez a Google szokásos gyakorlata az Ön személyazonosságának ellenőrzésére és a visszaélések megelőzésére. Nem fog automatikusan díjat felszámolni, mert amikor először regisztrál a Google Cloudra, jogosult egy 300 dolláros ingyenes kreditre, amelyet 90 napon belül felhasználhat.

Íme egy videó arról, hogyan hozhat létre számlázási fiókot a GCP-ben:  Számlázási fiók létrehozása

Navigálás az oktatóanyagban

Mivel ez egy kiterjedt, vállalati szintű felépítés, ezt a bejegyzést úgy terveztem, hogy az Ön koncepcionális és technikai támasza legyen. Bár nem fogok minden egyes egérkattintást felsorolni – a pontos, lépésről lépésre történő vizuális folyamatot a fent beágyazott YouTube videóban követheti –, a következő szakaszok részletezik az általunk épített rendszer architektúráját és azokat az alapvető fogalmakat, amelyeket el kell sajátítania.

Mik azok a Beszélgetésalapú Ügynökök?

A korábban Dialogflow CX néven ismert Beszélgetésalapú Ügynökök (Conversational Agents) a Google vezető platformja olyan AI építéséhez, amely nem csupán „cseveg”, hanem „cselekszik”. A Google Cloud Console-ban található. Az alapvető chatbotokkal ellentétben ezek az ügynökök „állapotgép” megközelítést (Flows és Pages) használnak, modern LLM képességekkel (Playbooks) kombinálva, hogy komplex, többfordulós üzleti logikát kezeljenek.

Első lépések

Kezdésként navigáljon a Beszélgetésalapú Ügynökök konzoljára, válassza ki a GCP projektjét, és hozzon létre egy új ügynököt. A bot „belépési pontja” az Alapértelmezett Kezdő Folyamat (Default Start Flow). Itt történik a kezdeti üdvözlés, és itt dönti el az ügynök, hogy melyik „Forgatókönyvet” (Playbook) indítsa el a felhasználó kérése alapján.

A Forgatókönyvek (Playbooks) megértése

A Forgatókönyvek (Playbooks) a modern ügynökök „generatív” szíve. Ahelyett, hogy minden lehetséges választ keménykódolnánk, megadunk az ügynöknek egy Célt (pl. „Segítsen a felhasználónak hitelt kalkulálni”) és Utasításokat (pl. „1. Kérdezze meg az összeget, 2. Kérdezze meg a futamidőt, 3. Hívja meg a kalkulátor eszközt”).

• Forgatókönyv paraméterek (Playbook Parameters): Ezek olyan változók, amelyeket az ügynök „megjegyez” a munkamenet során (például $amount vagy $user_name). Ezek az ügynök rövid távú memóriájaként működnek.

A példák ereje (Few-Shot Prompting)

Ez vitathatatlanul a beállítás legkritikusabb része. Az példák (Examples) azok, ahol „arany standard” mintabeszélgetéseket ad meg az ügynöknek.

Példák hozzáadásával megmutatja az LLM-nek:

• Felhasználói bevitel: Hogyan kérhet segítséget egy valódi ember.
• Ügynök művelete: Pontosan mikor döntsön az ügynök egy eszköz (például a kalkulátor) meghívása mellett.
• Eszközhívás/Kimenet: Hogyan értelmezze az ügynök a Python kódjából visszatérő technikai adatokat, és hogyan fordítsa le barátságos válaszra.

Példák nélkül az ügynöknek találgatnia kell; velük azonban tökéletesen követi az Ön specifikus üzleti hangvételét és logikáját.

Képességek bővítése eszközökkel

Az eszközök adják az ügynök „kezét”. Három különböző típust fogunk építeni:

• Fejlett eszközök a Google Cloud Run segítségével: Komplex logikákhoz, mint például a Hitelkalkulátorunk, egy Python szkriptet futtatunk a Cloud Runon. Az ügynök elküldi a felhasználó adatait ennek az eszköznek, a szkript elvégzi a számítást, és visszaadja az eredményt.
• GYIK Tudásbázis: Létrehozunk egy „Adattár” (Data Store) eszközt. Egyszerűen feltölti a Santander Bank PDF-jét, és az ügynök ezt használja fel bármilyen specifikus termékkel kapcsolatos kérdés megválaszolására anélkül, hogy egyetlen „intent”-et is írnia kellene.
• Google Táblázatok Integráció: Ez az „Érdeklődőgyűjtő” (Lead Capture) eszközünk. Amikor egy felhasználó megadja elérhetőségi adatait, az ügynök meghív egy Python webhookot, amely valós időben hozzáad egy új sort a Google Táblázatához.

Tesztelés és telepítés

Mielőtt élesbe állítanánk, a konzolon belüli Szimulátort (Simulator) használjuk, hogy „beszélgessünk” a bottal és megvizsgáljuk a végrehajtási nyomvonalakat. Ha elégedett, telepítheti a botot weboldalára a Dialogflow Messenger integráció segítségével – ez egy egyszerű kódrészlet, amelyet beilleszthet a HTML-jébe.

Eszköz forráskódja

Alább található az egyedi eszközök forráskódja, amelyeket ebben az oktatóanyagban telepítünk. Ezeket úgy tervezték, hogy Google Cloud Runon vagy Cloud Functions-ként legyenek hosztolva.

1. eszköz: A hitelkalkulátor

Ez az eszköz megkapja a hitelösszeget és a futamidőt, majd visszaadja a becsült havi törlesztőrészletet.

requirements.txt

functions-framework==3.*
Flask

Függvény belépési pontja: calculate_loan

Open API séma

2. eszköz: Google Táblázatok érdeklődőgyűjtés

Ez az eszköz fogadja a felhasználó nevét, e-mail címét és hitelérdeklődését, majd közvetlenül egy meghatározott táblázatba menti.

requirements.txt

functions-framework==3.*
google-api-python-client
google-auth
flask

Függvény belépési pontja: write_loan_data

Open API séma

A Forgatókönyv (Playbook) forráskódja

Alább található az ebben az oktatóanyagban használt Forgatókönyvek (Playbooks) forráskódja.

Alapértelmezett Forgatókönyv

Hitelkalkuláció

Érdeklődő küldése

Paraméterek és leírásuk

• loan_amont
  A hitelösszeg, amelyet az ügyfél felvesz
• loan_term
  A hitel visszafizetésének időtartama, amelyet az ügyfél előnyben részesít a felvett hitel törlesztésére
• monthly_payment
  Kiszámított havi törlesztőrészlet
• total_repayable
  Kiszámított teljes visszafizetendő hitelösszeg
• apr
  THM százalék