Инструкция

Инструкции/Чат-бот/ИИ-Агенты

 

Раздел "ИИ-Агенты" предназначен для создания и управления интеллектуальными агентами, которые работают на основе больших языковых моделей (LLM). В отличие от обычных чат-ботов, работающих по жёстким сценариям или шаблонам, ИИ-агенты понимают естественный язык, анализируют контекст и генерируют ответы в реальном времени.

ИИ-агенты интегрируются с Интерактивным ассистентом для формирования базы знаний. Также агент может использовать детекторы сущностей (NER) для извлечения структурированных данных и MCP-инструменты для выполнения внешних действий.

 

  • ИИ-агент — интеллектуальный помощник на основе LLM, способный генерировать ответы на естественном языке.
  • База знаний — набор документов, ссылок, файлов, статей или состояний бота, используемый для контекстной генерации ответов.
  • RAG — механизм интеграции базы знаний с LLM. Позволяет агенту отвечать на основе загруженных документов и источников.
  • Системные инструкции (Промпт) — главные указания для LLM, определяющие роль, стиль общения и правила поведения агента.
  • Подпись под ответом — текст, который автоматически добавляется в конце каждого сообщения агента.
  • Процент креативности — параметр (температура), регулирующий вариативность и неожиданность ответов агента.
  • Детектор сущностей (NER) — модель для извлечения из текста структурированных данных: номеров, дат, имён, адресов, телефонов, email и т.д.
  • MCP-инструменты — внешние функции, которые агент может вызывать для получения данных или выполнения действий.
  • Обновление RAG — ручной или автоматический процесс переиндексации базы знаний агента.

 

 

Просмотр списка агентов

В таблице отображаются все созданные ИИ-агенты с колонками:

  • Название ИИ-агента — имя и краткое описание агента.
  • База знаний — название бота или источника, состояния которого используются для построения базы знаний.
  • Детектор — название подключённого детектора сущностей (NER).
  • Статус — включён или отключён.
  • Действие — кнопка редактирования.

 

Таблица списка ИИ-агентов

 

1. Выделение агентов: Установите флажки в первом столбце таблицы или используйте главный флажок в заголовке для выделения всех.

2. Добавление нового агента: Нажмите синюю кнопку "Добавить" в верхней панели.

3. Удаление агентов: Выделите агентов и нажмите красную кнопку "Удалить" (потребуется подтверждение).

 

 

Вкладки редактирования

При создании или редактировании ИИ-агента доступны две вкладки:

1. "Общее" — основная информация об агенте и его статус.

2. "Настройки" — системные инструкции, подпись под ответом, параметры LLM, интеграция с базой знаний, MCP-инструментами и детекторами.

 

Вкладка 'Общее' ИИ-агента

Основные настройки агента:

1. Название ИИ-агента — имя агента (обязательное поле).

2. Описание ИИ-агента — дополнительная информация о назначении и функциях агента.

3. Тип агента — служебный параметр, который скрыт от выбора в текущем интерфейсе.

4. Статус — включение/отключение агента.

 

Вкладка 'Настройки' ИИ-агента

Основные настройки LLM:

1. Системные инструкции (Промпт) — текстовое поле для ввода главных указаний LLM. Здесь задаются роль, стиль общения, правила обработки запросов и ограничения.

Пример: "Ты — профессиональный консультант по банковским услугам. Отвечай вежливо, чётко и по существу. Если не знаешь точного ответа, предложи связаться с оператором. Не придумывай факты."

2. Подпись под ответом ИИ-агента — текстовое поле для ввода подписи, которая автоматически добавляется в конце каждого сообщения агента. Это может быть контактная информация, дисклеймер или ссылка на источник.

Пример: "С уважением, команда поддержки. Получить консультацию: +7 (800) 123-45-67"

3. Процент креативности ИИ-агента — ползунок от 0% до 100% (температура модели):

  • Низкие значения (0–30%) — ответы строгие, предсказуемые, фактологические.
  • Средние значения (40–60%) — сбалансированный режим для большинства задач.
  • Высокие значения (70–100%) — креативные, разнообразные и "живые" ответы.

4. Передавать данные произвольных полей пользователя — переключатель, включающий передачу данных из произвольных полей пользователя в контекст LLM. Позволяет агенту персонализировать ответы на основе дополнительной информации о пользователе.

 

Интеграция базы знаний

В этом блоке настраиваются источники данных, которые используются для формирования базы знаний агента. Для управления RAG в верхней панели доступна кнопка "Обновить RAG". Она запускает ручную переиндексацию базы знаний.

Автоматическое обновление: переключатель "Автоматическое обновление". Если он включён, обновление происходит ежедневно в 00:00 по Гринвичу.

Таблица документов RAG:

  • ID — идентификатор документа в базе знаний.
  • Ссылка на документ — URL или название файла.
  • Тип — тип источника: файл, ссылка, статья, бот с базой знаний и т.д.
  • LLM-обработка — показывает, выполняется ли предварительная LLM-обработка документа (Да/Нет).
  • Статус — состояние обработки документа. Например, "Готов" с датой и временем.
  • Действия — кнопки редактирования и удаления документа.

Как добавить источник: нажмите кнопку "+" в нижней части таблицы, выберите тип документа и укажите необходимые данные.

Доступные типы документов:

  • Бот с базой знаний (dataset) — бот, состояния которого автоматически формируют базу знаний.
  • Ссылка — URL-адрес страницы, которая будет использована как источник данных.
  • Файл — загруженный документ (PDF, DOCX, TXT и др.).
  • Группа статей — группа материалов из раздела статей.
  • Статья — отдельная статья из раздела статей.
  • Категория документов — категория из раздела документов.
  • Документ — отдельный документ из раздела документов.

Чем больше и разнообразнее источники знаний, тем более полными будут ответы агента. Для документов может отображаться режим "Режим 0 (база знаний)" — документ прикреплён к чату/агенту, но не упоминается в диалоге напрямую.

 

Интеграция MCP инструментов

MCP-инструменты позволяют ИИ-агенту выполнять внешние действия и получать данные из внешних систем.

Управление инструментами:

1. Используйте кнопки "Отметить все" и "Снять все" для массового выбора инструментов.

2. Отметьте флажками нужные MCP-инструменты, которые будут доступны агенту.

Примеры инструментов:

  • Получение всей информации по ЛС.
  • Текущая дата.
  • Запрос данных из CRM-системы.
  • Создание задач в системе.

Выбранные инструменты становятся доступны LLM в виде функций, которые она может вызывать при необходимости.

 

Интеграция MCP инструментов

Выберите детектор произвольных полей (NER) — выпадающий список для подключения модели распознавания сущностей.

Что это даёт: детектор автоматически извлекает из текста пользователя структурированные данные:

  • Номера договоров и заказов.
  • ФИО, даты рождения.
  • Адреса, телефоны, email.
  • Суммы, даты, периоды.

Извлечённые данные могут использоваться LLM для формирования персонализированных ответов или для передачи в MCP-инструменты.

Подсказка: LLM будет автоматически определять произвольные поля в сообщениях пользователей.

 

1. Сохранить: нажмите синюю кнопку "Сохранить" в верхней панели для сохранения всех настроек и создания/обновления агента.

2. Обновить RAG: нажмите жёлтую кнопку "Обновить RAG" в верхней панели, чтобы вручную запустить переиндексацию базы знаний.

3. Назад: нажмите серую кнопку "Назад" для возврата к списку без сохранения изменений.

При нажатии "Назад" система предупредит о несохранённых изменениях.

 

 

Связь между модулями

ИИ-агент, созданный в этом разделе, не работает изолированно. Он является "движком" для обработки запросов на основе данных из Интерактивного ассистента.

Как это работает:

1. Вы создаёте ИИ-агента здесь и настраиваете его параметры: промпт, креативность, инструменты, базу знаний.

2. В Интерактивном ассистенте создаются состояния (теги) и связываются с агентом.

3. Для каждого состояния настраиваются шаблоны вопросов и ответов.

4. Агент использует базу знаний (документы, состояния бота) и свои настройки для генерации ответов.

 

Что настраивается в Интерактивном ассистенте:

В разделе Интерактивный ассистент → Вкладка "Настройки для Чат-бота" для каждого состояния (тега) настраиваются:

  • Шаблоны (фразы пользователя) — какие фразы активируют этот тег.
  • Ответы (фразы бота) — что бот будет отвечать.
  • Слова-исключения — фразы, которые отменяют активацию тега.
  • Генерация синонимов — автоматическое создание вариантов фраз.

Важно: Без настройки состояний в Интерактивном ассистенте агент не сможет корректно отвечать на вопросы пользователей.

 

 

1. Понятные имена: Называйте агентов так, чтобы было сразу понятно их назначение (например: "Консультант по кредитам", "Техподдержка", "HR-помощник").

2. Единый стиль: Используйте единый стиль именования для всех агентов в системе.

3. Описание: Всегда заполняйте поле описания — это поможет другим администраторам понять назначение агента.

4. Структурирование: Группируйте агентов по функционалу (поддержка, продажи, HR, технические вопросы).

 

1. Чёткая роль: начинайте с определения роли ("Ты — ...").

2. Стиль общения: укажите желаемый тон (официальный, дружелюбный, деловой).

3. Границы компетенции: обязательно укажите, что делать, если агент не знает ответа.

4. Конкретные инструкции: давайте чёткие алгоритмы действий для типовых ситуаций.

5. Тестирование: проверяйте промпт на реальных вопросах, корректируйте при необходимости.

 

1. Для поддержки и консультаций: 30–50% — стабильные, предсказуемые ответы.

2. Для генерации идей и творческих задач: 70–90% — креативные, разнообразные ответы.

3. Для технических и точных ответов: 10–30% — максимально точные и строгие ответы.

4. Поэтапное тестирование: начинайте со среднего значения (50%), тестируйте и корректируйте.

 

1. Разнообразие источников: используйте разные типы документов (статьи, ссылки, файлы) для создания полной базы знаний.

2. Актуальность данных: регулярно обновляйте и проверяйте источники знаний на актуальность. Используйте кнопку "Обновить RAG" после массовых изменений.

3. Качество контента: убедитесь, что добавленные документы содержат структурированную и понятную информацию.

4. Тестирование: проверяйте работу агента с добавленными источниками знаний на тестовых вопросах.

5. Автообновление: включайте автоматическое обновление RAG, если база знаний пополняется регулярно.

 

1. Минимально необходимый набор: подключайте только те инструменты, которые реально нужны агенту для выполнения задач.

2. Принцип необходимости: избыток инструментов может запутывать LLM и снижать качество ответов.

3. Тестирование детекторов: проверяйте, корректно ли детектор извлекает сущности из реальных сообщений пользователей.

4. Обновление базы знаний: при изменении источников знаний база знаний агента обновляется автоматически или вручную через кнопку "Обновить RAG".

 

 

Агент не отвечает в чате:

1. Проверьте статус агента — должен быть "Включено".

2. Убедитесь, что в базе знаний добавлен хотя бы один источник (бот с состояниями, файл, ссылка или статья).

3. Проверьте, что в Интерактивном ассистенте созданы состояния (теги), связанные с этим агентом.

4. Убедитесь, что сам чат-бот, к которому привязан агент, имеет доступ к нужным комнатам и источникам.

5. Проверьте статус документов в RAG-таблице — все источники должны быть в статусе "Готов".

 

Агент отвечает некорректно или "не по теме":

1. Проверьте и уточните системные инструкции (промпт) — возможно, они недостаточно конкретны.

2. Скорректируйте процент креативности — снизьте для более строгих ответов.

3. Проверьте базу знаний — возможно, добавленные источники не релевантны запросам или содержат мало информации.

4. Дополните шаблоны вопросов в Интерактивном ассистенте для лучшего распознавания запросов.

5. Нажмите "Обновить RAG", если документы были изменены, но агент использует старые данные.

 

Агент не использует MCP-инструменты или детекторы:

1. Убедитесь, что нужные инструменты отмечены флажками в настройках.

2. Проверьте, что в промпте явно указано, когда и как использовать инструменты.

3. Убедитесь, что детектор правильно настроен и содержит нужные сущности.

4. Проверьте, включён ли переключатель "Передавать данные произвольных полей пользователя".

 

Агент не обучается или не улучшается:

1. Убедитесь, что в Интерактивном ассистенте созданы и настроены теги с шаблонами и ответами.

2. Проверьте, что база знаний (документы, состояния бота) содержит достаточное количество данных для обучения.

3. Используйте модуль "Дообучение" для улучшения ответов на основе реальных диалогов.

4. Для заметного улучшения качества рекомендуется 100+ размеченных диалогов.

5. Убедитесь, что RAG-документы имеют статус "Готов" и LLM-обработка выполнена.

 

Ошибки при сохранении настроек:

1. Проверьте, что заполнено обязательное поле "Название ИИ-агента".

2. Убедитесь, что все поля заполнены корректно (без специальных символов, вызывающих ошибки).

3. Если ошибка сохраняется — попробуйте сохранить настройки по одной вкладке за раз.

4. Проверьте права доступа на запись в системе.