生成式 AI（Generative AI）是当今科技领域的前沿技术之一。随着数据量的不断增加和计算能力的不断提升，AI 技术在企业和个人生活中的应用越来越广泛。AI-BOT（以下简称 BOT）是生成式 AI 技术的其中一种重要的应用形式，它可以通过学习各类业务数据信息，帮助人们执行一系列任务，从而提高工作效率，减少人力成本。

而 GPTBots 作为 BOT 开发平台，一直是生成式 AI 的前沿探索者。本文将与您分享，如何在 GPTBots 上，为您的业务开发和训练一个拥有高可用性的 BOT。

PART 01 准备工作

• 注册 GPTBots 平台

注册一个 GPTBots 账号，是开发 BOT 的第一步。

进入 GPTBots 平台（https://gptbots.ai/developer），点击【注册】，并登录到【开发者后台】。完成注册后，平台会为您赠送一些积分，这些积分能够让您进行平台功能的初体验，例如创建 BOT、调试 BOT、训练 BOT 等。如果完成企业认证，还可以获得高达 500 积分的赠送。

• 业务分析

首先，您需要明确 BOT 在您的业务中的定位和目标。

定位指的是 BOT 在您的业务中的特殊位置，它被用于解决某个特定领域的问题，因此与其他 BOT 是存在差异的。目标指的是 BOT 在您的业务中所能达成的具体结果，例如降低成本、提升人效等。

我们建议您可以把 BOT 理解为一名员工，这位员工知识渊博，无所不知，但在某些专业领域又有些欠缺。不过，只需要提供相关专业知识，它就可以化身领域专家，有效解决专业问题。因此，在明确定位和目标时，我们可以这么思考：

定位：一名非常专业的电商售后客服人员，他对于公司业务了如指掌，能够快速且专业地为客户解决各类型售后问题。

目标：提升客户服务效率和质量，降低客户服务成本。

其次，您需要了解 BOT 所需解决的业务领域中存在的问题和挑战。了解这些，有助于帮助您进一步定位 BOT 的能力范围。

• 数据收集

在明确了 BOT 的定位和目标后，我们需要为 BOT 进行数据收集。

根据上文我们提供的建议，我们把这个 BOT 想象成为一名无所不能的员工。但一名强大的员工，除非部分人有天赋以外，更多地一定是通过不断的知识学习和经验积累后才能做到的。而 BOT 的数据，指的就是 BOT 需要学习的知识。

继续使用上文的例子。“一名非常专业的电商售后客服人员”，一定是拥有非常丰富的公司售后业务知识，包括但不限于：公司的售后服务政策、公司历史处理售后问题经典案例……

因此，我们需要做以下工作：

1. 收集数据。作为给这个“电商售后 BOT”的学习资料；

2. 数据分类。分类越清晰，越有助于 BOT 知识的维护管理，以及提升 BOT 的响应质量。例如电商售后服务知识，我们可以大致分类为：服务总则、服务细则、服务流程、常见问题、经典案例等；

3. 数据清洗及预处理。以保证最终给 BOT 学习的数据是相对“干净”，不含“杂质”的。

注意，数据的收集并不是越多越好，更重要的是数据的质量。我们需要给 BOT“学习”高质量的知识，BOT 才能给我们输出高质量的结果。

PART 02 构建 BOT

在以上准备工作均已完成后，就可以开始构建这个“电商售后 BOT”。

更多的 GPTBots 使用教程，请访问 GPTBots 官方文档

（https://gptbots.gitbook.io/gptbots.zh/），在本文中不做详细展开。

• 创建 BOT

根据业务实际，创建合适类型的 BOT。GPTBots 定义了两类 BOT：

- 知识问答：拥有“短记忆”能力，适用于一些简单的问答场景，例如翻译、客服、知识检索等；

- 智能助理：拥有“短记忆+长记忆”能力，适用于较为复杂的对话场景。

用户可按自身实际需求来选择 BOT 类型。

• 身份提示撰写技巧

在构建 BOT 的过程中，比较重要的一个环节，就是为 BOT 撰写身份提示。

身份提示可用来塑造 BOT 的身份、能力，边界和情绪等。一个优质的身份提示，能够让 BOT 以更加符合期望地回复用户问题。

我们可以用一个通用的结构来撰写身份提示，如下：

- 角色：BOT 需要担任的角色，如“专业的售后服务人员”；

- 技能：BOT 需要拥有的技能，如“出色的售后服务能力与客户沟通技巧”；

- 个性：BOT 的语气、个性、沟通方式等，如“语气请平和，用词需礼貌”；

- 目标：BOT 的任务目标，如“基于参考内容及客户提问，回答客户的问题”；

- 链式思考：为 BOT 提供一些思考流程与方式，以引导 BOT 按照你的要求进行思考和解决问题，如“MUST follow these steps to answer the customer queries: Step1 - Step2 - Step3 - Step4...”。在一些较为垂直、特定的场景下，该方法非常好用。

- 输出规则：若您需要 BOT 输出内容为特定结构或格式（如：json、markdown……），您也可以在此定义。请注意，这部分不是必须的，可按实际需求撰写。

以上文“电商售后 BOT”为例，我们可以这样撰写身份提示：

请扮演一名专业的售后服务人员。你拥有出色的售后服务能力与客户沟通技巧。你的任务是，基于参考内容及客户提问，回答客户的问题。语气请平和，用词需礼貌。

PART 03 训练 BOT

在设定好 BOT 的基本信息后，我们需要对 BOT 进行知识“投喂”以及训练。

• 知识输入

我们需要将数据收集阶段收集到的售后服务类数据，以合适的格式，“投喂”给 BOT 进行训练。GPTBots 平台目前支持文档导入（.docx、.md、.txt、……）、网站爬取、在线文本、在线 Q&A 等方式进行知识输入。

• 向量搜索

训练完成后，可以立刻通过“向量搜索”功能，对知识进行向量搜索测试，检查命中情况，目的是为了观察已经训练好的知识在面对实际问题时，是否能够有效地完成信息召回。

• 聊天记录训练

在 BOT 已经投入使用后，我们依然可以对 BOT 进行反复训练。

目前 GPTBots 支持基于用户的聊天记录进行训练。这种训练方式的优势在于，训练的语料使用的是用户在使用 BOT 过程中实际发生的对话，使用这些对话作为训练材料，能够让 BOT 更有效地接近实际的用户使用场景。

• 调试 BOT

调试模式可以帮助开发者一边使用 BOT 一边调整 BOT 参数，以让 BOT 达到开发者所期望的效果。

PART 04 更复杂的场景，如何处理？

在实际业务中，会很多远比售后服务问答要复杂得多的场景。面对这些场景，GPTBots 提供了更丰富的处理方式以应对。

• 为 BOT 插上翅膀——插件能力

大语言模型（LLM）本身是有知识范围限制的，当需要 LLM 帮助我们处理更多业务定制化的、复杂的任务时，我们可以通过为 LLM 添加插件的方式，扩展 LLM 的能力，使 BOT 拥有更加强大的能力。

GPTBots 当前已支持插件功能。

GPTBots 官方已经提供了一些免费的公开插件供用户使用（更多的官方插件正在陆续开发中……）。

同时，GPTBots 也支持开发者自行开发插件，以个性化地覆盖自身的业务场景。例如，开发者可以通过开发插件，将 BOT 对接到自己的业务系统，调用自己的业务数据，让 BOT 来处理特定业务工作。

• 用可视化流程（FLOW）构建 BOT

若是存在更加复杂的业务场景，则可以通过可视化流程（FLOW）来构建 BOT。

GPTBots 目前正在内测的 FLOW 构建 BOT 功能。我们将一个 BOT 应有的或常见的模块抽象为多个组件，用户可以通过在可视化面板上拖拉拽的方式，个性化地构建一个复杂场景下的 BOT，以解决更加垂直、更加特定场景下的问题。

• 将 BOT 与业务连接

GPTBots 支持将构建好的 BOT 与用户自己的业务进行连接，目前主要有以下三种方式：

- API：GPTBots 当前提供了多个与 BOT 进行交互的 API，包括但不限于创建对话、发送消息、获取消息等；

- iframe 网页嵌入：将 BOT 对话界面以 iframe 的形式嵌入到您的网页内进行使用；

- bubble 网页小部件：将 BOT 以 bubble 小部件的形式嵌入到您的网页内进行使用，它将以气泡的形式，展示在您网页的右下角。

写在最后

在生成式 AI 发展迅猛的今天，GPTBots 为开发者提供了强大的自主构建 AI-BOT 的能力，能够帮助开发者快速高效地构建个性化的 BOT，以解决其业务痛点或问题，驱动业务增长。

访问极光 GPTBots 官网 https://www.gptbots.a立即注册体验

注册即赠送积分赠送。参与企业认证或邀请好友注册，也能获取更多积分~

关于极光

极光（Aurora Mobile，纳斯达克股票代码：JG）成立于 2011 年，是中国领先的客户互动和营销科技服务商。成立之初，极光专注于为企业提供稳定高效的消息推送服务，凭借先发优势，已经成长为市场份额遥遥领先的移动消息推送服务商。随着企业对客户触达和营销增长需求的不断加强，极光前瞻性地推出了消息云和营销云等解决方案，帮助企业实现多渠道的客户触达和互动需求，以及人工智能和大数据驱动的营销科技应用，助力企业数字化转型。