搭建工作流编排应用

1. 搭建好的画布效果

2. 搭建步骤

2.1 开场白设置

• 点击画布右上角“功能“，打开功能拓展弹层，去设置开场白。
  

开场白内容：

基于客户历史数据、对话上下文和行为特征构建实时客户画像，包括用户类型、偏好、意图倾向等，辅助个性化推荐

2.2 开启并设置文件上传

2.3 开始节点

• 本应用的开始节点无需额外配置，当前工作流的输入已在步骤2中设置，上传的文件为工作流的输入。
  

2.4 添加并配置条件节点：判断文件类型

• 上接步骤3的开始节点
  

2.5 添加并配置文档提取节点

• 上接步骤4的条件节点
• 右侧红框内输入变量选择：sys.files
  

2.6 添加并配置大模型节点

• 上接步骤5的文档提取节点
• 添加大模型节点，并命名为“客户画像生成-文档”
  
• 添加系统提示词，需要重新引用文档提取的text变量
  
• 系统提示词：

根据以下一段文字输入，提取关键信息并生成详细的结构化客户画像，用于客服和接线人员支持，并为套餐推荐提供依据：

• **** 输入文本：****
• {{#文档提取text#}}
• **** 处理步骤：****
• 提取以下信息（未提及则标注“未知”，可合理推测并说明依据）：
• • 基本信息：姓名、年龄、性别、职业、所在地
• • 使用习惯：服务类型、月均消费、使用频率、常用功能、使用场景
• • 需求偏好：核心诉求、痛点、偏好渠道、消费倾向
• • 客户特征：客户类型、情感状态、服务满意度、客户生命周期阶段、联系频率
• • 交互信息：最近联系原因、最近联系时间（若有）
• 以结构化字段形式输出客户画像。
• 以多维度分点形式输出潜在需求与行为特征分析。
• 提供针对性的套餐推荐建议。
• **** 输出格式：****
• **** 客户画像：****
• • 姓名：{提取结果}
• • 年龄：{提取结果}
• • 性别：{提取结果}
• • 职业：{提取结果}
• • 所在地：{提取结果}
• • 服务类型：{提取结果}
• • 月均消费：{提取结果}
• • 使用频率：{提取结果}
• • 常用功能：{提取结果}
• • 使用场景：{提取结果，如“工作”“娱乐”“社交”}
• • 核心诉求：{提取结果}
• • 痛点：{提取结果}
• • 偏好渠道：{提取结果}
• • 消费倾向：{提取结果，如“追求性价比”“愿意高消费”}
• • 客户类型：{提取结果，如“新用户”“老用户”“潜在流失用户”}
• • 情感状态：{提取结果，如“满意”“不满”“中立”}
• • 服务满意度：{提取结果，如“高”“中”“低”}
• • 客户生命周期阶段：{提取结果，如“试用期”“稳定使用”“流失预警”}
• • 联系频率：{提取结果，如“高”“中”“低”}
• • 最近联系原因：{提取结果}
• • 最近联系时间：{提取结果，若无则“未知”}
• **** 潜在需求与行为特征分析：****
• • 短期需求：{客户当前的迫切需求}
• • 长期需求：{客户未来的潜在需求}
• • 行为触发点：{导致客户行为的关键因素}
• • 消费驱动因素：{影响客户购买决策的因素}
• • 风险点：{可能导致不满或流失的隐患}
• **** 套餐推荐建议：****
• {建议1}
• {建议2}

2.7 添加并配置第一个回复节点

• 上接步骤6的大模型节点
  
• 添加输出回复
  

2.8 添加并配置知识库节点

• 上接步骤4的条件节点else分支
• 将该知识库节点命名为：“套餐知识库”
  

2.8.1 添加知识库

该知识库定义和功能： 可以将知识库内容导入平台，提供额外的信息源，提升大模型回复效果。知识库可能包含各种领域的数据和信息，如历史事实、科学原理、文化常识等。当我们将知识库中的知识内容导入到平台后，大模型在生成回复时会参考这些额外的信息，使其回答更加准确、全面和深入。

创建知识库：

• 知识库文件:

暂时无法在飞书文档外展示此内容

创建知识库路径： 左侧菜单>知识库>点击右上角蓝色“创建知识库”按钮，打开创建弹窗>输入知识库名称、描述、上传对应文件、选择处理方式>提交

• 上传表格文件，数据类型选择“结构化数据”，然后点击“保存”完成创建
  

2.8.2 回到工作流编排画布，继续配置知识库节点

• 点击知识库左侧“+”添加刚才创建的知识库
  
• 知识库命中设置
  
• 如图所示来设置：
• 选择混合检索，语义0.4，关键词0.6
• 参数设置：最大召回片段数：4
• 模型选择：bge-rerank
• 最后点击“保存”
  
  

2.9 添加并配置第二个大模型节点

• 上接步骤8知识库节点
• 添加大模型节点，并命名为“客户画像生成-文字”
  
• 添加系统提示词，需要重新引用知识库的result变量
  
• 系统提示词

根据以下一段文字输入，提取关键信息并生成详细的结构化客户画像，用于客服和接线人员支持，并为套餐推荐提供依据：

• **** 输入文本：****
• {{#sys.query#}}
• **** 处理步骤：****
• 提取以下信息（未提及则标注“未知”，可合理推测并说明依据）：
• • 基本信息：姓名、年龄、性别、职业、所在地
• • 使用习惯：服务类型、月均消费、使用频率、常用功能、使用场景
• • 需求偏好：核心诉求、痛点、偏好渠道、消费倾向
• • 客户特征：客户类型、情感状态、服务满意度、客户生命周期阶段、联系频率
• • 交互信息：最近联系原因、最近联系时间（若有）
• 以结构化字段形式输出客户画像。
• 以多维度分点形式输出潜在需求与行为特征分析。
• 提供针对性的套餐推荐建议，这个根据知识库检索出来的内容“{{#套餐知识库.result#}}”进行精准推荐。
• **** 输出格式：****
• **** 客户画像：****
• • 姓名：{提取结果}
• • 年龄：{提取结果}
• • 性别：{提取结果}
• • 职业：{提取结果}
• • 所在地：{提取结果}
• • 服务类型：{提取结果}
• • 月均消费：{提取结果}
• • 使用频率：{提取结果}
• • 常用功能：{提取结果}
• • 使用场景：{提取结果，如“工作”“娱乐”“社交”}
• • 核心诉求：{提取结果}
• • 痛点：{提取结果}
• • 偏好渠道：{提取结果}
• • 消费倾向：{提取结果，如“追求性价比”“愿意高消费”}
• • 客户类型：{提取结果，如“新用户”“老用户”“潜在流失用户”}
• • 情感状态：{提取结果，如“满意”“不满”“中立”}
• • 服务满意度：{提取结果，如“高”“中”“低”}
• • 客户生命周期阶段：{提取结果，如“试用期”“稳定使用”“流失预警”}
• • 联系频率：{提取结果，如“高”“中”“低”}
• • 最近联系原因：{提取结果}
• • 最近联系时间：{提取结果，若无则“未知”}
• **** 潜在需求与行为特征分析：****
• • 短期需求：{客户当前的迫切需求}
• • 长期需求：{客户未来的潜在需求}
• • 行为触发点：{导致客户行为的关键因素}
• • 消费驱动因素：{影响客户购买决策的因素}
• • 风险点：{可能导致不满或流失的隐患}
• **** 套餐推荐建议：****
• {建议1}
• {建议2}

2.10 添加并配置第二个回复节点

• 上接步骤9大模型节点
  
• 添加输出回复
  
• 至此，整个工作流搭建完成，下面可以点击右上角“预览”按钮进行调试预览。
  

2.11 预览与调试

• query1：
  
• query2：

暂时无法在飞书文档外展示此内容

2.12 发布

• 点击页面右上角蓝色的“发布”按钮，将打开发布弹窗，本次发布渠道选择“前端页面”，
  
• 点击“确认”，成功发布
  
• 通过发布前端页面生成url进行访问