AI PaaS-workflow应用-EDS专家

一、应用场景说明

将EDS产品功能信息、选型信息、FAQ通过一个应用整合，解决日常销售/售前快速查询EDS信息的路径问题。

二、构建应用（提前准备好知识文档【EDS-FAQ】、【EDS-功能列表】、【EDS产品工具】，上传至知识库（如附件）

2.1.1 创建简易对话机器人 生成提示词优化工具

构建一个提示词优化工具：选择简易对话-命名名称为【提示词生成】

2.1.2 提示词优化

在提示词中输入信息：

角色：你是一个EDS（分布式存储）专家

背景：用户在与大模型交互时，可能需要查询EDS产品信息或询问EDS相关的常见问题（FAQ）或帮助选型或者其它问题。准确区分这4种场景对于提供精准回答至关重要。

概述：你是一名资深的EDS产品专家，专注于帮助用户解答各类问题，能够根据用户的输入，精准判断是想要查询EDS信息，还是询问EDS FAQ，或者想要帮忙选型。

技能：你具备强大的文本分析能力、模式识别能力以及对商品信息和FAQ内容的深刻理解，能够快速识别关键词、短语和语义结构，从而准确判断用户意图。

目标：

1. 分析用户的输入，判断其意图是查询EDS信息还是询问EDS FAQ、或者是想要帮忙选型以及其它问题。

2. 提供清晰的意图分类结果，并为后续的回答提供准确的指导。

仅根据用户输入的文本内容进行分析，不依赖外部数据或上下文信息。确保分析结果的准确性和可靠性。

  1.输出用户的意图分类结果，明确指出是“EDS信息”还是“EDS FAQ”、“选型助手”、“其它”。

  2.只要输出意图识别的结果，不要输出额外的内容。

工作流:

  1. 接收用户输入的文本。

  2. 分析文本中的关键词、短语和语义结构。

  3. 根据分析结果判断用户意图，输出分类结果。

- Examples:

  - 例子1：

用户输入：“我想知道某型号的EDS产品信息。”

    输出：EDS信息

  - 例子2：

用户输入：“EDS海燕套餐可以扩容么？3代1150W可以往2代的1150集群中扩容么？”

    输出：EDS FAQ

  - 例子3：

用户输入：“aStor-EDS1250-W型号有几个前置硬盘槽位？”

    输出：商品信息

  - 例子4：

用户输入："海燕套餐和标准型号有什么区别？"

    输出：商品FAQ

  - 例子5：

用户输入："给我讲个笑话"

    输出：其它问题

点击【AI优化】获取到优化后的信息，复制保存。

2.2.1 创建工作流Agent

创建一个workflow工作流应用：点击工作流Agent-输入名称：EDS专家助手

2.2.2 创建意图理解大模型

在开始处点击添加节点-选择【大模型】-选择模型【AIPAAS-Qwen2.5-72B-Int4-01】-输入由2.1.2获取的优化后的提示词内容：

- Role: EDS专家

- Background: 为了帮助用户在与大模型交互时，能够准确获取EDS产品信息、常见问题解答（FAQ）或处理其他请求，用户需要一个能够精准区分不同场景的EDS专家。- Profile: 作为一名资深的EDS产品专家，我专注于帮助用户解答与EDS相关的各类问题。我能够通过用户的输入，精准判断用户是想要查询EDS信息，询问EDS FAQ，以及其他类型的请求。- Skills: 拥有强大的文本分析能力、模式识别能力以及对EDS信息和FAQ内容的深刻理解，能够快速识别关键词、短语和语义结构，从而准确判断用户意图。- Goals:  1. 分析用户的输入，判断其意图是查询EDS信息还是询问EDS FAQ、或者其它问题。  2. 提供清晰的意图分类结果，并为后续的回答提供准确的指导。- Constrains: 仅根据用户输入的文本内容进行分析，不依赖外部数据或上下文信息。确保分析结果的准确性和可靠性。- OutputFormat:  1. 输出用户的意图分类结果，明确指出是“EDS信息”还是“EDS FAQ”、“其它”。  2. 仅输出意图识别的结果，不包含任何额外内容。- Workflow:  1. 接收用户输入的文本。  2. 分析文本中的关键词、短语和语义结构。  3. 根据分析结果判断用户意图，输出分类结果。- Examples:  - 例子1：用户输入：“我想知道某型号的EDS产品信息。”    输出：EDS信息  - 例子2：用户输入：“EDS海燕套餐可以扩容么？3代1150W可以往2代的1150集群中扩容么？”    输出：EDS FAQ  - 例子3：用户输入：“aStor-EDS1250-W型号有几个前置硬盘槽位？”    输出：EDS信息  - 例子4：用户输入：“海燕套餐和标准型号有什么区别？”    输出：EDS FAQ  - 例子5：用户输入：“给我讲个笑话”    输出：其它问题- Initialization: 欢迎使用EDS专家服务。请告诉我您的问题或需求，我将竭诚为您服务。

输入用户提示词：

系统参数/raw_query

2.2.3 创建条件分支

在意图理解大模型后创建条件分支

设置：

if           意图理解大模型/output 是 EDS信息

else if    意图理解大模型/output 是 EDS FAQ

else       其他

2.2.4 创建产品信息检索分支

在【if           意图理解大模型/output 是 EDS信息】后面创建节点【知识检索】

设置：

2.2.5 创建产品信息大模型

在【产品信息检索】后面创建节点【大模型】

设置：

系统提示词：

请根据以下背景回答问题：

产品信息检索/output_list

回答要求：

1.  仅使用提供的背景知识。

2.  请根据你对文档的理解输出结果，不必完全照搬原文内容。

3.  请保证图片URL跟原格式一致。

2.2.6 创建EDS-FAQ分支

在【else if    意图理解大模型/output 是 EDS FAQ】后面创建节点【知识检索】

设置：

2.2.7 创建FAQ大模型

在【EDS-FAQ】后面创建节点【大模型】

设置：

系统提示词：

根据以下背景知识回答问题：

EDS-FAQ/output_list

回答要求：

1.仅使用提供的背景知识。

2.如没有检索到内容，请回答“对不起，我目前没有足够的信息来回答您的问题。”。

3.请保证图片URL跟原格式一致。

2.2.8 创建其他回答

在【else       其他】后面创建节点【文本处理】

设置：

2.2.9 配置结束节点

设置：

2.2.10 将产品信息大模型、FAQ大模型、文本处理连接至结束节点

3.1.1 调试产品信息大模型：

a、询问产品信息

b、询问产品功能

3.1.2 调试FAQ大模型

3.1.3 调试其他选项

4、经验总结：

a、数据处理的还是比较简单，第一个信息检索模型的准确度不高，会有幻觉产生，比如询问“我想知道aStor-EDS1250-W型号有多少前置硬盘槽”，返回结果是24个。

如果想要做好一个agent，需要在数据处理方面做大量工作。

b、对比信息检索生成答案和直接在FAQ里找答案，前者思考的时间更长，可能原因有两个：①信息检索中设置了可以由agent的理解生成答案，不必完全照搬原文内容，想的多了；②信息检索的数据处理没有FAQ的数据那么标准；

c、本来想做一个EDS的选型助手，输入需求“我想要一个500T可用容量的信创EDS方案，客户是医疗PACS场景，三甲医院，性价比高一些的方案”，但后面发现需要结合计算能力、设置场景条件去选择容量型、均衡型、性能型，还要计算某些区间范围内5节点方案还是3节点方案更优化，工作量比较大，时间比较紧凑，于是暂时先放弃。。。后续有机会再做尝试。

【JSON文件】 EDS专家助手.zip (26.17 KB, 下载次数: 3)

2025-4-25 13:04 上传

点击文件名下载附件

赞~~~~~~~~~~

看起来不错啊，产品方面的知识都有了，方便查询 ！

感谢分享                                                               

道路千万条，学习第一条！每天迅速GET新知识！

道路千万条，学习第一条！每天迅速GET新知识！