Как в n8n создать рабочий процесс поддержки клиентов на базе ИИ

Шаг 1. Создайте клиентский канал в Slack

Система поддержки, которую мы собираемся создать, работает, используя Slack в качестве основного интерфейса запросов на поддержку для клиента. Они будут публиковать сообщения непосредственно в канале, где сотрудники службы поддержки могут напрямую взаимодействовать.

Для каждого запроса потребуется тикет для отслеживания и эскалации в службу технической поддержки, если это необходимо.

Создайте новый канал Slack или используйте существующий. Убедитесь, что ваше приложение Slack установлено и имеет доступ к выбранному каналу. Это позволит n8n взаимодействовать с сообщениями для нашего рабочего процесса, назовем его «#n8n-tickets».

Шаг 2. Настройте запланированный триггер и узел Slack для получения последних сообщений

Не все сообщения в нашем клиентском канале (#n8n-tickets) будут тикетами, поэтому будем избирательными в отношении того, какие из них отправляются в Linear.

Чтобы отслеживать канал клиентов, настройте запланированный триггер на интервал, который подходит вашей команде. В нашем примере установим интервалы в 5 минут.

Затем добавьте узел Slack к триггеру, который выполнит операцию поиска сообщений со следующим фильтром «in:#n8n-tickets has::ticket:». Установите сортировку на самые новые и ограничение на 10.

Шаг 3. Отфильтруйте сообщения, которым уже назначен тикет по проблеме

В этом примере мы используем Linear.app в качестве системы отслеживания ошибок, но этот рабочий процесс работает с любой системой управления проектами, поддерживаемой n8n, например, JIRA.

Чтобы избежать дублирования тикетов, понадобится способ отслеживать, какое сообщение было обработано в предыдущих вызовах. Наш метод — запись идентификатора сообщения Slack в самом тикете. Затем мы можем вытащить последние тикеты из нашего проекта Linear, чтобы найти совпадение, и когда оно будет найдено, пропустить сообщение.

• Создайте линейный узел для выполнения операции «Получить множество» для ресурса Issue и установите ограничение в 50. Это позволит извлечь последние 50 тикетов.
• Затем используйте узел Aggregate для сбора всех описаний тикета — именно здесь хранятся идентификаторы сообщений Slack.
• Наконец, используйте узел IF, который проверяет наличие текущего идентификатора сообщения Slack в текущем пакете тикетов. Этот тест определит, требуется ли новый тикет.

Шаг 4. Создайте новый шаблон задачи автоматически с помощью ИИ

Теперь самое интересное! Учитывая запрос клиента, мы можем поручить ИИ резюмировать и перефразировать, чтобы сгенерировать краткое название и описание проблемы.

Еще можно использовать ИИ для генерации возможных шагов отладки или решений, чтобы проверить, является ли запрос общим или даже подключиться к внутренним системам, чтобы извлечь соответствующую документацию в правильном сценарии. Кроме того, мы также поручим нашему ИИ определять срочность запросов клиентов и назначать соответствующую метку приоритета проблеме.

Создайте базовый узел цепочки LLM, выполнив следующие инструкции:

Сообщение клиента: «{{ $(‘Get Values’).item.json.message }}»

Вам необходимо выполнить следующие 4 задачи:

1. Сгенерировать заголовок, предназначенный для тикета поддержки, на основе только проблемы пользователя. Будьте описательными, но используйте не более 10 слов.
2. Кратко опишите только проблему пользователя, указав ключевые ожидания и шаги, которые были предприняты для достижения вывода.
3. Предложите не более 3 предложений по отладке или решению только проблемы пользователя. Проигнорируйте предыдущие проблемы для этой задачи.
4. Определите срочность только проблемы пользователя и обозначьте приоритет как один из «низкий», «средний», «высокий» или «срочный». Если вы не можете определить срочность проблемы, то назначьте «низкий» приоритет. Также учтите, что запросы, требующие действий сегодня или завтра, должны иметь приоритет «высокий».

Убедитесь, что установлен флажок «Требовать определенный формат вывода».

Нажмите кнопку «Выходной анализатор» и присоедините подузел «Структурированный выходной анализатор».

В подузле «Синтаксический анализатор структурированного вывода» добавьте такую схему:

{ «тип»: «объект», «свойства»: { «заголовок»: { «тип»: «строка» }, «резюме»: { «тип»: «строка» }, «идеи»: { «тип»: «массив», «элементы»: { «тип»: «строка» } }, «приоритет»: { «тип»: «строка» } } }

Шаг 5. Создайте новый выпуск в Linear

Теперь объединим заголовок проблемы, описание и метку приоритета, а также метаданные сообщения из Slack для создания фактического тикета в Linear.

• Добавьте узел Linear, который выполняет операцию создания для ресурса issue. Убедитесь, что имя или идентификатор Team name или ID установлены для проекта, для которого вы хотите захватить тикет.
• В линейном узле сопоставьте выходные данные узла LLM Chain с выходными данными узла Slack, которые мы настроили ранее в рабочем процессе, с соответствующими полями заголовка, описания и приоритета.

Теперь, когда наш рабочий процесс завершен, мы можем активировать его, и он продолжит отслеживать наш канал поддержки клиентов, пока не будет остановлен.

Всякий раз, когда в канале появляется действительный запрос клиента, мы добавляем реакцию (тикет), чтобы создать проблему в Linear.