Documentation Index
Fetch the complete documentation index at: https://docs.lovi.ai/llms.txt
Use this file to discover all available pages before exploring further.
了解 AI 智能体的工作原理
Lovi 的 AI 智能体利用大语言模型（LLM）通过分析大量文本数据来解读客户咨询，从而理解问题背后的意图。 借助生成式 AI，智能体将知识库中的信息整合为自然的、对话式的回复。 为确保回复质量，AI 智能体使用内容过滤器验证每条回复： • 数据：知识库中存在该查询的相关信息。 • 闲聊：判断这是一个可以回答的通用问题或评论。 • 无匹配：判断这是一个知识库中不存在但应该存在的具体问题。 Lovi 的推理引擎进一步增强了 AI 智能体的能力，考虑以下因素： • 对话上下文：之前的交互，以提供连贯的回复。 • 知识库：相关信息的可用性。 • 业务系统：已配置的操作，使智能体能够检索必要信息。 基于此分析，AI 智能体确定适当的行动方案，例如提出后续问题、提供知识库中的信息，或执行已配置的操作以有效协助客户。AI 智能体如何从知识库生成内容
当您将知识库连接到 Lovi 的 AI 智能体时，它会吸收您的内容，以便高效地为客户咨询提供相关信息。以下是流程概述：吸收知识库内容
- 内容导入：Lovi 的 AI 智能体导入知识库中的所有内容，并每 24 小时检查一次内容更新。
- 内容分块：内容被分割成较小的部分，每部分聚焦于一个关键概念。这种分割方式使 AI 智能体能够更高效地搜索。每个分块保留上下文信息，包括前置标题。
- 嵌入向量创建：每个分块由大语言模型（LLM）处理，生成称为嵌入向量的数值表示，以捕捉内容的含义。这些嵌入向量存储在数据库中以便快速检索。
生成回复
- 查询处理：当客户提交查询时，Lovi 的 AI 智能体使用 LLM 将其转换为嵌入向量。然后进行审核检查以过滤不当或有害内容。
- 语义检索：AI 智能体将查询的嵌入向量与数据库中的向量进行比较，以识别语义最相似的内容分块。它选择最相关的前三个分块来构建回复。
- 上下文理解：对于后续问题，AI 智能体可能会改写查询以纳入之前的对话上下文，从而提高检索信息的相关性。
- 回复生成：选定的内容分块被发送到 GPT 以构建自然流畅的回复。此回复经过三重过滤以确保安全、相关和准确，然后发送给客户。