引言
不知道掘友们有没有过找客服的经历,当你在某宝某东上买东西时,需要询问商品信息,或者在下单以后,询问何时可以收到包裹,都需要去跟客服交涉。那么和你“掰头”的人工智能客服大多还停留在人工智障的阶段(通常指那些过去使用基础设施的自动化程序和规则处理来客户查询和问题的系统),只会重复一句连标点符号都不会改变的话,真是让人头大!本文,我将为大家带来AIGC+客服,让客服温暖你的心窝窝!
AIGC客服VS人工智能客服
- 人工智能客服
传统的人工智能机器人通常采用基础的自动化程序和规则,其功能主要集中在处理特定的、预先定义的问题和指令上。这些系统依赖于预先设定的规则和模式匹配,以生成相应的答案。在这种情况下,客服系统的反应往往取决于其编程和规则集合的范围。
此类传统人工智能机器人在处理简单、标准化的问题时表现得较好,比如提供基本的信息查询、解释常见问题等。然而,它们在处理更为复杂或涉及多层次语境的问题时可能表现得较好力不从心,因为对于自然语言缺乏深刻的理解和上下文的把握。
- AIGC客服
首先,AIGC采用了先进的自然语言处理技术,使其能够更深入地理解用户的语境和含义。相对于传统客服,AIGC 更擅长处理复杂的问题和多层次的对话,因为它能够更好地理解和应对自然语言中的变化和多义性。
AIGC客服还强调个性化服务,通过学习用户的偏好和历史,提供交互定制和贴心的响应。这种定制化程度,进而于传统客服,更能够模拟人类对话,创造更亲切、自然的用户体验。
另外,AIGC客服在信息处理的速度和效率上也有所提升。其能够高效快速地分析大量的数据并生成相应的响应,实现更即时的服务。这种性不仅提高了用户满意度,也节省了客户服务团队的时间和资源。
简而言之,就是传统人工智能太死板,而AIGC可以深入理解客户语义,跟用户交流更加自然。
简单的AIGC客服回复
接下来我们开始打造一个简单的AIGC客服(大家可以点这里查看)。
1.安装openai库,这里使用的是python
python复制代码!pip install openai==0.10.2
2.先导入openai库,设置一个api_key进行身份验证,然后声明我们这里需要使用的是“达芬奇003”文本生成模型
python复制代码# 基于openai的大模型来强化客服
import openai
# api_key
openai.api_key="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"
# 声明常量 文本生成的模型
COMPLETION_MODEL="text-davinci-003"
3.定义提示:prompt
包含提供给模型一段时间的提示文本,要求模型好友使用的语气回复客户,并包含有关订单发货、天气输入原因导致物流等信息
python复制代码prompt="""请你使用朋友的语气回复到客户,并称他为亲,他的订单已经发货在路上了,预计在3天之内会送达,订单号2021AEDG,我们很抱歉因为天气原因物流事件比原来长,感谢他选购我们的商品。"""
4.这里封装了一个获取回复生成的函数,传进去的 prompt
是上面设置的提示词,temperature
是自由度,自由度越高,客服回复的就越死板,这里我们设置为1.0,让AIGC自由发挥。openai.Completion.create
调用模块生成文本。在最后返回生成的message
python复制代码# 封装了openai回复的功能 temperature 自由度
def get_response(prompt,temperature=1.0):
# Completion模块
# 生成内容 同步的
# 调用openai库的Completion模块,创建一个新的模型
# 字典 {key:value}
completions = openai.Completion.create(
# 引擎
engine = COMPLETION_MODEL,
prompt = prompt,
# max_tokens参数用于限制生成的文本长度
max_tokens = 1024,
# 生成一条结果
n = 1,
# null True
stop=None,
temperature = temperature
)
# JSON choices text
message = completions.choices[0].text
return message
5.显示输出信息
python复制代码print(get_response(prompt))
我们来看看多次输出结果:
复制代码亲儿,您的订单号2021AEDG已经发货了,预估将在3天之内送达! 给您带来不便非常抱歉,因为天气原因物流事件变得稍晚,感谢您对我们的支持,祝您购物愉快! 亲爱的朋友,您好!感谢您选购我们的商品,非常抱歉因为天气原因物流耽搁了, 我们已经发货您的订单,订单号2021AEDG,预计三天之内会送达您手中,请耐心等待,谢谢您选购我们的商品! 亲爱的,你的订单2021AEDG已经发出了,预计会在3天之内送达,不过因为天气的原因, 物流可能会比之前预计的时间长些。感谢你选择我们的商品。如有其它疑问,欢迎随时联系我们!
我们可以很直观地看到AIGC客服的效果,会给每个人都生成不一样的但是语义相同的回复,相较于传统人工智能客服,不得不说 “牛!”。
AIGC情感分析
一个成功的客服要学会分析用户的情感,AIGC同样可以从用户的字里行间来判断出情感是好的还是坏的。
话不多说,我们直接开整!我先给大家上链接(情感分析)
1.这里我们用到的是transform模型,大家平时可以去抱抱脸上找自己想用的模型(HuggingFace)
python复制代码!pip install transformers #来自抱抱脸
2.导入pipeline派发模块,再派发情感分析功能,这里的model是让他可以分析中文内容
python复制代码from transformers import pipeline # pipeline 派发模块情感分析
classifer = pipeline('sentiment-analysis',
model="uer/roberta-base-finetuned-dianping-chinese")
3.直接使用
python复制代码result = classifer('thank you')
result
什么?这么快就可以分析了?这就结束了?没错就是这么快 我们来看结果:
结尾
想必大家通过这篇文章已经了解到了AIGC客服的“威力”,但AIGC不只能用在客服领域,在其他领域AIGC同样大放异彩,以后,我还会为大家带来AIGC的新鲜内容!