「第103期」通用行业｜如何构建一个会反问的知识问答助手？

影刀AI Power社区版上线啦~打开https://aipower.yingdao.com/login-选择社区版-输入账号密码登录即可（账号密码同影刀 RPA 社区版）~

在企业知识问答系统中，我们经常遇到这样的情况：用户提出非常模糊的问题，AI会直接基于知识库给出答案。这与人类交流方式很不一样 - 当遇到不明确的问题时，人们会先通过反问来理解真正的需求。今天我们就来聊聊如何打造一个更像人类的、会适时反问的 AI 问答助手。

解决方案

如下图所示，我们需要完成以下几个关键步骤：首先需要建立企业专属知识库，这是整个知识问答助手的基础。有了知识库后，我们要使用两个大语言模型：一个用于回复用户的问题（图中的红色方块），另一个用于根据对话历史优化用户问题（图中的黄色方块）。最后将这些环节整合成一个可循环的问答agent。

第一步：构建企业知识库

• 收集和整理AI问答助手需要的内部知识文档。
• 将文档上传至知识库，并且在知识库先进行初步测试。当输入完整的问题时，可以准确搜索到问题相关的知识片段。
• 💡如何初步测试？拓展阅读：测试和使用知识库

• 第二步：利用大语言模型组件，分别构建“问题回复专家”和“问题优化专家”
• 这个步骤中最重要的是梳理好业务逻辑，写好prompt。
• “问题回复专家”，需要体现出“互动式”沟通的诉求：不着急回答用户的问题，先判断知识库搜索的结果是否能直接回答用户的问题。如果无法直接回复，则需要先反问用户具体的需求。
• “问题优化专家”，需要体现出“问题补充”的要求：需要结合上下文来优化用户最新的问题。如果根据上下文判断，用户问题已解决，则输出“已解决”。如果用户问题已经清楚了，则直接输出原始的问题。考虑到用户的问题并不是一次性就表达清楚的，因此利用上下文来优化用户的问题，继而提高后续的知识库搜索效率。

• 第三步：基于第二步的设计，构造一个完整的AI工作流
• 输入：上下文内容 + 用户最新的问题
• 输出：“问题优化专家”对用户最新问题的回复

💡为什么要对上下文内容进行剪裁？考虑到上下文内容中的消息会越来越多，因此使用AI通过组件，当历史内容超过5w个字时，会自动保留最近的5万个字。

• 第四步：将搭建好的AI工作流，整合进一个AI智能体，实现循环对话
• 要创建一个变量用于存储用户和AI的对话内容，每次沟通都将上下文内容（历史记录）给到“问题回复专家”和“问题优化专家”，从而确保专家知道上下文情况。
• 构建一个循环，无论用户问什么都会带上过去的历史记录

效果示意

以下是基于aipower知识库搭建的知识问答智能体，大家可以将demo换成自己企业的知识库试试哦

文中相关 AI 工作流模板（影刀AI Power企业版账号登录后可查看）：

https://aipower.yingdao.com/home/template-playground/245363784548354

更多 AI Practice101： https://ying-dao.feishu.cn/wiki/EXs5wtjVai7IVrk8EHtcYLn6nbe