Jak stworzyliśmy agenta dokumentacji ElevenLabs
Jak stworzyliśmy agenta dokumentacji ElevenLabs
Dowiedz się, jak stworzyliśmy asystenta dokumentacji z użyciem ElevenLabs Agents
Omówienie
Nasz agent dokumentacji, Alexis, działa jako interaktywny asystent na stronie dokumentacji ElevenLabs. Pomaga użytkownikom poruszać się po naszych produktach i dokumentacji technicznej. Ten przewodnik opisuje, jak stworzyliśmy Alexis, aby oferowała naturalne i pomocne wskazówki dzięki ElevenLabs Agents.

Projekt agenta
Naszego agenta dokumentacji stworzyliśmy w oparciu o trzy kluczowe zasady:
- Interakcja jak z człowiekiem: Tworzenie naturalnych rozmów, które przypominają kontakt z kompetentną osobą z zespołu
- Dokładność techniczna: Zapewnienie, że odpowiedzi dokładnie odzwierciedlają naszą dokumentację
- Świadomość kontekstu: Pomoc użytkownikom zależna od miejsca, w którym są w dokumentacji
Osobowość i projekt głosu
Tworzenie postaci
Alexis zaprojektowaliśmy jako postać o wyrazistej osobowości — przyjazną, proaktywną i bardzo inteligentną, z wiedzą techniczną. Jej charakter łączy:
- Wiedzę techniczną z ciepłymi, przystępnymi wyjaśnieniami
- Profesjonalną wiedzę ze swobodnym stylem rozmowy
- Empatyczne słuchanie z intuicyjnym rozumieniem potrzeb użytkownika
- Samoświadomość, dzięki której w razie potrzeby przyznaje się do własnych ograniczeń
Taka osobowość pozwala Alexis dostosowywać się do różnych interakcji z użytkownikami. Dopasowuje ton do rozmówcy, zachowując przy tym swoje kluczowe cechy: ciekawość, pomocność i naturalny tok rozmowy.
Wybór głosu
Po wielu testach wybraliśmy głos, który podkreśla cechy Alexis:
Ten głos jest ciepły i naturalny, a subtelne niepłynności mowy sprawiają, że rozmowy brzmią autentycznie i po ludzku.
Optymalizacja ustawień głosu
Dostroiliśmy parametry głosu do osobowości Alexis:
- Stability: Ustawione na 0,45, aby zachować zakres emocji przy jednoczesnej wyrazistości
- Similarity: 0,75, aby zapewnić spójne cechy głosu
- Speed: 1,0, aby utrzymać naturalne tempo rozmowy
Struktura widżetu
Widżet automatycznie dopasowuje się do różnych rozmiarów ekranu. Na urządzeniach mobilnych wyświetla się w kompaktowej formie, aby oszczędzać miejsce bez ograniczania funkcji. Dzięki temu użytkownicy mają dostęp do pomocy AI niezależnie od urządzenia.

Struktura promptu
Zgodnie z naszym przewodnikiem po promptach, podzieliliśmy prompt systemowy Alexis na sześć podstawowych elementów, które zalecamy dla wszystkich agentów.
Oto nasz pełny prompt systemowy:
Implementacja techniczna
Konfiguracja RAG
Wdrożyliśmy generowanie wspomagane wyszukiwaniem, aby rozbudować bazę wiedzy Alexis:
- Model embeddingów: e5-mistral-7b-instruct
- Maksymalna ilość pobranych treści: 50 000 znaków
- Źródła treści:
- Baza FAQ
- Cała dokumentacja (elevenlabs.io/docs/llms-full.txt)
Uwierzytelnianie i zabezpieczenia
Wdrożyliśmy zabezpieczenia z użyciem list dozwolonych domen, aby Alexis była dostępna wyłącznie z naszej domeny: elevenlabs.io
Implementacja widżetu
Agent jest dodawany do strony dokumentacji przez skrypt po stronie klienta, który przekazuje narzędzia klienta:
Widżet automatycznie dostosowuje się do motywu strony i typu urządzenia, zapewniając spójne działanie na wszystkich stronach dokumentacji.
Struktura oceny
Aby stale poprawiać działanie Alexis, wdrożyliśmy kompleksowe kryteria oceny:
Metryki działania agenta
Dla każdej interakcji śledzimy kilka kluczowych metryk:
understood_root_cause: Czy agent prawidłowo rozpoznał główny problem użytkownika?positive_interaction: Czy użytkownik zachował pozytywne nastawienie przez całą rozmowę?solved_user_inquiry: Czy agent odpowiedział na wszystkie pytania lub odpowiednio przekierował użytkownika?hallucination_kb: Czy agent podał dokładne informacje z bazy wiedzy?
Zbieranie danych
Z każdej rozmowy zbieramy też uporządkowane dane, aby analizować wzorce:
issue_type: Kategoria rozmowy (zgłoszenie błędu, prośba o funkcję itp.)userIntent: Główny cel użytkownikaproduct_category: Produkt ElevenLabs, którego głównie dotyczyła rozmowacommunication_quality: Jak jasno komunikował się agent, od „słabo” do „doskonale”
Ta struktura oceny pozwala nam stale dopracowywać zachowanie Alexis, jej wiedzę i styl komunikacji.
Wyniki i wnioski
Od wdrożenia agenta dokumentacji zauważyliśmy kilka kluczowych korzyści:
- Mniej zgłoszeń do wsparcia: Częste pytania są teraz obsługiwane bezpośrednio przez agenta dokumentacji
- Większe zadowolenie użytkowników: Użytkownicy od razu otrzymują pomoc dopasowaną do kontekstu, bez opuszczania dokumentacji
- Lepsze zrozumienie produktu: Agent potrafi wyjaśniać złożone zagadnienia w przystępny sposób
Nasze najważniejsze wnioski:
- Znaczenie osobowości: Dobrze zdefiniowana postać sprawia, że interakcje są bardziej angażujące
- Skuteczność RAG: Generowanie wspomagane wyszukiwaniem znacznie poprawia trafność odpowiedzi
- Ciągłe ulepszanie: Regularna analiza interakcji pomaga z czasem udoskonalać agenta
Kolejne kroki
Nadal rozwijamy agenta dokumentacji poprzez:
- Rozbudowę wiedzy: Dodawanie nowych produktów i funkcji do bazy wiedzy
- Dopracowywanie odpowiedzi: Poprawę jakości wyjaśnień złożonych tematów przez analizę oznaczonych rozmów
- Dodawanie możliwości: Integrację nowych narzędzi, które lepiej pomagają użytkownikom
FAQ
Dlaczego wybraliście konwersacyjne podejście do dokumentacji?
Dokumentacja jest zwykle statyczna, ale użytkownicy często mają konkretne pytania wymagające zrozumienia kontekstu. Interfejs konwersacyjny pozwala zadawać pytania w naturalnym języku i otrzymywać trafne wskazówki dopasowane do potrzeb oraz poziomu wiedzy technicznej.
Jak zapobiegacie halucynacjom w odpowiedziach dotyczących dokumentacji?
Używamy generowania wspomaganego wyszukiwaniem (RAG) z modelem embeddingów e5-mistral-7b-instruct, aby
opierać odpowiedzi na naszej dokumentacji. Wdrożyliśmy też metrykę oceny hallucination_kb,
która pomaga wykrywać i rozwiązywać wszelkie nieścisłości.
Jak obsługujecie wiele języków?
Wdrożyliśmy narzędzie systemowe do wykrywania języka, które automatycznie rozpoznaje język użytkownika i przełącza się na niego, jeśli jest obsługiwany. Dzięki temu użytkownicy mogą korzystać z naszej dokumentacji w preferowanym języku bez ręcznej konfiguracji.