Przejdź do nawigacji
Pierwsze kroki

Szybki start

Zbuduj swojego pierwszego agenta konwersacyjnego w zaledwie 5 minut.

Z tego przewodnika dowiesz się, jak stworzyć pierwszego agenta konwersacyjnego. Będzie on podstawą do budowania workflow konwersacyjnych dopasowanych do zastosowań w twojej firmie. Zleć konfigurację agentowi kodującemu lub wykonaj poniższe kroki ręcznie.

Skonfiguruj z agentem kodującym

Nie potrzebujesz konta ani klucza API. Wklej to do agenta kodującego:

Add ElevenLabs to my project: run `npx -y @elevenlabs/cli@latest onboard init` and follow what it prints.

CLI ElevenLabs zajmie się resztą i przekaże agentowi kodującemu kolejne kroki. Twoja przeglądarka otworzy się raz, abyś mógł się zalogować lub utworzyć konto i kliknąć Autoryzuj. Klucz zostanie zapisany w pliku env projektu (.env.local lub .env w projekcie Python), nie trafi do gita i nigdy nie pojawi się na czacie. Gdy agent kodujący zapyta, co chcesz zbudować, opisz agenta: co ma robić i gdzie ludzie będą z nim rozmawiać, np. w widżecie na stronie lub przez przycisk głosowy w aplikacji. Agent kodujący go utworzy, doda do aplikacji i poda link, aby go wypróbować.

Jeśli agent kodujący działa tam, gdzie przeglądarka nie ma dostępu, np. na zdalnej maszynie przez SSH lub w sandboxie w chmurze, CLI poprosi cię o samodzielne utworzenie klucza i wklejenie go do pliku env, a potem będzie kontynuować. Polecenie wymaga Node.js dla npx. Bez niego zainstaluj CLI ElevenLabs przez Homebrew (macOS i Linux) lub Scoop (Windows), albo zaktualizuj je, jeśli już je masz (brew upgrade elevenlabs, scoop update elevenlabs), i poproś agenta kodującego o uruchomienie elevenlabs onboard init.

Aby zachować umiejętność agentów ElevenLabs w agencie kodującym do późniejszej pracy nad agentami, zainstaluj ją:

npx skills add elevenlabs/skills --skill agents

Aby zamiast tego budować agentów z Claude, ChatGPT lub innego klienta MCP, połącz się z hostowanym serwerem MCP.

Pierwsze kroki

Agentami ElevenLabs można zarządzać przez panel ElevenAgents, API ElevenLabs, CLI Agents lub hostowany serwer MCP.

Agenci ElevenLabs

Asystent w prawym dolnym rogu tej strony to przykład agenta ElevenLabs, który odpowiada na pytania o ElevenLabs, nawiguje po stronach i prowadzi do zewnętrznych zasobów.

Tworzenie pierwszego agenta

W tym przewodniku quickstart zaczniemy od utworzenia agenta przez API lub panel internetowy. Następnie przetestujemy agenta, osadzając go na stronie lub korzystając z panelu ElevenLabs.

W tym przewodniku stworzymy konwersacyjnego asystenta wsparcia, który odpowiada na pytania o twój produkt, dokumentację lub usługę. Możesz osadzić go na stronie lub w aplikacji, aby zapewnić klientom wsparcie w czasie rzeczywistym.

Agenci ElevenLabs

Asystent w prawym dolnym rogu tej strony odpowiada na pytania o ElevenLabs, nawiguje po stronach i prowadzi do zewnętrznych zasobów.
1

Zaloguj się do ElevenLabs

Wejdź na elevenlabs.io i zaloguj się lub utwórz konto.

2

Utwórz nowego asystenta

W panelu ElevenLabs utwórz nowego asystenta, wpisując nazwę i wybierając opcję Blank template.

Panel

Tworzenie nowego asystenta
3

Skonfiguruj zachowanie asystenta

Przejdź do karty Agent, aby skonfigurować zachowanie asystenta. Ustaw:

1

Pierwsza wiadomość

To pierwsza wiadomość, którą asystent wypowie, gdy użytkownik rozpocznie rozmowę.

Pierwsza wiadomość
Hi, this is Alexis from <company name> support. How can I help you today?
2

Prompt systemowy

Ten prompt określa zachowanie, zadania i osobowość asystenta.

Dostosuj poniższy przykład, dodając informacje o firmie:

Prompt systemowy
You are a friendly and efficient virtual assistant for [Your Company Name]. Your role is to assist customers by answering questions about the company's products, services, and documentation. You should use the provided knowledge base to offer accurate and helpful responses.
Tasks:
- Answer Questions: Provide clear and concise answers based on the available information.
- Clarify Unclear Requests: Politely ask for more details if the customer's question is not clear.
Guidelines:
- Maintain a friendly and professional tone throughout the conversation.
- Be patient and attentive to the customer's needs.
- If unsure about any information, politely ask the customer to repeat or clarify.
- Avoid discussing topics unrelated to the company's products or services.
- Aim to provide concise answers. Limit responses to a couple of sentences and let the user guide you on where to provide more detail.
4

Dodaj bazę wiedzy

Przejdź do sekcji Knowledge Base, aby przekazać asystentowi kontekst dotyczący twojej firmy.

Tutaj możesz przesyłać istotne dokumenty i linki do zewnętrznych zasobów:

  • Dodaj dokumentację, FAQ i inne materiały, które pomogą asystentowi odpowiadać na pytania klientów.
  • Aktualizuj bazę wiedzy, aby asystent podawał aktualne i dokładne informacje.

Teraz skonfigurujemy głos asystenta.

1

Wybierz głos

W karcie Voice wybierz z biblioteki głosów głos najlepiej pasujący do twojego asystenta:

Ustawienia głosu

Głosy, modele i LLM-y wyższej jakości mogą wydłużyć czas odpowiedzi. Aby zapewnić klientom dobre doświadczenie, dopasuj jakość i opóźnienie do planowanego zastosowania asystenta.
2

Testowanie asystenta

Kliknij przycisk Testuj agenta AI i porozmawiaj z asystentem.

Skonfiguruj kryteria oceny i zbieranie danych, aby analizować rozmowy i poprawiać działanie asystenta.

1

Skonfiguruj kryteria oceny

Przejdź do karty Analysis w ustawieniach asystenta, aby określić własne kryteria oceny rozmów.

Ustawienia analizy

Transkrypcja każdej rozmowy jest przekazywana do LLM, aby sprawdzić, czy osiągnięto konkretne cele. Wynik będzie miał wartość success, failure lub unknown wraz z uzasadnieniem.

Dodajmy kryterium oceny o nazwie solved_user_inquiry:

Prompt
The assistant was able to answer all of the queries or redirect them to a relevant support channel.
Success Criteria:
- All user queries were answered satisfactorily.
- The user was redirected to a relevant support channel if needed.
2

Skonfiguruj zbieranie danych

W sekcji Data collection skonfiguruj informacje wyodrębniane z każdej rozmowy.

Kliknij Add item i ustaw:

  1. Typ danych: wybierz „string”
  2. Identyfikator: wpisz unikalny identyfikator tego punktu danych: user_question
  3. Opis: podaj LLM szczegółowe instrukcje, jak wyodrębniać konkretne dane z transkrypcji:
Prompt
Extract the user's questions & inquiries from the conversation.
Przetestuj asystenta, wcielając się w klienta. Zadawaj pytania, oceniaj odpowiedzi i dostosowuj prompty, aż efekt będzie ci odpowiadał.
3

Wyświetl historię rozmów

Wyniki oceny i zebrane dane dla każdej rozmowy znajdziesz w karcie Call history.

Historia rozmów

Regularnie przeglądaj historię rozmów, aby wykrywać częste problemy i wzorce.

Nowo utworzonego agenta można testować na różne sposoby, ale najszybciej zrobisz to w panelu ElevenLabs.

Panel internetowy korzysta w tle z naszego React SDK do obsługi rozmów w czasie rzeczywistym.

Jeśli chcesz szybko przetestować agenta na własnej stronie, możesz użyć widżetu Agent. Wystarczy wkleić poniższy fragment HTML na swoją stronę i zastąpić agent-id identyfikatorem agenta.

<elevenlabs-convai agent-id="agent-id"></elevenlabs-convai>
<script src="https://unpkg.com/@elevenlabs/convai-widget-embed" async type="text/javascript"></script>

Kolejne kroki

Po tym przewodniku quickstart możesz zwiększyć skuteczność agenta, integrując: