LangChain 自动化

该工作流适合以下人群：
- 客户支持团队：希望通过自动化工具提升响应效率。
- 技术支持人员：需要快速访问知识库以解答客户问题。
- 产品经理：希望通过数据反馈优化客户支持流程。
- 开发者：希望集成现有的支持系统与聊天机器人。

此工作流解决了以下问题：
- 信息检索效率低：通过自动查询知识库，快速获取相关支持信息。
- 客户响应时间长：自动化回复减少人工干预，提高响应速度。
- 知识更新滞后：确保使用最新的支持文档，避免过时信息导致的误解。
- 资源浪费：通过减少不必要的人工查询，节省时间和成本。

工作流过程详细说明：
1. 接收聊天消息：当用户发送消息时，触发工作流。
2. 调用OpenAI模型：使用GPT-4o-mini模型处理用户查询并生成响应。
3. 存储会话记忆：利用简单内存节点保存对话上下文。
4. 查询支持API：通过HTTP请求节点查询AcuityScheduling的支持搜索API。
5. 检查结果：判断API返回的结果是否存在。
6. 提取相关字段：从返回的数据中提取标题、正文和URL等重要信息。
7. 分割结果：将结果进行分割，以便于后续处理。
8. 聚合响应：将提取的信息进行聚合，形成最终的响应。
9. 发送响应：将整理后的信息返回给用户，提供相关支持链接。

用户可以根据以下指南自定义和调整此工作流：
- 修改API请求：根据自己的支持平台API文档，调整HTTP请求的URL和参数。
- 更改AI模型：如果需要使用不同的AI模型，可以在OpenAI Chat Model节点中进行修改。
- 调整条件逻辑：根据业务需求，修改“Has Results?”节点中的条件，以适应不同的响应逻辑。
- 添加更多工具：可以根据需要添加其他工具节点，以增强工作流的功能，例如集成其他知识库或数据源。
- 调整响应格式：在“Extract Relevant Fields”节点中，修改提取的字段，以适应不同的输出需求。