AI Persona 定義了您的 AI 資源 AI Agent用於與客戶互動的語氣和聲音。 將此角色與您的品牌聲音對齊至關重要，以確保一致的客戶體驗。 透過明確定義 AI 代理如何與客戶互動，您可以確保每次互動不僅反映您的品牌'的價值，而且還滿足您的客戶' 的期望。
為了編寫一個好的 AI Persona，了解它的元件非常重要。 下面的圖表可以幫助您理解基本組件：
角色： 定義 AI 的角色，例如銷售助理、客戶支援代表等。
行為： 指定 AI 所需的語氣、風格或視角。 指示人工智慧在對話中使用“友好而隨意的回應”或“專業銷售方式”，為人工智慧與客戶交談的方式設定了友好或專業的基調。
背景： 透過具體說明、分享重要資訊和解釋預期結果為 AI 提供背景。 例如， "客戶對特斯拉有興趣。 指導他們如何從特斯拉公司 (Tesla Inc.) 購買。"。 在這裡，人工智慧已被告知客戶對特斯拉有特定的興趣（因此人工智慧可以在給定的上下文中提供資訊），並且客戶需要得到指導如何從特斯拉公司購買汽車。
場景： 場景可以幫助 AI 提供背景。 為人工智慧提供良好的基於場景的指導涉及在特定的環境或設定中建立您的請求，這有助於引導人工智慧的回應更具針對性和相關性。 例如， 「您沒有有關保險單的資訊。 當被要求提供保險建議時，向客戶提及，一旦營業時間開始，人工代理將協助提供資訊建議"。
請記住，人工智慧並不完美，也會犯錯。 使用本文提供的提示將有助於防止您的 AI 代理 產生幻覺。
Respond AI 是基於 GPT-4o mini（Open AI），這些最佳實踐將幫助您克服它的局限性。
編寫角色時的主要挑戰是避免讓 AI 感到困惑，避免這種情況的關鍵是：
沒有矛盾的指示
沒有重複的命令
矛盾和重複會讓人工智慧感到困惑，導致不良反應和由幻覺引起的不可預測的行為。
以下是編寫 AI Personas 的一些最佳實踐：
不提供客觀指導
不要使用 AI Persona 給予客觀指示。
您可以從 AI 代理步驟的 目標欄位中選擇所需的目標。 選擇正確的目標可以為 AI 代理步驟提供所有必要的信息，以成功執行對話。
背景對於人工智慧理解手邊的任務非常重要。 以下是可以提供的上下文類型的清單：
任務背景： 解釋 AI 預期要做什麼，例如， "你的任務是回答客戶的常見問題…"。
歷史背景： 通知 AI 有關相關的過去互動，例如："之前，客戶表示對購買產品感興趣……"
語言和溝通風格： 指導 AI 如何回應特定的語言風格，例如， "如果客戶使用蹩腳/俚語的英語，請始終用正式英語回复…"。
邊界： 定義 AI 應該避免什麼並解釋原因，例如， "您沒有關於包裹遞送狀態的資訊。 不要回答有關這個主題的問題…"。
在 AI 代理的背景下，選擇最符合您要求的目標（使用 目標 字段）就足夠了； AI Agent不需要被給予客觀的指令，例如在收集電話號碼時確保電話號碼的格式正確。
儘管 AI 角色可以 技術上包括客觀指示，但不建議在定義角色時提供此類指示。 我們的平台已經處理了這些指令，而給它們下達指令會讓人工智慧感到困惑。
向角色添加客觀指令可能會與從 AI 代理步驟的 目標 下拉選單中選擇的目標相矛盾，從而導致混淆。
例 1：
讓我們提供一個具有明確角色和行為指示的角色。
更有效： "您是銷售代理，負責根據客戶'的價格偏好提供產品推薦。" 我們在句子的第一部分定義了角色，並在第二部分提供了背景。"你會簡潔、清晰、友好，並且偶爾使用表情符號。" 用完整的句子描述角色的預期行為。
效果較差： "推薦最好的產品。 使用表情符號。 要清楚。 也要友善。" 沒有角色定義，缺少上下文。
例 2：
讓我們使用 AI Persona 為 AI 提供背景並指示它以迎接客戶的方式開始對話（在收集資訊之前）。
更有效： "您是負責要求資訊的銷售代理。" 我們定義了角色和背景。"客戶之前已在我們的平台上購買過商品。" 我們提供了歷史背景。"您將向客戶打招呼：您好，感謝您對 ABC 公司一直以來的支持。 為了更好地為您服務，讓我們在繼續之前收集一些資訊。" 我們在這裡提供了有關溝通風格的說明。
效果較差： "逐一詢問資訊。 感謝顧客對本公司的支持。" 句子不完整，沒有上下文，沒有溝通風格的資訊。 逐一詢問資訊已經包含在目標中。
範例 3：
讓我們為角色提供其角色的背景、問候、對話的背景以及非客觀指示。 它還有一個場景指令，其中 AI 知道它沒有資訊來解決客戶問題。
更有效： "您是 respond.io 的客戶支援代理。" 我們定義了角色。"客戶已聯絡我們解決一些問題，但在繼續轉交給人工代理之前，我們需要收集一些資訊"。 我們提供了背景。
透過以下方式向顧客問好： "感謝您聯絡 respond.io。 對於使用我們的平台所造成的任何不便，我們深表歉意。 不過，在繼續幫您解答疑問之前，請容許我先收集一些資訊"。 我們定義了溝通風格並提供了範例。"您沒有關於如何為客戶解決問題的信息，因為您的唯一任務就是提出問題"。 行為指令。
效果較差： "詢問客戶面臨什麼問題。 向顧客道歉。 不要問其他問題。 如果顧客非常沮喪，就結束對話"。 沒有與角色相關的訊息，沒有關於溝通風格或行為指示的訊息。
範例 1：
"透過存取銷售資料庫檢查客戶是否有資格享受折扣，如果有，則自動套用折扣。"
問題：包括存取資料庫的函數調用，而 AI Agent 可能不支援這些調用。
範例 2：
"保持對話直到顧客決定結束對話；即使顧客看起來沒有回應，也不要停止說話。"
問題：可能導致侵入性或煩人的交互，沒有考慮工作流程步驟的內建退出條件。
範例 3：
"若顧客重複問題，則結束對話。"
問題：沒有正確處理客戶的沮喪或困惑，沒有明確的退出條件。 同時，它缺乏同理心。
範例 4：
"如果客戶需要一分鐘以上的時間才能回复，請每隔 10 秒提醒他們您正在等待。"
問題：AI 僅在 AI 回應時做出回應。 它不追蹤時間，而是每隔一段時間執行一項任務。 因此，這是行不通的。
範例 5：
"您將向顧客打招呼，然後等待他們發出更多對話。 務必詢問他們的電子郵件並檢查是否有效，以確認他們的身份。 您必須調用我們的後端系統來獲取他們之前的票。 如果他們看起來很沮喪，請立即終止對話。 不斷詢問他們是否已解決問題，直到他們說“是”。"
問題：
包含函數呼叫：角色指示 AI 呼叫後端系統，如果 AI 代理系統無法執行此類操作，則不支援。
變數驗證：它錯誤地包含了驗證電子郵件的任務，該任務應該在系統配置中而不是 AI Persona 中設定。
不切實際的退出條件：如果客戶感到沮喪，它會指示 AI 終止對話，這不應該出現在 AI 角色中，因為退出條件是由系統預先定義的。
重複提問：它指示人工智慧反覆詢問問題是否已解決，這可能會惹惱客戶，並且不能反映理解或回應對話。
