Build AI Business Solutions with Workflow Automation | NappAI - Template: Atencion al Cliente Ecommerce

graph TD %%{init: {'theme': 'mc','layout': 'elk'}}%% ChatInput-larrt[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Input] style ChatInput-larrt stroke:#a170ff GoogleGenerativeAIModel-hrflu[Gemini] style GoogleGenerativeAIModel-hrflu stroke:#a170ff GoogleGenerativeAIEmbeddings-fnjt0[Google Generative AI Embeddings] style GoogleGenerativeAIEmbeddings-fnjt0 stroke:#a170ff APIRequest-78xr1[API Request] style APIRequest-78xr1 stroke:#a170ff TelegramMessage-zvrp9[Telegram Message] style TelegramMessage-zvrp9 stroke:#a170ff ChatOutput-16z2g[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Output] style ChatOutput-16z2g stroke:#a170ff ChatOutput-0vfib[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Output2] style ChatOutput-0vfib stroke:#a170ff ChatOutput-7h910[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Output3] style ChatOutput-7h910 stroke:#a170ff GoogleGenerativeAIEmbeddings-mn2ew[Google Generative AI Embeddings2] style GoogleGenerativeAIEmbeddings-mn2ew stroke:#a170ff SplitText-xm92m[<div><img src="/_astro/scissors-line-dashed.CajsPhTx.svg" style="height: 20px !important;width: 20px !important"/></div>Split Text] style SplitText-xm92m stroke:#a170ff GDriveFilesComponent-q2n9y[<div><img src="/_astro/google_drive.wKmDsV2c.svg" style="height: 20px !important;width: 20px !important"/></div>Google Drive File Manager] style GDriveFilesComponent-q2n9y stroke:#a170ff ParseData-dpd2k[<div><img src="/_astro/braces.Djq0PW4_.svg" style="height: 20px !important;width: 20px !important"/></div>Parse Data] style ParseData-dpd2k stroke:#a170ff AdvancedAgent-zbpzj[Agent4] style AdvancedAgent-zbpzj stroke:#a170ff AdvancedAgent-aazz1[Agent] style AdvancedAgent-aazz1 stroke:#a170ff AdvancedAgent-hs2r4[Agent5] style AdvancedAgent-hs2r4 stroke:#a170ff ParseData-2g4fn[<div><img src="/_astro/braces.Djq0PW4_.svg" style="height: 20px !important;width: 20px !important"/></div>Parse Data2] style ParseData-2g4fn stroke:#a170ff ParseData-mrvuk[<div><img src="/_astro/braces.Djq0PW4_.svg" style="height: 20px !important;width: 20px !important"/></div>Parse Data3] style ParseData-mrvuk stroke:#a170ff ParseData-z8755[<div><img src="/_astro/braces.Djq0PW4_.svg" style="height: 20px !important;width: 20px !important"/></div>Parse Data4] style ParseData-z8755 stroke:#a170ff DeepseekModel-7c7w4[Deepseek2] style DeepseekModel-7c7w4 stroke:#a170ff DeepseekModel-juyng[Deepseek3] style DeepseekModel-juyng stroke:#a170ff DeepseekModel-ova3h[Deepseek4] style DeepseekModel-ova3h stroke:#a170ff SmartRouter-kldld[Agent Router] style SmartRouter-kldld stroke:#a170ff RetrieverTool-65vrx[<div><img src="/_astro/langchain-icon.BXtvU_nA.svg" style="height: 20px !important;width: 20px !important"/></div>RetrieverTool] style RetrieverTool-65vrx stroke:#a170ff AstraDB-bdkzn[Astra DB] style AstraDB-bdkzn stroke:#a170ff AstraDB-xlv27[Astra DB2] style AstraDB-xlv27 stroke:#a170ff ParseData-dpd2k -.- SplitText-xm92m linkStyle 0 stroke:#a170ff GDriveFilesComponent-q2n9y -.- ParseData-dpd2k linkStyle 1 stroke:#a170ff AdvancedAgent-zbpzj -.- ChatOutput-16z2g linkStyle 2 stroke:#a170ff AdvancedAgent-aazz1 -.- ChatOutput-7h910 linkStyle 3 stroke:#a170ff APIRequest-78xr1 -.- AdvancedAgent-aazz1 linkStyle 4 stroke:#a170ff AdvancedAgent-hs2r4 -.- ChatOutput-0vfib linkStyle 5 stroke:#a170ff TelegramMessage-zvrp9 -.- AdvancedAgent-hs2r4 linkStyle 6 stroke:#a170ff ParseData-2g4fn -.- AdvancedAgent-zbpzj linkStyle 7 stroke:#a170ff ParseData-mrvuk -.- AdvancedAgent-aazz1 linkStyle 8 stroke:#a170ff ParseData-z8755 -.- AdvancedAgent-hs2r4 linkStyle 9 stroke:#a170ff DeepseekModel-7c7w4 -.- AdvancedAgent-zbpzj linkStyle 10 stroke:#a170ff DeepseekModel-juyng -.- AdvancedAgent-aazz1 linkStyle 11 stroke:#a170ff DeepseekModel-ova3h -.- AdvancedAgent-hs2r4 linkStyle 12 stroke:#a170ff ChatInput-larrt -.- SmartRouter-kldld linkStyle 13 stroke:#a170ff GoogleGenerativeAIModel-hrflu -.- SmartRouter-kldld linkStyle 14 stroke:#a170ff SmartRouter-kldld -.- ParseData-2g4fn linkStyle 15 stroke:#a170ff SmartRouter-kldld -.- ParseData-mrvuk linkStyle 16 stroke:#a170ff SmartRouter-kldld -.- ParseData-z8755 linkStyle 17 stroke:#a170ff RetrieverTool-65vrx -.- AdvancedAgent-zbpzj linkStyle 18 stroke:#a170ff SplitText-xm92m -.- AstraDB-bdkzn linkStyle 19 stroke:#a170ff GoogleGenerativeAIEmbeddings-mn2ew -.- AstraDB-bdkzn linkStyle 20 stroke:#a170ff AstraDB-xlv27 -.- RetrieverTool-65vrx linkStyle 21 stroke:#a170ff GoogleGenerativeAIEmbeddings-fnjt0 -.- AstraDB-xlv27 linkStyle 22 stroke:#a170ff

Atendimento ao Cliente Ecommerce

🧩 Visão Geral

Este fluxo de trabalho automatiza o atendimento ao cliente para uma plataforma de e-commerce, roteando inteligentemente as consultas recebidas para o caminho de resolução mais apropriado. Ele utiliza um Modelo de Linguagem de Grande Escala (LLM) para classificar a intenção do cliente e, em seguida, direciona a consulta para um dos três agentes de IA especializados, cada um projetado para lidar com um tipo específico de solicitação. Este sistema otimiza o suporte fornecendo respostas automatizadas e contextualizadas para informações gerais, consultas de status de pedidos e escalações que exigem intervenção humana.

⚙️ Principais Funcionalidades

Classifica automaticamente as mensagens dos clientes em três níveis distintos de suporte com base na intenção.
Encaminha consultas para agentes especializados: um para informações gerais da empresa, um para consultas de pedidos/produtos baseadas em banco de dados e outro para lidar com escalações.
Integra um sistema de Geração Aumentada por Recuperação (RAG) para fornecer respostas precisas baseadas na documentação interna da empresa.
Conecta-se a sistemas externos como APIs para dados em tempo real e Telegram para notificações de agentes humanos.
Inclui um pipeline separado e configurável para construir e popular um banco de dados vetorial a partir de documentos da empresa.

🔄 Etapas do Fluxo de Trabalho

Nome do Componente	Função no Fluxo de Trabalho	Principais Entradas	Principais Saídas
Entrada do Chat	Recebe a consulta inicial do cliente da interface do usuário.	Mensagem do Usuário	Mensagem do Cliente
Roteador de Agentes	Analisa a mensagem do cliente para classificar sua intenção em uma de três categorias (nivel1, nivel2, nivel3).	Mensagem do Cliente, Modelo de Linguagem	Resultado da Classificação
Analisar Dados	Converte o resultado estruturado da classificação do roteador em uma mensagem de texto simples para o próximo agente.	Dados de Classificação	Mensagem Formatada
Agente Avançado (Nível 1)	Um agente alimentado por RAG que responde a perguntas gerais sobre a empresa usando informações recuperadas de um banco de dados vetorial.	Mensagem Formatada, Modelo de Linguagem, Ferramenta de Recuperação	Resposta da IA
Agente Avançado (Nível 2)	Um agente equipado com uma ferramenta de API para consultar sistemas de negócios em busca de dados específicos, como status do pedido ou inventário de produtos.	Mensagem Formatada, Modelo de Linguagem, Ferramenta de API	Resposta da IA
Agente Avançado (Nível 3)	Um agente projetado para gerenciar escalações, usando uma ferramenta de notificação para alertar um funcionário humano via Telegram.	Mensagem Formatada, Modelo de Linguagem, Ferramenta de Notificação	Resposta da IA
Saída do Chat	Exibe a resposta final gerada pela IA de volta para o cliente na interface do chat.	Resposta da IA	Mensagem Exibida

🧠 Observações

O fluxo de trabalho depende de credenciais pré-configuradas para serviços externos como Google Generative AI, Deepseek, AstraDB e Telegram.
O conhecimento do agente de Nível 1 é limitado às informações contidas no banco de dados vetorial pré-construído; ele não pode acessar fontes da web externas.
A instrução do sistema para o agente de Nível 1 ordena que ele use estritamente sua ferramenta de recuperação e não invente informações.
O pipeline de criação do banco de dados vetorial (envolvendo Google Drive, análise de texto, fragmentação e incorporação) é representado como um processo preparatório separado.
A eficácia do roteamento depende da precisão do classificador baseado em LLM e da clareza das categorias de intenção definidas.