1、让LLM大模型扮演女友的角色:初始化心情值100,对话次数10.
2、现在女友很生气,你的目标是通过10次对话将女友哄开心
3、每次对话将减少一次对话次数,同时根据你说的内容决减少/增加女友的心情值
4、当对话次数为0时,或者心情值少于0时,游戏结束。
模板转换、判断分支、LLM等节点,其中模板转换节点在之前的文章中没有使用过。业务场景中,模板分支的使用场景还是挺多的,可以通过模板分支对展示的内容进行编排、逻辑判断等。





-
问题解决与跟进:在电信公司客服场景中,智能体通过记忆用户之前询问的账单问题和网络连接问题等,能够在后续对话中提供更连贯和针对性的服务。
-
个性化服务:根据用户的历史咨询记录和偏好,为用户提供个性化的解决方案和建议,提升用户满意度。
教育辅导
-
学习进度跟踪:在教育辅导对话中,智能体可以记住学生之前提出的数学问题或理解难题,总结之前的辅导内容和学生的疑问点,以便在后续辅导中提供更针对性的解释和练习。
-
个性化学习路径规划:根据学生的学习进度和历史表现,为学生制定个性化的学习计划和推荐合适的学习资源。
医疗咨询
-
病史记录与分析:在医疗咨询中,智能体可以构建一个包含病人症状、疾病历史和可能的健康关联的知识图谱,从而提供更全面和深入的医疗建议。
-
长期健康管理:通过记忆患者的长期健康数据和咨询历史,为患者提供持续的健康管理和个性化的医疗建议。
技术支持
-
故障排查与解决:在处理长期的技术问题时,智能体可以保留最近几次交互的详细信息,同时提供历史问题处理的摘要,以便更有效地识别和解决问题。
-
系统优化与改进:根据用户反馈和历史问题记录,智能体可以分析系统中的常见问题和瓶颈,为系统优化和改进提供依据。