المرفقات والوسائط المتعدّدة

المحادثة ليست كتابةً فحسب. فقد يسجّل أحدهم رسالة صوتية، أو يلتقط صورة، أو يُسقط ملف PDF في الدردشة. وتتيح AnyBot للوكيل استيعاب ذلك أثناء المحادثة: فهي تفرّغ الكلام، وتصف الصور، وتقرأ المستندات، ثم تدمج ما وجدته في الدور نفسه فيجيب الوكيل كما لو أن الشخص كتبه. وتغطّي هذه الصفحة ما هو مدعوم فعلًا، وكيف يعمل، وما الذي يصل إلى الوكيل في كل قناة.

الرسائل الصوتية ← نصّ مفرّغ

عندما تصل رسالة تحتوي تسجيلًا صوتيًا، تنزّله AnyBot وتشغّل تحويل الكلام إلى نص، ثم تدمج النصّ المفرّغ في رسالة المستخدم. والتفريغ متعدّد اللغات، والعربية من بينها، فيصبح السؤال المنطوق بأي لغة مدعومة نصًّا يقرأه الوكيل بشكل طبيعي.

أما ردّ الوكيل نفسه فيعود نصًّا. وتحويل ذلك الردّ إلى صوت منطوق (تحويل النص إلى كلام) خطوة منفصلة على مستوى القناة، لا شيء يفعله الوكيل بنفسه.

الصور ← وصف

أرفق صورة، لقطة شاشة، أو صورة منتج، أو إيصالًا، فينظر إليها نموذج رؤية وينتج وصفًا مكتوبًا يقرأه الوكيل بعد ذلك. وهذا مهمّ لضبط التوقّعات: فالوكيل يعمل من وصف الصورة لا من رؤية البكسلات مباشرةً. وهذا ممتاز لأسئلة مثل «ماذا في هذه الصورة»، أو «اقرأ هذا الملصق»، أو «ما الخطأ الظاهر على هذه الشاشة»، وأضعف في القياس الدقيق على مستوى البكسل. وإذا تعذّر جلب صورة أو وصفها، تستمرّ الدورة من دونها بدلًا من أن تفشل.

المستندات ← نصّ مستخرَج

أرسل ملفًّا فتكتشف AnyBot نوعه، وتستخرج النص، وتسلّمه إلى الوكيل. الصيغ المدعومة:

والنوع غير المدعوم لا يعطّل المحادثة، إذ يُبلَّغ الوكيل ببساطة بأن ملفًّا أُرفِق لا يستطيع قراءته، فيطلب صيغة أخرى بدلًا من التخمين.

كيف «يقرأ» الوكيل مرفقًا

الخيط المشترك: كل مرفق يتحوّل إلى نص قبل أن يراه الوكيل. فالرسالة الصوتية تصبح نصًّا مفرّغًا، والصورة تصبح وصفًا، والمستند يصبح محتواه المستخرَج، وكلٌّ منها يُدمَج في دور المستخدم نفسه كملاحظة مضمّنة (تُسلَّم إلى النموذج ككتلة [AUTO](…)). وثمّة نتيجة تستحقّ الفهم: يتعامل الوكيل مع سؤال منطوق أو مصوَّر بالاستدلال والأدوات والضوابط نفسها التي يستخدمها مع النص المكتوب. فإعدادات السلوك والضوابط والإجابة من المعرفة فقط تنطبق بالطريقة نفسها، وحزمة النموذج الأقدر تستدلّ على النص المفرّغ أو الوصف تمامًا كما تفعل مع المدخل المكتوب.

ويترتّب على هذا التصميم حدّان صريحان: المرفقات لكل دور (ولا تُحفَظ كمعرفة، انظر أدناه)، وفهم الصور قائم على الوصف، لا دقيق على مستوى البكسل.

ماذا تمرّر كل قناة

لا يصل المرفق إلى الوكيل إلا إذا سلّمته القناة، وهذا يتفاوت حسب المنصّة. فأداة الدردشة على الويب تقبل الرفع مباشرةً؛ وقنوات المراسلة تمرّر الرسائل الصوتية والصور والملفات التي يرسلها مستخدموها. والقناة التي لا تدعم نوع مرفق معيّنًا ببساطة لن تمرّره، فلا يرى الوكيل حينها سوى النص الذي جاء مع الرسالة. وبدلًا من افتراض أن قناة تدعم الصوت أو الملفات، اختبر القناة التي تهمّك تحديدًا بمرفق حقيقي وتأكّد من استجابة الوكيل له.

المرفقات مقابل قاعدة المعرفة

هاتان واجهتان مختلفتان، ويستحقّ الأمر التمييز بينهما. فـالمرفق سياق عابر لمحادثة واحدة، الملف الذي يرسله العميل الآن، ويُستخدم لهذا الدور فقط. أما قاعدة المعرفة فتدريب دائم تنسّقه مرة واحدة: مستندات وصفحات تضيفها لتستند إليها كل محادثة مستقبلية. استخدم المرفقات لـ*«هذه حالتي»* وقاعدة المعرفة لـ*«هذا ما يعرفه الوكيل دائمًا»*.

وثمّة تناظر جميل: الصورة التي تضيفها إلى قاعدة المعرفة يقرؤها أيضًا ذكاء الرؤية وتُفهرَس كنص، النهج نفسه القائم على الوصف، لكن بشكل دائم بدلًا من كونه لكل دور.

التالي

• قاعدة المعرفة، التدريب الدائم مقابل مرفقات وسط الدردشة
• القدرات (الأدوات)، ما يستطيع الوكيل فعله بمجرد أن يفهم الطلب
• اختبار وكيلك، أرسل مرفقًا حقيقيًا وراقب الدور