בניית סוכן AI לשירות לקוחות עם מסד נתונים (Table)

מה נבנה במדריך הזה

נבנה סוכן AI לשירות לקוחות לעסק. בדוגמה נשתמש בחברת הובלות: נזין לסוכן את פרטי החברה — שם, מחירים, אזורי שירות, שנות פעילות — וכשלקוח יפנה וישאל “כמה עולה הובלה?” או “האם אתם מובילים לבאר שבע?”, הסוכן יענה על סמך המידע האמיתי של העסק.

הטריק המרכזי: במקום להדביק את המידע כטקסט חופשי, נשמור אותו ב‑Table (מסד נתונים). כך המודל קורא את הנתונים בצורה מדויקת ומתבלבל הרבה פחות.

למה Table ולא טקסט חופשי

אם מדביקים את כל פרטי העסק כטקסט ארוך (למשל מסמך Word), המודל נוטה להתבלבל. כשמארגנים את אותו מידע ב‑טבלה מובנית, איכות הקריאה והדיוק עולים משמעותית — אפשר להוסיף עשרות ואף מאות שורות מידע והסוכן ימשיך לענות במדויק.

חשוב לזכור: ה‑Table אינו Excel. הוא מתנהג יותר כמו מסד נתונים (Database) — דומה לאקסל, אבל לא זהה לו.

שלב 1: יצירת ה‑Workflow של הסוכן

1. במערכת, צרו Workflow חדש ותנו לו שם, למשל סוכן הובלות.
2. לפני שממשיכים — הפעילו את ה‑Trigger ובדקו שהכל עובד.
3. הוסיפו רכיב Agent מתוך אפשרויות ה‑AI וחברו אליו את מודל ה‑AI שהגדרתם במדריך הקודם (ה‑Credential של OpenRouter).

Memory Mode של הסוכן

לסוכן אפשר להגדיר Memory Mode. במצב זה הוא לוקח בחשבון את השיחות האחרונות (למשל 10 השיחות האחרונות), מפרש אותן ומתעדכן לפיהן — כך נשמר הקשר לאורך השיחה.

שלב 2: בניית ה‑Table עם פרטי העסק

1. גשו לאזור ה‑Interfaces וצרו Table Interface חדש, למשל בשם העסק או פרטי העסק.
2. הזינו שורות מידע — כל שורה = פריט נתון על העסק. לדוגמה:
   • שם העסק: הובלות תונות
   • שנות פעילות: 20 שנה
   • מחיר הובלת בית פרטי: ~4,000 ₪
   • מחיר הובלת דירת 2 חדרים: 1,000–2,000 ₪
   • אזורי שירות: מתל אביב עד חיפה בלבד
3. הוסיפו כמה שורות שתרצו — ככל שיש יותר מידע מדויק, הסוכן עונה טוב יותר. שמרו.

שלב 3: חיבור ה‑Table כ‑Tool לסוכן

1. חזרו ל‑Workflow של הסוכן.
2. באזור ה‑Tools בחרו Add Tool ובחרו את סוג הכלי לקריאה מהטבלה.
3. סמנו את ה‑Table שיצרתם (פרטי העסק) ושמרו.

עכשיו לסוכן יש גישה לקרוא את נתוני העסק בזמן שיחה.

שלב 4: הגדרת System Prompt (הקשר לסוכן)

בלי הקשר, הסוכן מתנהג כמו צ’אטבוט כללי (“איך אני יכול לעזור?”) ולא יודע דבר על העסק. לכן:

1. היכנסו להגדרת ה‑System Prompt של הסוכן.
2. תנו לו הקשר ברור: מי הוא (נציג שירות של העסק), מה תפקידו, ושעליו לענות על סמך נתוני ה‑Table בלבד.
3. ודאו שהמשתנה שמחבר את נתוני ה‑Table מוזרם ל‑Prompt.

שלב 5: חיבור ל‑Chat ובדיקה

כדי לבחון את הסוכן בשיחה אמיתית צריך לחבר אותו ל‑Chat Interface:

1. צרו Chat Interface חדש (למשל “שיחה”) וחברו אותו ל‑Chat Trigger של ה‑Workflow.
2. שמרו, פתחו שיחה חדשה ובדקו. שאלו למשל: “מה מחיר הובלת דירת 2 חדרים?” — הסוכן אמור לענות ~1,000–2,000 ₪, בהתאם לטבלה.
3. בדקו גם שאלה גאוגרפית: “האם אתם מובילים לבאר שבע?” — הסוכן אמור לזהות שזה מחוץ לאזור השירות ולהשיב שלא.

טעויות נפוצות

• שוכחים להזרים את משתנה ה‑Table ל‑Prompt — הסוכן יענה כמו צ’אטבוט כללי בלי לדעת על העסק.
• מדביקים מידע כטקסט חופשי במקום ב‑Table — פוגע בדיוק ומבלבל את המודל.
• בודקים לפני חיבור Chat Trigger — בלי חיבור ה‑Chat אי אפשר לבחון את השיחה. אם משהו “נתקע”, רעננו ובדקו את החיבור.
• מתייחסים ל‑Table כמו לאקסל — זהו מסד נתונים; שמרו על מבנה שורות עקבי.

סיכום וצעדים הבאים

בנינו סוכן שירות לקוחות שקורא את פרטי העסק מ‑Table ועונה במדויק על שאלות לקוחות, כולל הבנת אזורי שירות. מכאן אפשר להתקדם: לחבר את הסוכן ל‑טלגרם או וואטסאפ, להרחיב את הטבלה, ולשלב אותו באוטומציות מורכבות יותר.