برچسب‌گذاری درخواست جریان کاری هوش مصنوعی: راهنمای سازنده برای آژانس‌ها

برچسب‌گذاری درخواست‌های جریان کاری هوش مصنوعی تفاوت بین یک خودکارسازی مشتری که می‌توان آن را به‌طور آرام قیمت‌گذاری کرد و دیگری که بعداً به یک بحث گزارش‌دهی تبدیل می‌شود، است. برای آژانس‌های خودکارسازی هوش مصنوعی، برچسب‌ها برچسب‌هایی هستند که به هر درخواست هدایت‌شده متصل می‌شوند تا استفاده بر اساس مشتری، فضای کاری، جریان کاری، ویژگی و واحد قابل‌صورتحساب جدا شود.

آژانس همچنان جریان کاری را خارج از ShareAI ایجاد می‌کند. آن جریان کاری ممکن است در n8n، Make، Zapier، یک بک‌اند سفارشی، یک پشته چت‌بات یا یک زمان اجرای عامل داخلی قرار داشته باشد. ShareAI بازار هوش مصنوعی و لایه API برای ترافیک استنتاج انتخاب‌شده است: آژانس می‌تواند تماس‌های هوش مصنوعی را از طریق ShareAI هدایت کند، یک حاشیه یا هزینه اضافی تنظیم کند، اجازه دهد مشتری هزینه استفاده هدایت‌شده را پرداخت کند و پرداخت‌های ماهانه Builder را بر اساس استفاده تولید‌شده دریافت کند.

برچسب‌گذاری درخواست باید قبل از اجرای جریان کاری طراحی شود. هنگامی که یک مشتری می‌پرسد چرا یک افزایش اعتبار اتفاق افتاده است، چرا یک فضای کاری بیشتر از دیگری از هوش مصنوعی استفاده کرده است، یا چرا یک تلاش مجدد ناموفق در یک گزارش ظاهر شده است، معمولاً برای اصلاح برچسب‌های تمیز خیلی دیر شده است.

چرا برچسب‌گذاری درخواست‌های جریان کاری هوش مصنوعی مهم است

خودکارسازی‌های هوش مصنوعی به‌ندرت یک تماس API مرتب هستند. یک اقدام مشتری می‌تواند بازیابی، طبقه‌بندی، خلاصه‌سازی، هدایت، تماس‌های ابزار، تلاش‌های مجدد، جایگزین‌ها و تولید نهایی را تحریک کند. برخی جریان‌های کاری یک بار در هفته اجرا می‌شوند. برخی دیگر صدها بار در روز اجرا می‌شوند.

به همین دلیل است که برچسب‌گذاری برای آژانس‌ها اهمیت دارد. این فعالیت خام هوش مصنوعی را به استفاده قابل‌خواندن برای کسب‌وکار تبدیل می‌کند. به‌جای اینکه مشتری یک هزینه مبهم هوش مصنوعی را ببیند، آژانس می‌تواند استفاده را بر اساس دسته‌بندی پشتیبانی، صلاحیت سرنخ، بررسی سند، غنی‌سازی محصول یا جریان کاری دستیار داخلی نشان دهد.

نیاز به دیدپذیری نظری نیست. LangChain’s وضعیت مهندسی عامل دریافت که عوامل در حال ورود به تولید هستند و مشاهده‌پذیری به یک انتظار پایه برای تیم‌هایی که آن‌ها را اجرا می‌کنند تبدیل شده است. قیمت‌گذاری مبتنی بر استفاده نیز به همین سمت حرکت می‌کند: Metronome’s گزارش‌های مدل‌های استفاده را با نیاز به ردیابی دقیق، صورتحساب و تصمیم‌گیری‌های قیمت‌گذاری متصل می‌کند.

با داستان استفاده شروع کنید

اولین برچسب نباید شمارش توکن باشد. توکن‌ها در داخل اهمیت دارند، به‌ویژه به این دلیل که صفحات قیمت‌گذاری عمومی هوش مصنوعی مانند قیمت‌گذاری API OpenAI نشان می‌دهند که چگونه استفاده از ورودی، ورودی ذخیره‌شده و خروجی می‌تواند هزینه‌های متفاوتی ایجاد کند. اما مشتریان معمولاً فعالیت کسب‌وکار را سریع‌تر از ریاضیات توکن درک می‌کنند.

برای اکثر جریان‌های کاری هوش مصنوعی ساخته‌شده توسط آژانس، واحد مشتری‌محور باید کاری را که مشتری می‌شناسد توصیف کند: یک بلیط خلاصه‌شده، یک سرنخ صلاحیت‌یافته، یک فایل بررسی‌شده، یک گزارش تولید‌شده، یک توضیح محصول ایجاد‌شده یا یک جریان کاری تکمیل‌شده.

هنگامی که آن واحد مشخص شد، از برچسب‌ها برای اتصال هر درخواست هوش مصنوعی هدایت‌شده به زمینه تجاری مناسب استفاده کنید.

یک مجموعه برچسب عملی برای جریان‌های کاری هوش مصنوعی مشتری

مجموعه برچسب‌ها را به اندازه‌ای کوچک نگه دارید که قابل اجرا باشد، اما به اندازه‌ای کامل باشد که برای گزارش‌دهی و پشتیبانی مناسب باشد. این فیلدها نقطه شروع قوی برای آژانس‌های خودکارسازی هوش مصنوعی هستند.

برچسب	چرا این مهم است	مثال
شناسه_مشتری	استفاده را به حساب پرداخت‌کننده یا استقرار مشتری متصل می‌کند.	پشتیبانی-اکمه
شناسه_فضای_کاری	بخش‌ها، تیم‌ها، مناطق یا فضای کاری مشتری نهایی را جدا می‌کند.	پشتیبانی-آمریکای-شمالی
نام_گردش_کار	توضیح می‌دهد که کدام خودکارسازی درخواست هوش مصنوعی را ایجاد کرده است.	دسته‌بندی-بلیط
نام_ویژگی	ویژگی محصول یا جریان کاری پشت تماس را نشان می‌دهد.	خلاصه-تصعید
واحد_استفاده	درخواست را به واحد قابل‌صورتحساب یا قابل‌گزارش‌دهی نگاشت می‌کند.	خلاصه_بلیط
شناسه_درخواست	کلید جستجوی پایدار برای تیم‌های پشتیبانی جهت رفع اشکال فراهم می‌کند.	req_000481
شناسه_اجرای_والد	بسیاری از درخواست‌های داخلی را به یک اجرای قابل‌مشاهده برای مشتری متصل می‌کند.	run_0092
وضعیت	کارهای تکمیل‌شده، شکست‌خورده، دوباره‌انجام‌شده و لغوشده را جدا می‌کند.	تکمیل‌شده
وضعیت_صورتحساب	از در نظر گرفتن آزمایش‌های شکست‌خورده یا تلاش‌های تکراری به‌عنوان استفاده عادی پرداخت‌شده جلوگیری می‌کند.	قابل‌صورتحساب
محیط	ترافیک مرحله‌بندی، دموها، آزمایش‌ها و تولید را جدا نگه می‌دارد.	تولید
مسیر_مدل	نشان می‌دهد که آیا درخواست از مسیر استاندارد، پریمیوم، جایگزین یا دسته‌ای استفاده کرده است.	خلاصه_پریمیوم

تا حد امکان از شناسه‌های پایدار به جای داده‌های شخصی استفاده کنید. یک برچسب باید به آژانس کمک کند تا استفاده را توضیح دهد و مشکلات را بدون افشای اطلاعات غیرضروری مشتری در گزارش‌ها رفع کند.

الگوی برچسب‌گذاری قابل استفاده مجدد برای آژانس‌ها

1. اجرای جریان کاری را از درخواست هوش مصنوعی جدا کنید

اجرای جریان کاری، کار قابل مشاهده برای مشتری است. یک درخواست هوش مصنوعی یک تماس مدل در داخل آن کار است. یک جریان کاری ارزیابی سرنخ ممکن است یک بار مدل را فراخوانی کند. یک جریان کاری بررسی سند ممکن است مدل را چندین بار فراخوانی کند. هر دو سطح را برچسب‌گذاری کنید تا گزارش‌ها بتوانند واحدی را که مشتری درک می‌کند نشان دهند بدون اینکه جزئیات فنی از دست برود.

2. تصمیم بگیرید کدام وضعیت به استفاده پرداختی تبدیل شود

اجازه ندهید هر تماس داخلی به طور تصادفی به یک رویداد قابل پرداخت تبدیل شود. کار کامل شده که به مشتری ارائه می‌شود معمولاً قابل پرداخت است. آزمایش‌های ناموفق، تلاش‌های تکراری، اجرای مرحله‌بندی و کارهای لغو شده معمولاً نباید قابل پرداخت باشند، مگر اینکه توافق مشتری چیز دیگری بگوید.

3. نام‌گذاری را قابل خواندن برای کسب‌وکار نگه دارید

یک مدیر حساب باید بتواند گزارش را بدون خواندن کد درک کند. از نام‌هایی مانند خلاصه_تیکت_پشتیبانی, صلاحیت_سرنخ, بررسی_قرارداد, ، یا تولید_توضیحات_محصول. از استفاده از نام‌های مستعار داخلی که فقط تیم اجرایی آن‌ها را درک می‌کند، خودداری کنید.

حفظ زمینه مدل و مسیر

برخی از جریان‌های کاری از یک مدل سبک برای طبقه‌بندی و یک مدل قوی‌تر برای پیش‌نویس نهایی استفاده می‌کنند. برخی دیگر از مسیرهای جایگزین استفاده می‌کنند زمانی که یک مدل در دسترس نیست. آن زمینه را در برچسب‌های داخلی خود نگه دارید تا آژانس بتواند توضیح دهد چرا یک جریان کاری گران‌تر از دیگری بوده است.

چگونه برچسب‌گذاری به ShareAI Builder متصل می‌شود

برچسب‌ها به‌تنهایی درآمد ایجاد نمی‌کنند. آن‌ها استفاده مسیر‌یافته را به اندازه کافی قابل توضیح می‌کنند تا قیمت‌گذاری، گزارش‌دهی و پشتیبانی انجام شود.

با ShareAI Builder، آژانس جریان کاری مشتری را خارج از ShareAI نگه می‌دارد و ترافیک استنتاج هوش مصنوعی انتخاب‌شده را از طریق ShareAI مسیر‌یابی می‌کند. آژانس یک حاشیه یا هزینه اضافی برای آن ترافیک تنظیم می‌کند. مشتری یا مشتری نهایی برای استفاده مسیر‌یافته به ShareAI پرداخت می‌کند. ShareAI استنتاج را از طریق بازار مسیر‌یابی می‌کند و ماهانه بر اساس درآمد تولید‌شده به Builder پرداخت می‌کند.

این جریان پول زمانی بهترین عملکرد را دارد که آژانس بتواند به سوالات ساده پاسخ دهد: کدام مشتری از جریان کاری استفاده کرده است، کدام فضای کاری تقاضا را ایجاد کرده است، کدام ویژگی درخواست را تولید کرده است، کدام واحد استفاده باید در توضیح مشتری ظاهر شود، و آیا درخواست به اندازه کافی موفق بوده است که شمارش شود.

هنگامی که آماده اتصال لایه درآمدزایی هستید، باز کنید کنسول سازنده. برای نقاط شروع اجرا، نگه دارید مستندات ShareAI را نزدیک نگه دارید.

چه چیزی را به مشتریان نشان دهید

مشتریان به همه برچسب‌های داخلی نیاز ندارند. آن‌ها به جزئیات کافی نیاز دارند تا به مدل استفاده اعتماد کنند.

• واحد رو‌به‌مشتری را نشان دهید: اجراها، بلیط‌ها، اسناد، سرنخ‌ها، گزارش‌ها، مکالمات یا اقدامات.
• استفاده را بر اساس فضای کاری، تیم یا استقرار مشتری نشان دهید زمانی که این امر به خریدار کمک می‌کند هزینه را تخصیص دهد.
• استفاده شامل‌شده را جدا از اضافه‌مصرف یا شارژهای اضافی پرداختی نشان دهید.
• توضیح دهید چه مواردی شارژ نمی‌شوند، مانند اجرای ناموفق، تلاش‌های تکراری مشابه، یا تست‌های داخلی.
• از همان زبان در پیشنهاد، قرارداد، داشبورد، و یادداشت‌های فاکتور استفاده کنید.

هدف افشای کامل ردپای فنی نیست. هدف این است که قیمت‌گذاری مبتنی بر استفاده برای هوش مصنوعی منصفانه، قابل پیش‌بینی و مرتبط با کاری که مشتری ارزش می‌دهد، احساس شود.

اشتباهات رایج برای اجتناب

• فقط برچسب‌گذاری بر اساس مشتری. استفاده در سطح مشتری بسیار گسترده است وقتی یک استقرار چندین جریان کاری، تیم یا محیط دارد.
• مخلوط کردن تست‌ها با تولید. ترافیک مرحله‌بندی نباید گزارش‌های مشتری یا تصمیمات قیمت‌گذاری را آلوده کند.
• دوبار شمارش تلاش‌های تکراری. منطق تلاش مجدد در اتوماسیون طبیعی است، اما قیمت‌گذاری باید با ارزشی که به مشتری ارائه می‌شود مطابقت داشته باشد.
• استفاده از شمارش توکن به‌عنوان تنها واحد. توکن‌ها را به‌صورت داخلی ردیابی کنید، اما قیمت‌گذاری را به واحدهای جریان کاری ترجمه کنید وقتی مشتری فنی نیست.
• تغییر برچسب‌ها هر ماه. نام‌گذاری پایدار تحلیل روند را ممکن می‌سازد.
• ترکیب پرداخت‌های سازنده با پاداش‌های ارائه‌دهنده. سازندگان از حاشیه‌های ترافیک اپلیکیشن هدایت‌شده درآمد کسب می‌کنند. ارائه‌دهندگان از مشارکت محاسباتی واجد شرایط درآمد کسب می‌کنند. این‌ها نقش‌های متفاوتی در بازار ShareAI هستند.

سوالات متداول برچسب‌گذاری درخواست جریان کاری هوش مصنوعی

برچسب‌گذاری درخواست جریان کاری هوش مصنوعی چیست؟

برچسب‌گذاری درخواست جریان کاری هوش مصنوعی به معنای اتصال برچسب‌ها به درخواست‌های هوش مصنوعی است تا استفاده بر اساس مشتری، فضای کاری، جریان کاری، ویژگی، وضعیت و واحد قابل‌صورتحساب گروه‌بندی شود. این کار به آژانس‌ها کمک می‌کند تا استفاده از اتوماسیون هوش مصنوعی را به‌طور واضح‌تر اشکال‌زدایی، گزارش‌دهی و قیمت‌گذاری کنند.

چرا آژانس‌های اتوماسیون هوش مصنوعی به برچسب‌های درخواست نیاز دارند؟

آژانس‌ها به برچسب‌های درخواست نیاز دارند زیرا اتوماسیون‌های مشتری اغلب پس از راه‌اندازی به‌طور مکرر اجرا می‌شوند. بدون برچسب‌ها، دشوار است که بدانیم کدام مشتری، جریان کاری یا ویژگی استفاده هدایت‌شده هوش مصنوعی را ایجاد کرده است.

آیا برچسب‌گذاری درخواست همان صورتحساب است؟

خیر. برچسب‌گذاری درخواست لایه برچسب‌گذاری و گزارش‌دهی است. صورتحساب فرآیند تجاری است. برچسب‌های خوب صورتحساب، بررسی حاشیه، گزارش‌دهی مشتری و پشتیبانی را آسان‌تر می‌کنند، اما جایگزین شرایط قیمت‌گذاری نمی‌شوند.

آژانس‌ها باید ابتدا چه فیلدهایی را برچسب‌گذاری کنند؟

با شناسه مشتری، شناسه فضای کاری، نام جریان کاری، نام ویژگی، واحد استفاده، شناسه درخواست، شناسه اجرای والد، وضعیت، حالت قابل‌صورتحساب، محیط و مسیر مدل شروع کنید. فقط زمانی موارد بیشتری اضافه کنید که گزارش یا جریان کاری پشتیبانی واقعاً به آن نیاز داشته باشد.

آیا آژانس‌ها باید توکن‌ها یا اقدامات تجاری را برچسب‌گذاری کنند؟

توکن‌ها را در صورت امکان به‌صورت داخلی ردیابی کنید، اما از اقدامات تجاری برای گزارش‌های مشتری‌محور استفاده کنید. مشتریان معمولاً اسناد پردازش‌شده، بلیت‌های خلاصه‌شده، سرنخ‌های واجد شرایط یا جریان‌های کاری تکمیل‌شده را سریع‌تر از شمارش خام توکن‌ها درک می‌کنند.

برچسب‌گذاری درخواست چگونه از سازنده ShareAI پشتیبانی می‌کند؟

برچسب‌گذاری درخواست به سازنده کمک می‌کند تا استفاده هدایت‌شده را توضیح دهد. آژانس ترافیک استنتاج انتخاب‌شده را از طریق ShareAI هدایت می‌کند، یک حاشیه تنظیم می‌کند و اجازه می‌دهد مشتری برای استفاده به ShareAI پرداخت کند. برچسب‌ها کمک می‌کنند تا آن استفاده به جریان کاری و زمینه مشتری متصل شود.

آیا این می‌تواند با n8n، Make، Zapier یا عوامل سفارشی کار کند؟

بله، زمانی که آژانس مسیر درخواست هوش مصنوعی را کنترل کند و بتواند زمینه کافی را در اطراف هر درخواست هدایت‌شده حفظ کند. ابزار جریان کاری خارج از ShareAI باقی می‌ماند؛ ShareAI استفاده استنتاج هوش مصنوعی انتخاب‌شده را که از طریق API آن هدایت شده است، مدیریت می‌کند.

چگونه باید تلاش‌های مجدد و اجراهای ناموفق برچسب‌گذاری شوند؟

تلاش‌های مجدد باید به درخواست اصلی یا اجرای والد اشاره کنند. اجراهای ناموفق، لغو شده، تکراری و آزمایش‌های داخلی باید وضعیت قابل‌صورتحساب واضحی داشته باشند تا به‌طور تصادفی به استفاده پرداختی تبدیل نشوند.

آیا برچسب‌گذاری درخواست تضمین‌کننده درآمد آژانس است؟

خیر. پرداخت‌های سازنده به استفاده واقعی مسیریابی شده و حاشیه تنظیم‌شده بستگی دارد. برچسب‌گذاری درخواست دید و انضباط قیمت‌گذاری را بهبود می‌بخشد، اما تضمین نمی‌کند که مشتریان از جریان کاری استفاده کنند.

آیا ShareAI یک سازنده اپلیکیشن یا سازنده جریان کاری است؟

خیر. ShareAI جریان کاری را نمی‌سازد، اپلیکیشن را میزبانی نمی‌کند یا جایگزین پشته پیاده‌سازی آژانس نمی‌شود. ShareAI بازار هوش مصنوعی، مسیریابی، استفاده، صورتحساب، هزینه اضافی و لایه پرداخت برای ترافیک استنتاج انتخاب‌شده است.

اولین قدم برای یک آژانس چیست؟

یک جریان کاری مشتری با ارزش واضح و استفاده متغیر انتخاب کنید. واحد مشتری‌محور را تعریف کنید، تصمیم بگیرید چه چیزی باید شامل شود در مقابل پرداخت شود، هر درخواست مسیریابی شده را به‌طور مداوم برچسب‌گذاری کنید، و سپس ترافیک استنتاج واجد شرایط را از طریق ShareAI Builder متصل کنید.

این مقاله بخشی از توسعه‌دهندگان دسته‌بندی.