Proje: Çok Dilli Müşteri Destek Asistanı
TR/EN destek pipeline'ı: niyet, FAQ, eskalasyon, CSAT geri besleme. Hangi adım hangi modelde, eval seti nasıl tasarlanır?
Şükrü Yusuf KAYA
14 dakikalık okuma
İleri
Pipeline Tasarımı
Customer message ↓ [1] Language detect (Haiku) ↓ [2] Intent classify (Haiku) ↓ [3] FAQ retrieval (vector DB) ← yeterli mi? ↓ ↑ ├─ Evet → answer (Sonnet) └─ Hayır → escalate to human + draft a suggested reply (Sonnet) ↓ [4] CSAT feedback collect → eval set
Maliyet: ortalama mesaj başına 0.005 (Sonnet) = **$0.006**.
python
# Üst düzey iskeletdef support_pipeline(msg, user): lang = haiku("dili belirle: {msg}") intent = haiku(intent_prompt(msg, lang), schema=INTENT_SCHEMA) if intent["confidence"] < 0.6: return escalate(msg, user, reason="low_confidence_intent") chunks = vector_search(msg, k=5, lang=lang) if not chunks or top_score(chunks) < 0.7: return escalate(msg, user, reason="no_faq_match", suggested=draft_reply(msg, intent)) return sonnet(answer_prompt(msg, lang, chunks), citations=True)Yüksek seviye iskelet — gerçek kodda her çağrı log + retry + cache.
Boşluk doldur · text
Support pipeline'ında intent confidence eşiği genelde _____'tir. FAQ retrieval skoru _____ altındaysa eskalasyon tetiklenir. Geri besleme döngüsünde _____ skoru kullanılır.Sık Sorulan Sorular
İyi pratik: insan cevapladıktan sonra cevabı RAG'a gerial ve etiketle. Böylece zamanla bot daha az eskalasyon yapar.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...
İlgili İçerikler
Bağlantılı Pillar Konular