AfterShip 是如何利用 AI Agent 解决重复工作的？

从 2022 年 11 月以来，ChatGPT 的浪潮席卷全球，作为一家积极拥抱 AIGC 的科技公司，为了更好地应用 AI 能力，提升日常工作效率，赋能产品和业务，AfterShip 很早就开始了对 AIGC 的一系列落地探索，并取得了显著成效。

为了帮助更多人，我们今年也将持续进行 AIGC 相关的分享，今天分享的是 AfterShip 内部是如何利用 AI Agent 解决重复工作的最佳实践。如果你对 AIGC 感兴趣，欢迎持续关注我们。

以下文章内容编辑于 AfterShip 算法工程师 Jamie Liang 写的内部 Blog，略有删改。

# 从 AI 到 AI Agent：AfterShip GPTs 的诞生

自 ChatGPT 诞生以来，在享受大语言模型（Large Language Model, LLM）带来的技术变革同时，我们也逐渐意识到 LLM 在一些场景存在缺陷：

• LLM 的知识只来源于训练集，但知识有时效性，因而 LLM 缺乏对现实世界的理解（例如 GPT-4 的训练数据截止至 2021 年 9 月）；

• LLM 的知识包罗万象，但在特定领域知识不充分，容易出现幻觉（hallucination），编造出错误答案；

• LLM 有一定的上下文字数限制，且和使用成本直接挂钩，不能无限制地将外部知识加入对话中；

• LLM 是封闭的语言模型，无法和外界交互，在一些任务上只能给出建议，不能真正帮助你完成操作。

因此，AfterShip 相关团队专门打造了 AfterShip GPTs 内部平台，它的底层由通用 AI Agent 框架驱动，一方面结合了 LLM 强大的内容理解和生成能力，另一方面增加了角色指令设定、知识库扩充等能力，大幅提升了 LLM 在垂直细分领域的回答准确率。

那么，什么是 AI Agent 呢？

广义来说，AI Agent 是指人工智能代理，是一种能够感知环境、进行决策和执行动作的智能实体，当前特指基于 LLM，能自主理解、规划、执行复杂任务的智能体。

Agent（代理）和此前出现的 Assistant（助手）、Copilot（副驾驶）等概念最大的区别在于 Agent 可以代替你完成实际的任务，而不是仅为你提供建议或帮助。

例如，大家应该对 Siri 非常熟悉，当你通过 Siri 帮你设置一个日历或者做某个事情的时候，其实你已经在使用 AI Agent 了。Siri 会识别语音输入，理解你的请求，在它的能力范围之内去实现。

类似的，我们搭建的 Support Bot（客服机器人）也是很典型的 AI Agent，它被赋予基于产品 Help Articles（帮助文档）来服务客户的任务，为公司所有产品回答来自免费用户的问题。

比尔盖茨在博客【1】中畅谈 AI Agent 在医疗保健、教育、生产力、娱乐和购物等领域对我们未来生活的巨大影响，提供更个性化的服务，甚至影响我们与朋友和家人的互动方式。他认为 AI Agent 正在以各种方式迅速进入我们的生活，将在未来几年内彻底改变我们的生活方式。

AI Agent 是 LLM 落地的一个非常典型、重要、充满想象空间的方向，甚至是 AGI（Artificial General Intelligence）极有可能的形态。

# AfterShip GPTs 的使用场景和最佳实践

为帮助大家更好地理解 AfterShip GPTs 的能力，以下表格列举了目前适合使用 GPTs vs ChatGPT 的几个常见场景。

以安全问卷填写助手为例，在海外电商 SaaS 场景，很多大客户非常注重安全合规，因此 SA （售前）和 Sales （销售）经常会被客户要求填写各种安全问卷，通常这些问卷都包含上百个问题，而这些问题相对来说比较专业，他们很难独立回答。

此前，安全团队维护了一个 Excel 表格，里面收集了过往的问题和标准化后的答案，让一线同事自己检索。然而，这种方式存在两个明显的问题：

• 效率低，每一道问题都需要手动检索；

• 当新客户的问题描述稍有变动时，就很难找到答案了。

因此，安全团队日常也需要花费大量的时间帮助填写这些安全问卷。

在 AfterShip GPTs 推出之后，安全团队第一时间联系了我们，利用此前整理的安全 FAQ 知识库，搭建了安全问卷填写助手。

经过团队的实践和评估，这个助手可以准确回答 80% 左右的问题。目前，这个 AI Agent 已经接入了 Slack 平台，供一线同学使用。

事实上，安全团队和 SA 同事遇到的问题绝非个例，其他部门在日常工作中遇到的一些重复性工作，都可以尝试通过 AI Agent 解决或提效。

# 在 AfterShip，我们如何快速搭建一个自己的 AI Agent ？

经过算法同学的不断优化，目前 AfterShip 内部同学在 AfterShip GPTs 平台创建 GPTs 非常简单，只需要几个步骤：

• 上传及管理知识（知识库上传）

• 配置 GPTs（角色指令设定、知识库绑定）

• 使用 GPTs（通过 Web UI、Slack、API 等方式与 GPTs 交互）

1. 上传知识库

前面提到 GPTs 和 ChatGPT 相比一大特点在于额外知识的扩充。在 AfterShip GPTs 平台，创建 GPTs 的第一步是上传知识。

为了更好地管理各个团队和各种用途的文档，方便大家浏览和复用，我们首先需要对知识归类。具体来说，我们需要选择或创建知识所属的 Category（类别）和 Tag（标签），例如：Feed - 开发文档，Feed - 产品帮助文档。

在某一类别标签下进行文件上传，目前我们支持常见的文件类型包括 Notion 文档，Markdown、PDF 文件，以及网页 URL 等。

我们推荐大家使用 Notion 文档构建知识库，原因有两点：

• 既有的知识可以快速导入平台，无需创建多个副本；

• 当 Notion 源文档发生更新时，AfterShip GPTs 可以以分钟级别进行自动同步，确保文档的时效性。

2. 配置 GPTs

完成了知识库的创建之后，就可以进行 GPTs 的配置了。这里，我们需要对 GPTs 的角色进行设定，用于控制它的行为和回答。

可以参考以下方面填写：

• 这个 GPT 的作用是什么？

• 它应该怎么回答问题（应该简短或是详细？是否需要附带资料来源）？

• 遇到不确定的问题应该怎么办（拒绝回答或是要求澄清）？

另外，我们需要选择此 GPTs 需要绑定的知识目录，将第一步创建好的知识库传入 GPTs 中。

3. 使用 GPTs

完成 GPTs 的创建后，AfterShip 内部团队可以在多种渠道（GPTs 网页中/将 GPTs 接入 Slack /通过 API 的方式调用）进行使用和体验，帮助我们服务更多的内部和外部客户，创造更大价值。