ORION AI 功能当前处于 Beta 阶段,我们正持续优化和完善算法性能与用户体验。在此阶段上线的功能,可能会根据实际使用情况进行快速迭代和更新。
配置一个对话模型流程
对话模型流程的作用是形成一个可以多轮对话的AI Copilot,理解用户的意图,帮助用户执行相关任务。1
导入AI Copilot的基础BPMN
你可以在这里下载到这个基础BPMN定义。这个流程的定义ID为“
Process_bpezAICopilot_Test”,请不要更改它。你可以在设计模块中上传这个文件进行后续的参数设置、部署管理。2
配置默认的个性化对话参数
流程的第一个task中需要配置一个名为
aiChatflowToken的输出。配置参数为:Process variable name为固定的值“aiChatflowTokenAssignment type为String or expressionValue的值为通过ORION内置的Dify配置的Chatflow的API Key,例如:“app-e7jEfUUj7obC3Cd25f9qb8CP”
3
部署AI Copilot基础BPMN
完成以上步骤后,你便可以部署这个BPMN流程。
配置任务处理智能体调用流程
在AI Copilot的基础BPMN中有一个Call Activity通过变量调用了任务处理的智能体流程。接下去我们来配置一个任务处理的智能体流程让ORION的AI对话能够实现自动处理相关任务、返回相关报表等功能。 任务处理智能体需要一个知识库,在这个知识库中维护可以被调用的流程、报表、任务定义。知识库的定义遵循以下内容格式即可,您可以维护在一个关系型数据库中,也可以通过RAG知识库维护。 其中resourceType的值目前支持:report:在resourceUrl给出一个BI报表的URL,前端会通过iframe渲染展示这个报表process:在resourceCode中给出要执行的流程定义ID,AI将会调用该流程执行任务task:在resourceCode中给出要查看的任务对应的流程定义ID,AI会调用显示相应的任务列表
1
配置任务处理流程BPMN
流程的定义ID中必须包含关键词“
bpezAICopilotCall”,例如“Process_EOAI_AgenticGoalSetting_bpezAICopilotCall”2
配置任务处理Chatflow
可以通过ORION内置的Dify配置一个任务获取及输出的Chatflow或Workflow。这个智能体输出的关键为以下json。
3
部署流程定义
部署流程后,您可以在 ORION 的 AI 模块中创建对话,并直接选择该 AI 任务处理智能体。在后续使用中,还可以配置多个个性化的任务处理智能体,供用户在创建 AI 对话时自由选择。