Imparerai, passo dopo passo, come costruire un'integrazione specifica con Discord per analizzare i messaggi di un canale di supporto e ottenere un riassunto utile. Al termine di questa lezione, sarai in grado di:
•
Comprendere il ruolo dell'API step nella piattaforma Relevance AI.
•
Configurare input utente per personalizzare il tool di integrazione.
•
Effettuare richieste API a servizi esterni, in questo caso, a Discord.
•
Gestire l'autorizzazione tramite header e token, memorizzando le credenziali in modo sicuro.
•
Estrarre e pulire dati da una risposta API.
•
Utilizzare un Large Language Model (LLM) per generare riassunti e analizzare dati.
•
Personalizzare e riutilizzare il tool di integrazione per diverse esigenze.
Passaggi per la Creazione di un'Integrazione con Discord
1.
Configurazione degli Input Utente: Iniziamo con la definizione degli input che l'utente dovrà fornire al tool. In questo caso, avremo bisogno dell'URL base dell'API di Discord e dell'ID del canale specifico che vogliamo analizzare. Questi due input sono cruciali perché definiscono la destinazione della nostra richiesta API. Per comodità, potresti voler impostare dei valori predefiniti per questi input. Ad esempio, l'URL base dell'API di Discord e l'ID del tuo canale di supporto. Questi valori possono essere modificati dall'utente in qualsiasi momento, rendendo il tool molto flessibile. Questi input saranno accessibili tramite le variabili base_URL e channel to analyze, facilitando il loro uso all'interno del tool.
2.
Creazione dell'API Step: Il cuore della nostra integrazione risiede nell'API step. Questo step permette di inviare richieste a qualsiasi API esterna, aprendo un mondo di possibilità per l'automazione e l'integrazione con altri servizi. Nel nostro caso, utilizzeremo l'API step per effettuare una richiesta GET all'API di Discord. L'URL esatto della richiesta sarà una combinazione di: base_URL, l'endpoint /channels, l'ID del canale specifico ( channel to analyze ) e l'endpoint /messages.
3.
Una componente fondamentale di qualsiasi richiesta API è l'autorizzazione. Nel caso di Discord, utilizziamo un header di autorizzazione, dove includiamo un token bot. Questo token dimostra all'API che siamo autorizzati ad accedere ai dati. Per proteggere questo token, è essenziale memorizzarlo come secret all'interno della piattaforma Relevance AI. Non dovresti mai includere token o credenziali direttamente nel codice. Accederemo al token tramite la variabile secrets.chains_Discord_key. Per ottimizzare la quantità di dati ricevuti, aggiungiamo un parametro URL: limit. Questo parametro permette di specificare il numero di messaggi da recuperare per pagina. In questo caso impostiamo il limite a 100, che è il massimo consentito dall'API di Discord. Questo evita la paginazione, semplificando il processo di recupero dei dati.
4.
Estrazione e Pulizia dei Dati con JavaScript: Dopo aver recuperato la risposta dall'API di Discord, ci troviamo con un array JSON che contiene molte informazioni, inclusi meta-dati che non ci servono per la nostra analisi. Per semplificare le cose e per fornire all'LLM solo le informazioni rilevanti, usiamo uno step di codice JavaScript. Questo step ci permette di estrarre solo il contenuto dei messaggi che ci interessano. Recuperiamo la risposta ottenuta dall'API step tramite la variabile response body e la utilizziamo per creare un nuovo array contenente solamente il testo dei messaggi. Questo passaggio è fondamentale per pulire i dati ed eliminare le informazioni inutili.
5.
Generazione del Riassunto con un LLM: Ora che i dati sono puliti e strutturati, possiamo utilizzare un Large Language Model (LLM) per generare un riassunto utile. Questo step sfrutta la potenza dell'intelligenza artificiale per analizzare i messaggi estratti e fornire un output in linguaggio naturale. Per guidare l'LLM, utilizziamo un prompt, ovvero una descrizione testuale del compito da svolgere. Questo prompt contiene i messaggi estratti con JavaScript, e indica all'LLM di raggruppare i temi, creare un riassunto leggibile, individuare richieste di integrazione e fornire una lista di azioni suggerite. Questo è un ottimo esempio di prompt engineering.
6.
Per fornire un contesto aggiuntivo all'LLM e renderlo più accurato, impostiamo un system prompt. Questo system prompt descrive l'LLM come un rappresentante del supporto clienti di Relevance AI, dandogli una prospettiva chiara. Per elaborare grandi quantità di dati, utilizziamo un modello potente come GPT4 32K, che ci garantisce prestazioni elevate e risultati accurati.
7.
Risultati e Personalizzazione: Dopo aver eseguito tutti gli step, il tool produrrà un riassunto completo dei messaggi nel canale Discord. Questo riassunto includerà report di bug, richieste di integrazione e azioni suggerite, facilitando la revisione dei messaggi da parte dell'utente. La bellezza di questo tool sta nella sua flessibilità: grazie all'uso di variabili per l'ID del canale, l'utente può facilmente modificare il canale analizzato, senza dover intervenire sulla logica interna del tool. Questo rende il tool riutilizzabile e adattabile a diverse esigenze.
Integrazioni Disponibili in Relevance AI
Oltre alla creazione di integrazioni personalizzate con l'API step, Relevance AI offre anche una serie di integrazioni predefinite per diversi servizi. Queste integrazioni includono piattaforme come Outlook, Gmail, WhatsApp, HubSpot e molte altre. Queste integrazioni possono essere utilizzate per automatizzare flussi di lavoro, come l'attivazione di agenti quando arrivano nuove email o l'aggiornamento di dati in sistemi esterni. Ad esempio, puoi configurare un agente per rispondere automaticamente alle email di supporto clienti ricevute su un indirizzo email specifico di Outlook o Gmail.
Conclusione
Creare integrazioni personalizzate con l'API step di Relevance AI offre un'enorme flessibilità per connettere i tuoi strumenti e automatizzare i tuoi flussi di lavoro. Questa lezione ti ha mostrato come, con un po' di configurazione e qualche passaggio, puoi creare un tool potente per analizzare i dati di Discord. Ricorda, l'importante è usare in modo responsabile l'accesso alle API, proteggendo sempre i tuoi token e credenziali, e configurando i tuoi tool in modo logico e flessibile per adattarsi alle diverse esigenze. Ora sei pronto per sperimentare e creare le tue integrazioni personalizzate!
Class Sessions
1- Costruzione e Funzionalità sulla Piattaforma Relevance
2- Profilo Agente
3- Strumenti AI Personalizzati con Relevance AI
4- Cos'è la "Knowledge" in Relevance AI
5- Creare Integrazioni Personalizzate
6- Utilizzo degli Output nel Tool Builder di Relevance AI
7- Utilizzo degli Step di Codice JavaScript e Python nel Tool Builder di Relevance AI
8- Usare Relevance Ai