工單路由

def classify_support_request(ticket_contents):
    # 定義分類任務的提示
    classification_prompt = f"""您將作為客戶支援工單分類系統。您的任務是分析客戶支援請求並輸出每個請求的適當分類意圖,以及您的推理。

        以下是您需要分類的客戶支援請求:

        <request>{ticket_contents}</request>

        請仔細分析上述請求以確定客戶的核心意圖和需求。考慮客戶在詢問什麼或擔心什麼。

        首先,在 <reasoning> 標籤內寫出您對如何分類此請求的推理和分析。

        然後,在 <intent> 標籤內輸出請求的適當分類標籤。有效的意圖是:
        <intents>
        <intent>支援、反饋、投訴</intent>
        <intent>訂單追蹤</intent>
        <intent>退款/換貨</intent>
        </intents>

        一個請求只能有一個適用的意圖。只包含最適用於請求的意圖。

        作為示例,考慮以下請求:
        <request>您好!我在週六安裝了高速光纖網路,我的安裝人員 Kevin 表現得非常出色!我可以在哪裡發送我的正面評價?謝謝您的幫助!</request>

        以下是您的輸出應該如何格式化(針對上述示例請求):
        <reasoning>用戶尋求資訊以便留下正面反饋。</reasoning>
        <intent>支援、反饋、投訴</intent>

        以下是更多示例:
        <examples>
        <example 2>
        示例 2 輸入:
        <request>我想寫信親自感謝您在上週末我父親的葬禮期間對我家人表現出的同理心。您的員工在整個過程中都非常體貼和樂於助人;這真的減輕了我們的負擔。追思會的小冊子很漂亮。我們永遠不會忘記您展現的善意,我們非常感謝整個過程進行得如此順利。再次感謝您,Hill 家族代表 Amarantha Hill。</request>

        示例 2 輸出:
        <reasoning>用戶留下對其體驗的正面評價。</reasoning>
        <intent>支援、反饋、投訴</intent>
        </example 2>
        <example 3>

        ...

        </example 8>
        <example 9>
        示例 9 輸入:
        <request>您的網站不斷發送廣告彈出視窗,阻擋了整個螢幕。我花了二十分鐘才終於找到電話號碼來投訴。有這麼多彈出視窗,我怎麼可能存取我的帳戶資訊?由於您的網站故障,您能幫我存取我的帳戶嗎?我需要知道檔案上的地址是什麼。</request>

        示例 9 輸出:
        <reasoning>用戶請求協助存取其網路帳戶資訊。</reasoning>
        <intent>支援、反饋、投訴</intent>
        </example 9>

        請始終在您的實際意圖輸出之前包含您的分類推理。推理應該包含在 <reasoning> 標籤中,意圖應該包含在 <intent> 標籤中。只返回推理和意圖。
        """

import anthropic
import re

# 創建 Anthropic API 客戶端實例
client = anthropic.Anthropic()

# 設置默認模型
DEFAULT_MODEL="claude-3-haiku-20241022"

def classify_support_request(ticket_contents):
    # 定義分類任務的提示
    classification_prompt = f"""您將作為客戶支援工單分類系統。
        ...
        ... 推理應該包含在 <reasoning> 標籤中,意圖應該包含在 <intent> 標籤中。只返回推理和意圖。
        """
    # 發送提示到 API 以分類支援請求。
    message = client.messages.create(
        model=DEFAULT_MODEL,
        max_tokens=500,
        temperature=0,
        messages=[{"role": "user", "content": classification_prompt}],
        stream=False,
    )
    reasoning_and_intent = message.content[0].text

    # 使用 Python 的正則表達式庫提取 `reasoning`。
    reasoning_match = re.search(
        r"<reasoning>(.*?)</reasoning>", reasoning_and_intent, re.DOTALL
    )
    reasoning = reasoning_match.group(1).strip() if reasoning_match else ""

    # 同樣,也提取 `intent`。
    intent_match = re.search(r"<intent>(.*?)</intent>", reasoning_and_intent, re.DOTALL)
    intent = intent_match.group(1).strip() if intent_match else ""

    return reasoning, intent

import anthropic
import re

# 創建 Anthropic API 客戶端實例
client = anthropic.Anthropic()

# 設置默認模型
DEFAULT_MODEL="claude-3-haiku-20240307"

def classify_support_request(request, actual_intent):
    # 定義分類任務的提示
    classification_prompt = f"""您將作為客戶支援工單分類系統。
        ...
        ...推理應該包含在 <reasoning> 標籤中,意圖應該包含在 <intent> 標籤中。只返回推理和意圖。
        """

    message = client.messages.create(
        model=DEFAULT_MODEL,
        max_tokens=500,
        temperature=0,
        messages=[{"role": "user", "content": classification_prompt}],
    )
    usage = message.usage  # 獲取 API 調用的使用統計,了解使用了多少輸入和輸出令牌。
    reasoning_and_intent = message.content[0].text

    # 使用 Python 的正則表達式庫提取 `reasoning`。
    reasoning_match = re.search(
        r"<reasoning>(.*?)</reasoning>", reasoning_and_intent, re.DOTALL
    )
    reasoning = reasoning_match.group(1).strip() if reasoning_match else ""

    # 同樣,也提取 `intent`。
    intent_match = re.search(r"<intent>(.*?)</intent>", reasoning_and_intent, re.DOTALL)
    intent = intent_match.group(1).strip() if intent_match else ""

      # 檢查模型的預測是否正確。
    correct = actual_intent.strip() == intent.strip()

    # 返回推理、意圖、正確與否和使用情況。
    return reasoning, intent, correct, usage