票務路由

def classify_support_request(ticket_contents):
    # 定義分類任務的提示
    classification_prompt = f"""您將扮演客戶支援票務分類系統的角色。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>訂單跟踪</intent>
        <intent>退款/換貨</intent>
        </intents>

        一個請求可能只有一個適用的意圖。只包括最適用於請求的意圖。

        作為示例,請考慮以下請求:
        <request>你好!我在週六安裝了高速光纖網絡,我的安裝人員Kevin絕對太棒了!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的示例(針對上述示例請求):
        <reasoning>用戶尋求信息以便留下正面反饋。</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情。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。追悼會的小冊子很漂亮。我們永遠不會忘記您對我們表現出的善意,我們非常感謝整個過程進行得如此順利。再次感謝您,Amarantha Hill代表Hill家族。</request>

        示例2輸出:
        <reasoning>用戶對他們的體驗留下正面評價。</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窗口,阻擋了整個屏幕。我花了二十分鐘才最終找到電話號碼來投訴。有了這些彈出窗口,我怎麼可能訪問我的帳戶信息?由於您的網站已損壞,您能為我訪問我的帳戶嗎?我需要知道文件上的地址是什麼。</request>

        示例9輸出:
        <reasoning>用戶請求幫助訪問他們的網絡帳戶信息。</reasoning>
        <intent>支援、反饋、投訴</intent>
        </example 9>

        請記住,始終在您的實際意圖輸出之前包括您的分類推理。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客戶端的實例
client = anthropic.Anthropic()

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

def classify_support_request(ticket_contents):
    # 定義分類任務的提示
    classification_prompt = f"""您將扮演客戶支援票務分類系統的角色。
        ...
        ... 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。
        """
    # 將提示發送到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客戶端的實例
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"""您將扮演客戶支援票務分類系統的角色。
        ...
        ...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、正確性和使用情況。
    return reasoning, intent, correct, usage