Use Case 1: FAQ-бот з AI-відповідями

Рівень: базовий · Модулі: Fast Line Pro, Scenario Builder · Action: action_fastline_pro

Необхідні права та доступ

Що потрібно	Де в меню	Навіщо
Scenario Builder	Меню → Scenario Builder	Збірка сценарію FAQ
Fast Line Pro	Меню → Fast Line Pro	AI-агент і база знань
Fast Line Pro → База знань	Fast Line Pro → База знань	Документи FAQ; дочекайтеся індексації
Settings → Bots	Налаштування → Bots	Канали для preview / Telegram

Якщо розділу немає в меню — перевірте права облікового запису або зверніться до підтримки ConnectiveOne.

Бізнес-контекст

Компанія хоче автоматично відповідати на часті питання без залучення операторів. Клієнт ставить питання у чаті — бот відповідає з бази знань; якщо відповіді немає, клієнт отримує зрозуміле fallback-повідомлення, а не тишу.

Очікуваний результат

Клієнт пише питання після вітання.
Fast Line Pro відповідає з бази знань.
Якщо відповіді немає — спрацьовує fallback edge з текстом на кшталт «Спробуйте переформулювати».
У Runs видно змінну {{ai_answer}} після успішного запиту до AI.

Архітектура flow

Start → MessageKeyboard (вітання + «Задати питання»)
     → WaitForInput (зберегти питання)
     → Action (action_fastline_pro)
        ├─ основний вихід → MessageKeyboard ({{ai_answer}})
        └─ fallback → «Спробуйте переформулювати»

Покрокова реалізація

Крок 0. Fast Line Pro (поза Scenario Builder)

Що	Навіщо
Fast Line Pro → вкладка Чат-боти	Для FAQ достатньо відповідей з бази знань; інструменти не потрібні
База знань → txt, 5–10 Q&A	Малий файл швидше індексується на навчанні
Статус індексації	Дочекайтеся завершення обробки документа в БЗ перед тестом у сценарії
Назва (напр. `Training FAQ Bot`)	Має буква в букву збігатися з `agent_name` у сценарії (назва параметра історична — тип може бути «Чат-бот»)

Перевірка: Fast Line Pro → «Тестування» — відповіді з БЗ працюють без сценарію.

Чат-бот vs Агент у Fast Line Pro

У модулі два типи ШІ-додатків. Це не «навчання vs production» і не те саме, що бот у Scenario Builder / Settings → Bots.

Тип	Що вміє	Коли обирати
Чат-бот	Відповіді з бази знань і промпту; без інструментів	FAQ, categorizer, типовий `action_fastline_pro`
Агент	Те саме + Інструменти (зовнішні дії) і розширені режими (напр. streaming)	Коли AI має щось зробити, а не лише відповісти з БЗ

Для цього Use Case: створюйте Чат-бот. Агент знадобиться пізніше, якщо з’являться tools — див. Advanced Fast Line Pro.

Опційно після fallback: edge «Поговорити з оператором» → connect (якщо Operator Panel уже налаштовано в Use Case 3).

Крок 1. Start

Параметр	Значення	Навіщо
Тригер	Повідомлення в каналі (за замовчуванням)	Запуск при першому повідомленні клієнта в preview / Telegram

Edges: один вихід → наступна нода (вітання).

Крок 2. MessageKeyboard — вітання

Нода: Повідомлення з кнопками (send-message-keyboard).

Параметр (Inspector)	Значення	Навіщо
Текст повідомлення	«Привіт! Я FAQ-бот. Натисніть кнопку, щоб задати питання.»	Перше повідомлення клієнту
Тип клавіатури	inline	Кнопки під повідомленням — зручно в Telegram і preview
Кнопка 1	Текст: «Задати питання» · payload: `ask`	Одна гілка — спрощує Use Case 1
Output Variable	(можна не задавати)	Для Use Case 1 достатньо переходу по edge кнопки

Edges: вихід кнопки ask → WaitForInput. Якщо клієнт напише текст замість кнопки — увімкніть валідацію none або додайте edge «будь-який текст» → той самий WaitForInput.

Крок 3. WaitForInput — збір питання

Нода: Очікування вводу (wait-for-input).

Параметр	Значення	Навіщо
messageText	«Напишіть ваше питання одним повідомленням»	Запит до клієнта
outputVariable	`question`	Текст потрапить у `{{question}}` для AI
Validation → type	`none`	На навчанні приймаємо будь-який текст

Edges: один вихід (успішний ввід) → Action action_fastline_pro.

Крок 4. Action — `action_fastline_pro`

Нода: Action → шаблон action_fastline_pro.

Що робить action: надсилає user_input агенту Fast Line Pro, отримує відповідь з бази знань, записує її у змінну.

node_params (JSON)	Значення	Навіщо
`agent_name`	`Training FAQ Bot`	Ім'я агента з Fast Line Pro
`user_input`	`{{question}}`	Питання з попередньої ноди
`save_response`	`ai_answer`	Ім'я змінної для відповіді → далі `{{ai_answer}}`
`conversation_id`	`fl_conversation_id`	Зберігає контекст між питаннями в одному Run (рекомендовано)
`vision_file`	`false`	Use Case 1 без вкладень

Edges (обов'язково обидва):

Edge	Куди	Навіщо
Основний вихід (відповідь є)	MessageKeyboard з `{{ai_answer}}`	Клієнт бачить відповідь AI
fallback	MessageKeyboard: «Не знайшов відповіді. Спробуйте переформулювати.»	Без fallback бот «замовкає», якщо БЗ не дала відповіді

Крок 5. MessageKeyboard — показ відповіді

Параметр	Значення	Навіщо
Текст	`{{ai_answer}}`	Підставляє відповідь AI
Кнопка (опційно)	«Ще питання» → edge назад до WaitForInput	Цикл FAQ без перезапуску Run

Edges: за бажанням — loop на WaitForInput або End.

Крок 6. Тест у Runs

Scenario Builder → Runs → Chat preview.
Пройти: вітання → «Задати питання» → текст з FAQ → перевірити {{ai_answer}} у trace.
Питання поза FAQ → має спрацювати fallback, не порожній текст.

Критерії приймання (self-check Runs)

Питання з бази знань → клієнт бачить відповідь AI у preview.
Питання поза FAQ → спрацьовує fallback, не тиша.
У trace є змінна ai_answer після успішного запиту.
agent_name у сценарії збігається з іменем агента в Fast Line Pro.
Обидва edges (основний і fallback) підключені на полотні.
База знань проіндексована (відповіді є в «Тестування» Fast Line Pro).
(Опційно) Той самий FAQ-flow перезібрано через Instance Agent і звірено в Runs (правило).

Типові помилки

Симптом	Причина	Що зробити
Бот «замовкає» після питання	Немає edge fallback	Підключити fallback → MessageKeyboard
Порожня відповідь	Невірний `agent_name`	Звірити ім'я в Fast Line Pro і `node_params`
`{{ai_answer}}` буквально в тексті	Змінна не записана	Перевірити `save_response` і trace Runs
AI не відповідає взагалі	БЗ не проіндексована, порожній промпт або збій у FLP	Перевірити «Тестування» у Fast Line Pro без сценарію; потім `agent_name` і fallback