Gunakan Alibaba Cloud Model Studio dan Chat App Message Service untuk membangun asisten AI WhatsApp yang didukung oleh basis pengetahuan perusahaan Anda guna memberikan layanan pelanggan atau panduan penjualan cerdas 24/7. Tutorial ini memandu Anda melalui proses konfigurasi tanpa kode, mulai dari mengunggah basis pengetahuan PDF/Excel dan membuat aplikasi RAG hingga mengintegrasikannya dengan akun WhatsApp resmi Anda.
Kebijakan terkait
Mulai 15 Januari 2026, Meta akan melarang penerapan Chatbot AI Tujuan Umum di WhatsApp Business Platform (API). Kebijakan ini berlaku bagi pengguna API baru mulai 15 Oktober 2025. Untuk detail selengkapnya, lihat Kebijakan chatbot AI WhatsApp 2026: Panduan kepatuhan Alibaba Cloud Chat App.
Sebelum memulai
Siapkan file basis pengetahuan perusahaan Anda secara lokal. Aplikasi model bahasa besar menggunakan file-file ini sebagai sumber pengetahuannya. Anda dapat menggunakan file data tidak terstruktur, seperti DOC, PDF, MD, dan TXT, atau file data terstruktur, seperti XLSX dan XLS.
File basis pengetahuan perusahaan:
Jenis file | Deskripsi | Contoh |
File data tidak terstruktur | File dokumen untuk input pengetahuan sistematis. File-file ini merupakan dokumen lengkap, seperti manual produk atau panduan pengguna, yang berisi pengetahuan sistematis. Sistem memprosesnya untuk mengekstraksi informasi, sehingga pengguna dapat mengajukan kueri untuk mendapatkan detail tertentu. Format yang didukung mencakup DOC, PDF, MD, dan TXT. | Sebagai contoh, dokumen produk untuk Chat Flow menjelaskannya sebagai tool pengeditan alur chat visual yang memungkinkan Anda menentukan alur percakapan dengan menyeret dan meletakkan komponen fungsional ke dalam canvas. Fitur-fiturnya mencakup ekspansi channel (mendukung channel utama seperti Viber, Instagram, WhatsApp, dan SMS), ekspansi alur (menggunakan percabangan kondisional untuk integrasi mendalam dengan sistem bisnis), ekspansi AI (menyediakan kemampuan seperti pengenalan bahasa dan nomor telepon), serta ekspansi pemasaran (memicu kampanye berdasarkan profil pengguna dan waktu). |
File data terstruktur | File tanya-jawab untuk respons langsung dan spesifik. Format ini menggunakan pasangan pertanyaan dan jawaban yang telah ditentukan sebelumnya untuk menjawab pertanyaan spesifik secara langsung. Pendekatan terarah ini memungkinkan pengguna mendapatkan jawaban dengan cepat tanpa harus membaca seluruh dokumen, karena sistem menggunakan pasangan T&J tersebut untuk memberikan respons. Format yang didukung mencakup XLSX dan XLS. | File T&J dalam format Excel disusun sebagai berikut: Kolom A berisi pertanyaan, sedangkan Kolom B, C, dan D masing-masing berisi balasan 1, balasan 2, dan balasan 3. Setiap baris mewakili satu pertanyaan dan beberapa balasan yang mungkin. |
Prosedur
Langkah 1: Bangun aplikasi RAG
Untuk langkah-langkah detail, lihat Bangun aplikasi T&A tanpa kode.
Anda dapat mengganti prompt yang dirancang pada langkah pertama dengan yang berikut:
Anda adalah ahli produk ChatFlow, yang berspesialisasi dalam menjawab pertanyaan pelanggan mengenai fitur-fiturnya. Jangan menjawab pertanyaan tentang topik lain.
Berikan jawaban yang ringkas dan akurat berdasarkan basis pengetahuan yang tersedia. Batasi setiap respons hingga maksimal 600 kata dan gunakan emoji bila sesuai untuk memberikan nada yang ramah.
Langkah 2: Konfigurasikan alur
Prasyarat
Anda telah mendaftarkan Akun Alibaba Cloud, menyelesaikan verifikasi identitas perusahaan, dan mengaktifkan Chat App Message Service.
Anda telah membuat dan mengelola saluran WhatsApp.
Anda telah mendaftarkan dan mengelola WABA. WABA tersebut telah disetujui oleh WhatsApp, dan nomor teleponnya telah terhubung.
Platform CPaaS sangat ideal bagi penyedia layanan karena menyederhanakan manajemen dan distribusi. Untuk informasi lebih lanjut, lihat Platform CPaaS.
Chat App Message Service
Di Chat App Message Service, gunakan Chat Flow untuk mengaktifkan percakapan cerdas multi-turn yang didukung oleh model bahasa besar.
Masuk ke Konsol Chat App Message Service. Pada halaman Chat Flow, di bawah View Template, pilih Multi-turn dialogue with large language models (LLM).
Platform CPaaS
Di platform CPaaS, gunakan Chat Flow untuk mengelola serah terima antara respons cerdas otomatis dan agen manusia.
Masuk ke konsol CPaaS. Pada halaman Chat Flow, di bawah View Template, pilih Customer service with large language models and human agents.
Langkah-langkah berikut berlaku sama untuk Chat App Message Service maupun platform CPaaS:
Pada canvas Chat Flow, temukan komponen Generate Reply from LLM by Previous User Input.
Pada panel konfigurasi Generate Reply from LLM by Previous User Input di sebelah kanan, atur Implementation Type ke Application. Jika Anda menggunakan Alibaba Cloud Model Studio untuk situs China, atur Protocol ke Dashscope dan masukkan Kunci API serta ID aplikasi (appId) Anda. Jika Anda menggunakan Alibaba Cloud Model Studio untuk situs internasional, atur Protocol ke Dashscope(International). Lalu, klik Create Flow.
CatatanUntuk mendapatkan Kunci API, lihat Dapatkan Kunci API.
Untuk mendapatkan ID aplikasi, lihat Dapatkan ID APP dan ID Workspace.
Langkah 3: Publikasikan Chat Flow
Setelah membuat Chat Flow, klik Save and Publish, lalu klik Bind and Launch.
Kotak dialog Bind Channel Tip akan muncul. Kotak dialog ini menjelaskan bahwa alur yang tidak di-bind ke saluran tidak dapat dipicu secara otomatis oleh pesan masuk, tetapi masih dapat dipanggil dari alur lain menggunakan komponen penerusan alur.
Pada halaman Bind WABA, pilih Akun WhatsApp Business dan nomor telepon Anda.
Asisten AI WhatsApp Anda kini aktif dan siap melayani pengguna.
Editor Chat Flow menunjukkan bahwa alur percakapan telah dipublikasikan dan online sebagai Version 1. Alur kerja terbagi menjadi dua cabang berdasarkan variabel
userReply: cabang Replied dan cabang Not replied. Cabang Replied berisi node kondisional Check for Agent Transfer. Jika diperlukan transfer, alur akan melompat ke node tertentu. Jika tidak, alur akan menjalankan node Send WhatsApp Typing Indicator dan Generate Reply from LLM by Previous User Input secara berurutan, yang menghasilkan variabelassistantOutput. Alur kemudian melakukan loop untuk mengirim konten LLM dan memulai giliran percakapan berikutnya. Cabang Not replied mengirim pesan timeout. Panel samping mencantumkan variabel yang tersedia:incomingMessage,wabaId,wabaPhoneNumber,customerPhoneNumber,customerName, danincomingMessageType.