Customer-Support-Agent mit Vektor-Retrieval und Tool-Ausführung
Retrieval-augmentierter Customer-Support-Agent, der Anfragen mithilfe einer vektorisierten Wissensbasis und kontrollierter Tool-Nutzung beantwortet.
Dieser Workflow implementiert einen Customer-Support-Agenten, der Retrieval-Augmented Generation (RAG) mit expliziter Tool-Orchestrierung kombiniert. Ziel ist es, Nutzerfragen auf Basis einer definierten Wissensquelle zu beantworten und nicht ausschließlich auf Modellwissen zu vertrauen.
Eine vektorbasierte Dokumentenablage dient als primäre Wissensbasis. Domänenspezifische Inhalte werden indiziert und über ein Retriever-Tool abgefragt, das die relevantesten Textsegmente zur jeweiligen Anfrage zurückliefert. Diese Inhalte bilden den kontextuellen Rahmen für die Antwortgenerierung.
Eine Buffer-Window-Memory-Komponente hält kurzfristigen Gesprächskontext vor, sodass Anschlussfragen korrekt interpretiert werden können, ohne langfristige Zustände zu speichern.
Das Chat-Modell ist für Tool-Calling konfiguriert und an einen Tool-Agenten angebunden, der als Steuerungseinheit fungiert. Der Agent entscheidet, wann der Retriever aufgerufen wird, und integriert die gefundenen Dokumente gezielt in die Antwort. Bei aktivierter Rückgabe von Quelldokumenten kann das Modell explizit auf die verwendeten Textstellen Bezug nehmen.
Ein System-Prompt definiert die Rolle des Agenten als Customer-Support-Mitarbeiter eines konkreten Unternehmens und begrenzt Tonfall, Umfang und Themenbereich der Antworten. Dadurch bleiben die Antworten präzise, konsistent und wissensbasiert.
Der Workflow trennt Wissensspeicherung, Retrieval, Speicherverwaltung und Agentenlogik klar voneinander und eignet sich für produktionsnahe Support-Szenarien, bei denen Verlässlichkeit, Nachvollziehbarkeit und kontrolliertes Verhalten entscheidend sind.
