Aufbau von KI-Automatisierungsworkflow, KI-Sprachagent, Vektordatenbank und Model Context Protocol

1. Einführung: Hallo Leute, interessieren Sie sich für den Aufbau von KI-Automatisierungen, KI Voice Agent-Vektordatenbanken und MCP Wenn die Antwort ja ist, dann könnte dieser Kurs für Sie sein Im ersten Projekt werden wir mithilfe von Zapier KI-E-Mail-Responder-Automatisierungen erstellen KI-E-Mail-Responder-Automatisierungen erstellen Im zweiten Projekt werden wir mithilfe von Zapier Automatisierungen zur Analyse von KI-Kundenfeedback entwickeln Automatisierungen zur Analyse von KI-Kundenfeedback entwickeln Im dritten Projekt werden wir mithilfe von Make Automatisierungen für die KI-Kostenkategorisierung erstellen Automatisierungen für die KI-Kostenkategorisierung Im vierten Projekt werden wir mithilfe von Make KI-Automatisierungen zur Inventarverfolgung erstellen KI-Automatisierungen zur Inventarverfolgung Im fünften Projekt werden wir mithilfe von NN KI-Automationen für die Terminbuchung erstellen mithilfe von NN KI-Automationen für die Terminbuchung Im sechsten Projekt werden wir mithilfe von NightN KI-Content-Marketing-Automatisierungen erstellen KI-Content-Marketing-Automatisierungen erstellen In den sieben Projekten werden wir mithilfe der Relay App einen KI-Produktforschungsagenten aufbauen mithilfe der Relay App einen KI-Produktforschungsagenten Als Nächstes werden wir mithilfe von Gumloop einen KI-Vertragsanalyse-Agenten erstellen mithilfe von Gumloop einen KI-Vertragsanalyse-Agenten Als Nächstes werden wir mithilfe von 11 Labs einen Voice-Agenten für KI-Rezeptionisten erstellen mithilfe von 11 Labs einen Voice-Agenten für KI-Rezeptionisten Danach werden wir mithilfe von FAPI einen KI-Sprachassistenten für den Kundensupport und mithilfe von Voiceflow einen KI-Vertriebs-Voice-Agenten erstellen KI-Vertriebs-Voice-Agenten Danach werden wir mithilfe von Zapier einen KI-Lead-Generierungs-Agenten erstellen KI-Lead-Generierungs-Agenten Wir werden auch ein bisschen programmieren. Wir werden einen KI-Datenanalyse-Agenten mit Python und Llama erstellen mit Python und Llama Sie können eine CSV-Datei hochladen und der AI-Agent analysiert die Daten und gibt Ihnen wertvolle Einblicke Im nächsten Projekt werden wir ein KI-Multiagentensystem für das Projektmanagement aufbauen . Wir werden drei KI-Agenten haben, und diese drei KI-Agenten werden miteinander interagieren. Als Nächstes werden wir einen KI-Fußrezeptgenerator erstellen. Und wir werden das KI-Modell auch mit der Pinecone-Vektordatenbank verbinden das KI-Modell auch mit der Pinecone-Vektordatenbank Das KI-Modell wird also Lebensmittelrezepte auf der Grundlage der verfügbaren Lebensmittelzutaten generieren Lebensmittelrezepte auf der Grundlage der verfügbaren Lebensmittelzutaten Und am Ende des Kurses werden wir einen MCP-Server mit Zapier erstellen Wir werden den MCP-Server auch mit Google Sheets und Mistral AI verbinden den MCP-Server auch mit Google Sheets und Mistral 2. KI-Tools und -Ressourcen: Holi Leute, willkommen zurück zum Kurs. In diesem Video werden wir mehr über alle Tools erfahren , die wir in diesem Kurs verwenden werden Der erste ist Zapier. Klicken wir auf diesen Link und Sie werden auf diese Seite weitergeleitet Zapier ist eine der bekanntesten Plattformen für den Aufbau von KI-Automatisierungen Sie können Zapier zum Erstellen von KI-Agenten und KI-Chatbots verwenden. Sie können Ihre Daten hier verwalten. Sie können eine Schnittstelle für Ihre Kunden und vieles mehr erstellen . Lass uns auf Produkte und dann auf AI Automations klicken und ein wenig nach unten scrollen Sie können KI-Automatisierungen für viele verschiedene Anwendungsfälle erstellen , zum Beispiel Marketing, Vertrieb, Produkt, IT und noch viele mehr, und das ist relativ einfach Einfach per Drag-and-Drop ziehen. Sie müssen nicht wissen, wie man programmiert , um KI-Automatisierungen zu erstellen, und machen Sie sich keine Sorgen Ich werde Sie Schritt für Schritt anleiten. Und lass uns auf App-Integrationen klicken. Es gibt mehr als 8.000 Apps, die verbunden werden können. Lass uns sie scrollen. Schau dir das an. Sie können Zapier mit Ihrem Google Sheet Gmail-Slash, Google Calendar, Google Drive Notion, Hubspot, Google Form, Facebook-Link-Anzeigen, MailChim Und keine Sorge, die Nutzung von Zapier ist völlig kostenlos. Lass uns auf Preise klicken. Wie ihr sehen könnt, bietet Zapier eine kostenlose Pflanze an. Seht euch das an Okay, jetzt gehen wir zurück zur Folie und gehen wir zum zweiten Tool Make über. Klicken wir auf diesen Link und Sie werden auf diese Seite weitergeleitet. Make ist Zapier sehr ähnlich. Sie können Make verwenden, um KI-Automatisierungen zu erstellen. Sie können Make verwenden, um KI-Agenten zu erstellen Lassen Sie uns ein wenig nach unten scrollen Sie können KI-Automatisierungen für IT-Betrieb, Marketing, Vertrieb, Finanzen, Kundenerlebnis und Personal oder Personalwesen erstellen Marketing, Vertrieb, Finanzen, Kundenerlebnis und Personal oder Personalwesen Und lassen Sie uns nach unten scrollen. Es gibt mehr als 3.000 Apps, die mit Make verbunden werden können. Lass uns auf Bros Apps klicken und nach unten scrollen. Sie können Make mit Ihrem Google Sheet verbinden, KI, Gmail, Google Drive, Telegram, Airtable Pinterest, Notion, Google Docs, Slack und vieles mehr öffnen Telegram, Airtable Pinterest, Notion, . Und es ist relativ einfach zu bedienen, Leute, meistens per Drag-and-Drop, sodass ihr nicht wissen müsst, wie man programmiert Und lass uns auf Preise klicken. Wie ihr sehen könnt, ist die Nutzung von Make völlig kostenlos. Es bietet einen kostenlosen Plan. Offensichtlich gibt es einige Einschränkungen wenn es um den kostenlosen Plan geht. Sie haben beispielsweise nur 1.000 Credits pro Monat. Stellen Sie also sicher, dass Sie sich dieser Einschränkungen voll bewusst sind . Okay, jetzt gehen wir zurück zur Folie und gehen wir zum dritten Tool n8n Klicken wir auf diesen Link und Sie werden auf diese Seite weitergeleitet Night N ist ein bisschen anders als das, was sie erscheinen und machen weil es selbst gehostet wird und Ihnen mehr Kontrolle und Flexibilität über Ihren KI-Automatisierungsworkflow bietet. Und Sie müssen nicht wissen, wie man programmiert, da Night N hauptsächlich per Drag-and-Drop funktioniert. Lass uns auf Produkte und dann auf Vorlagen klicken. NightN hat viele Vorlagen, die Sie verwenden und anpassen können. Schau dir das an. Sie müssen also nicht bei Null anfangen. Sie können eine dieser Vorlagen verwenden. Klicken wir auf Produkte und dann auf Integrationen. Es sind mehr als 1.200 Integrationen verfügbar. Schau dir das an. Google Sheet, Gmail, Open AI, Slide, Telegram, Google Gemini, Anthropic und noch viele mehr Okay, lass uns auf Preise klicken. Leider hat Naten keinen kostenlosen Tarif , aber keine Sorge, es bietet eine zweiwöchige kostenlose Testversion Okay, jetzt gehen wir zurück zur Folie und fahren mit dem nächsten Tool fort, Flowis AI Klicken wir auf diesen Link und Sie werden zu The Spades weitergeleitet Wir werden Flowis AI verwenden, um einen AI-Agenten zur Lead-Generierung zu entwickeln FloIS ist eine Open-Source-Plattform Entwicklung von Agentensystemen Es ist relativ ähnlich wie Ende am Ende. Es wird also so aussehen. Und es gibt so viele Dinge, die du mit Flowis erstellen kannst Sie können ein System mit mehreren Agenten erstellen. Sie können einen Chat-Assistenten erstellen. Es ist also wie ein Chat-Bot wie dieser. Und wenn Ihr KI-Automatisierungs-Workflow eine Überprüfung durch einen Menschen erfordert, können Sie einen Menschen hinzufügen, der auf dem Laufenden ist, Leute. Schau dir das an. Und mach dir keine Sorgen, die Nutzung ist völlig kostenlos. Lass uns auf Preise klicken. Wie ihr sehen könnt, bietet FloWis einen kostenlosen Tarif an. Natürlich gibt es einige Einschränkungen, wenn es um den kostenlosen Plan geht. Sie können beispielsweise nur zwei Flows haben und der Datenspeicher ist auf fünf MB begrenzt Stellen Sie also sicher, dass Sie sich dieser Einschränkungen voll bewusst sind . Okay, gehen wir zurück zur Folie und fahren wir mit der nächsten fort. Tannenzapfen. Klicken wir auf diesen Link und Sie werden zu The Spades weitergeleitet Pinecone ist also eine Vektordatenbank. In einem unserer Projekte werden wir Lebensmittelinventardaten in Pinecone speichern und Pinecone zusätzlich mit dem Lord's Language-Modell verbinden mit dem Lord's Language-Modell Okay, jetzt klicken wir auf Dokumentationen und dann auf Schnellstart und Wir werden Python verwenden, also klicken wir auf Python. PyCon unterstützt aber auch andere Programmiersprachen wie JavaScript, Java, Go und CR Hier ist die Code-Dokumentation. Sie müssen diesen Code kopieren und einfügen und benötigen außerdem Ihren API-Schlüssel. Aber macht euch keine Sorgen, Leute. Ich werde dich Schritt für Schritt anleiten. Und keine Sorge, die Nutzung von Pinecone ist völlig kostenlos. Lass uns auf Preise klicken. Wie ihr sehen könnt, bietet Pinecone eine kostenlose Pflanze an. Seht euch das an. Okay, jetzt gehen wir zurück zur Folie und fahren mit dem nächsten Tool fort, 11 Labs. Klicken wir auf diesen Link und Sie werden zu The Spades weitergeleitet Wir werden 11 Labs für den Aufbau eines KI-Sprachagenten verwenden. Also werden wir eine KI-Rezeptionistin entwickeln , die in der Lage ist, mit Ihren Kunden zu sprechen und normale Gespräche zu führen, genau wie Menschen. Es gibt so viele Dinge, die Sie mit 11 Labs tun können. Sie können beispielsweise Text in Spits umwandeln. Sie können einen KI-Agenten erstellen, und genau das werden wir in diesem Kurs tun Sie können ein Lied generieren. Schau dir das an. Sehr cool. Sie können Spits in Text umwandeln Du kannst Synchronisation machen, du kannst deine Stimme klonen und noch viel mehr Keine Sorge, die Nutzung von 11 Labs ist völlig kostenlos. Lasst uns auf Preise klicken, da ihr sehen könnt, dass 11 Labs eine kostenlose Anlage anbietet. Schau dir das an. Okay, Leute, ich glaube, das ist es. Das ist alles, was du wissen musst. Wir sehen uns im nächsten Video. 3. Automatisierung von KI-E-Mail-Antworten mit Zapier erstellen: Holly, Leute, willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von Zapier KI-E-Mail-Responder-Automatisierungen erstellen KI-E-Mail-Responder-Automatisierungen Es ist eine einfache Automatisierung , die Ihre E-Mail liest, Antwortentwurf auf der Grundlage früherer Konversationen verfasst und dennoch Ihre Zustimmung benötigt, und dennoch Ihre Zustimmung benötigt bevor die E-Mail gesendet Okay, lass uns zuerst anfangen. Ich melde mich mit meinem GML-Konto an, also klicken wir auf Weiter mit Google Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet und hier ist mein Dashboard Okay, jetzt klicken wir auf Erstellen und dann auf den automatisierten Zaps-Workflow Sie werden auf diese Seite weitergeleitet In diesem Fall haben Sie zwei Möglichkeiten. Die erste Option besteht darin, KI zu verwenden, um den Workflow von Automation automatisch zu generieren. Sie müssen nur den Abschlussball schreiben, erklären, welche Art von Automatisierungen Sie möchten, und in weniger als einer Minute generiert KI den Automatisierungs-Workflow für Sie Und die zweite Option besteht darin, den Workflow manuell zu erstellen. Und genau das werden wir tun Okay, lass uns anfangen. Zuerst werde ich auf diesen Auslöser klicken. Und ich werde E-Mail auswählen. Klicken wir also auf Apps und dann auf Gmail. In diesem Fall möchten wir also, dass Zapier auf unseren E-Mail-Posteingang zugreifen kann Klicken wir auf Ereignis auswählen und wählen wir eine neue E-Mail aus Es wird also ausgelöst , wenn eine neue E-Mail im angegebenen Postfach erscheint. Okay, jetzt werden wir Zapier mit unserem Gmail-Konto verbinden Zapier mit unserem Gmail-Konto Klicken wir also auf Anmelden und ich wähle dieses E-Mail-Konto Und lass uns auf Weiter klicken. Okay, jetzt geben wir Zapier Zugriff auf den E-Mail-Posteingang Stellen Sie also sicher, dass Sie diese Kästchen ankreuzen, und lassen Sie uns auf Weiter klicken Okay, wir haben Zapier erfolgreich mit dem Gmail-Konto verbunden Zapier erfolgreich mit dem Gmail-Konto Jetzt kann Zapier auf den Posteingang zugreifen und unsere E-Mails lesen Und lass uns auf Weiter klicken. Lassen Sie uns darauf klicken und ein wenig nach unten scrollen und dann auf Posteingang klicken. Und lassen Sie uns auf Weiter klicken. Und wir werden den Auslöser später testen. Also lass uns das vorerst schließen. Und wir werden die KI-Aktionen hinzufügen. Also lass uns das anklicken. Klicken wir auf Aktionen und dann auf KI. Und klicken wir nach rechts , weil wir wollen, dass KI den E-Mail-Entwurf schreiben kann , oder? Für das Modell verwende ich GPD Four Point Oh. Das ist das beste Modell. Aber es gibt viele andere Möglichkeiten. Sie können Anthropy verwenden Sie können Google Gemini verwenden, und es gibt weitere Optionen hier unten Sie können jedes beliebige KI-Modell verwenden, es liegt ganz bei Ihnen Als nächstes werden wir den Abschlussball schreiben. Okay, ich werde diesen Abschlussball entfernen, und tatsächlich wird der Abschlussball ziemlich lang sein, also werde ich den Abschlussball kopieren und einfügen, sodass du das Video pausieren und den Abschlussball neu schreiben kannst Sie sind ein kompetenter E-Mail-Responder. Generieren Sie auf der Grundlage der unten angegebenen E-Mail eine professionelle und personalisierte Antwort , die auf das Hauptanliegen oder die Gleichungen des Absenders eingeht eine professionelle und personalisierte Antwort , pflegen Sie einen freundlichen und professionellen Umgangston der dem Stil früherer Konversationen entspricht Seien Sie warmherzig und hilfsbereit, kurz, aber vollständig beinhaltet bei Bedarf eine klare Aufforderung zum Handeln Nun, ich werde das Datum entfernen , weil ich nicht glaube, dass es nötig ist Okay, das ist also mein Abschlussball. Also kannst du das Video posten und diesen Abschlussball eingeben. Und wenn du KI verwenden möchtest, um deinen Abschlussball zu verbessern, kannst du hier klicken. Als Nächstes werden wir die Ausgabefelder für den Abschlussball generieren. Klicken wir also auf dieses Generate From Prom. Es wird ein paar Sekunden dauern. Okay, hier sind die Ausgabedateien, der Antworttext, und lassen Sie uns ein bisschen nach oben scrollen Jetzt werden wir das Eingabefeld hinzufügen. Lassen Sie uns auf diese ausgewählten Eingabefelder klicken und dann auf „Diesen Schritt abschließen“ klicken. Und lassen Sie uns auf Test Trigger klicken. Lass uns auf diese Schaltfläche klicken. Okay, jetzt wird es getestet. Okay, los geht's. Und lassen Sie uns auf Mit ausgewähltem Datensatz fortfahren klicken. Okay, als Nächstes klicken wir auf Ausfüllen. Für den ausgefüllten Namen werde ich ihm einen Namen geben. E-Mail von. Und lassen Sie uns den Feldwert hinzufügen. Ich werde aus E-Mail auswählen. Und lassen Sie uns auf Speichern klicken. Und lassen Sie uns ein weiteres Feld hinzufügen. Ich werde es E-Mail-Betreff nennen. Und lassen Sie uns den Feldwert hinzufügen. Ich werde ein Thema auswählen. Und lassen Sie uns auf Speichern klicken und eine weitere Datei hinzufügen. Ich werde es E-Mail-Hauptteil nennen. Lassen Sie uns den Feldwert hinzufügen und ich wähle Body Plant aus und klicken wir auf Speichern. Okay, jetzt wird die Ballstärke bewertet. Es wird ein paar Sekunden dauern. Okay, die Ballstärke ist gut und du kannst darauf klicken, um eine Vorschau zu generieren. Es dauert ein paar Sekunden, vielleicht fünf oder zehn Sekunden, dann klicken Sie einfach auf Fertig stellen. Okay, als Nächstes klicken wir erneut auf Aktionen und dann auf Gmail, und wir wählen das Aktionsereignis aus. Ich werde einen Antwortentwurf erstellen. Und lassen Sie uns für den Thread auf Weiter klicken. Wir werden diesen auswählen. Und lassen Sie uns für den Text ein wenig nach unten scrollen Wir werden den E-Mail-Text hinzufügen. Klicken wir also darauf und lassen den Rest leer. Und lassen Sie uns auf Weiter klicken. Und vorerst werden wir den Test überspringen, also klicken wir auf Test überspringen. Und lassen Sie uns auf Veröffentlichen klicken. Also werden wir die Automatisierungen veröffentlichen. Okay, jetzt funktioniert es und wir werden diese Automatisierungen testen Okay. Jetzt schicke ich die E-Mail an helpful bottengmail.com und wir werden testen, ob die Wenn wir die E-Mail senden, sollte KI in der Lage sein, die E-Mail aus unserem Posteingang zu schreiben und den automatisch Klicken wir auf Neue Nachricht und ich werde die E-Mail an die hilfreiche E-Mail-Adresse ten@gmail.com senden . Das ist eine weitere E-Mail. Schreiben wir den Betreff der E-Mail. Vorschlag für eine Partnerschaft. Hallo Chris. Wie geht's dir? Es ist schon eine Weile her, dass wir im Tech-Beratungsteam zusammengearbeitet haben . Derzeit entwickle ich Software zur Optimierung der Lieferkette. Und ich habe mich gefragt , ob Sie daran interessiert sind , meinem Team beizutreten. Ich glaube, Sie haben so viele Dinge beizutragen. Ich freue mich darauf, es von Ihnen zu hören. Okay, das wird die E-Mail sein. Und wir werden diese E-Mail schicken, Leute. Okay, nein, es sendet die E-Mail. Es wird ein paar Sekunden dauern. Vielleicht fünf oder zehn Sekunden. Okay, die Nachricht wurde gesendet. Okay, lass uns jetzt den Posteingang überprüfen. Und wie ihr sehen könnt, haben wir diesen Partnerschaftsvorschlag per E-Mail erhalten. Und als Nächstes werden wir zu Zapier zurückkehren und die Automatisierung durchführen Klicken wir also auf Ausführen. Okay, jetzt läuft die Automatisierung. Okay, Zap läuft erfolgreich und wird bei einer neuen E-Mail ausgelöst Und lassen Sie uns wieder zum E-Mail-Posteingang zurückkehren und die Seite aktualisieren, damit wir den Entwurf sehen können Okay, los geht's. Hallo, Bd. Ich hoffe, dir geht es auch gut. Es ist schön, wieder von Ihnen zu hören, und ich freue mich, dass Sie mich für Ihr Projekt zur Supply-Chain-Optimierung in Betracht ziehen . Das klingt nach einer fantastischen Initiative, und ich bin auf jeden Fall daran interessiert besprechen, wie ich zu Ihrem Tipp beitragen könnte. Könnten wir einen Termin vereinbaren, um weiter zu chatten? Ich würde gerne mehr über Ihre Vision erfahren und sehen , wo ich dazu passen kann. Ich freue mich auf Ihre persönliche Antwort, beste Grüße, Chris. Okay, sehr cool. Und wenn Sie die E-Mail senden möchten, klicken Sie einfach auf SN. Okay, Fran cool Okay, Leute, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 4. Automatisierung von KI-Kundenfeedbackanalysen mit Zapier erstellen: Holly, Leute, willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von Zapier Automatisierungen zur Analyse von KI-Kundenfeedback erstellen mithilfe von Zapier Automatisierungen zur Analyse von KI-Kundenfeedback Es handelt sich um eine einfache Automatisierung, Kundenfeedbacks aus Ihrer Google Sheet-Datei bewertet werden. Sie analysiert die Stimmung automatisch und weist dem Stimmungslabel positiv Okay, lass uns anfangen. Klicken wir zunächst auf Create Zaps und Sie werden auf diese Seite weitergeleitet Und lass uns auf Trigger klicken. Und lass uns auf Apps klicken. Und lass uns auf Google Sheets klicken. Okay, jetzt klicken wir auf Event auswählen. Und ich wähle Neue Tabellenkalkulationszeile aus. Und wir werden Zapier mit Google **** verbinden. Lass uns auf Sign Int klicken. Und ich werde diese E-Mail auswählen, alle diese Kästchen ankreuzen und dann klicken wir auf Weiter. In diesem Fall gewähre ich Zapier also Zugriff auf mein Google Sheet Lass uns auf Weiter klicken. Okay, wir haben Zapier erfolgreich mit Google**** verbunden Klicken wir erneut auf Weiter. Okay, jetzt öffne ich meine Google Sheets und erstelle eine neue Tabelle Klicken wir also darauf und ich werde diese Datei Kundenfeedback-Daten nennen diese Datei Kundenfeedback-Daten Sie können sie benennen, wo immer Sie möchten. Es liegt ganz bei dir. Wir werden also alle Kundenfeedback-Daten in diesem **** speichern . Okay, jetzt gehen wir zurück zu Zapier und wir werden die Seite aktualisieren Und wir klicken auf OS Value und Kundenfeedback-Daten, weil wir Zapier mit dieser Datei verbinden wollen Und für das Arbeitsblatt wähle ich **** aus Und lassen Sie uns auf Weiter klicken. Okay, jetzt klicke ich auf Trigger testen. Okay, jetzt wird getestet. Wie ihr sehen könnt, ist hier ein Fehler aufgetreten . Tabellenzeilen konnten nicht abgerufen Der Grund, warum wir diesen Fehler bekommen haben , dass die Tabelle immer noch leer ist Als Nächstes werde ich den Chat GPD verwenden, um zufälliges Kundenfeedback zu generieren Und ich werde das kopieren, einfügen und hier einfügen. In diesem Fall haben wir also drei Spalten: Datum, Kundenname und Feedback. Gehen wir zurück zu Zapier und klicken erneut auf Test-Trigger Und dieses Mal sollte es funktionieren , weil die Tabelle nicht mehr leer ist Also wähle ich diesen aus und klicken wir auf Weiter mit ausgewähltem Datensatz Okay, als Nächstes werden wir KI zum Automatisierungs-Workflow hinzufügen Klicken wir also darauf und ich wähle Custom Pm aus. Für das KI-Modell werde ich GPT 4 verwenden, aber es gibt auch andere Optionen wie nthropy Fühlen Sie sich frei, jedes beliebige KI-Modell zu verwenden. Es liegt ganz bei dir. Als Nächstes werden wir das Eingabefeld hinzufügen. Klicken wir also auf Feld hinzufügen. Ich werde dem Feld den Namen Feedback geben. Du kannst es nennen, wie du willst. Es liegt ganz bei dir. Als Nächstes fügen wir den Feldwert hinzu. Also lass uns das anklicken. Und ich wähle Feedback aus. Und lassen Sie uns auf Speichern klicken. Als Nächstes schreibe ich die Eingabeaufforderung. Analysieren Sie Kundenfeedback und Stimmung. Zugewiesenes Stimmungslabel wie positiv, negativ oder neutral Okay, jetzt werde ich den Abschlussball verbessern, also klicke ich auf „Pm verbessern Also wird KI den Abschlussball modifizieren und verbessern. Als Nächstes werde ich Ausgabefelder für den Abschlussball generieren. Klicken wir also auf „Aus Ausgabe generieren“. Okay, es wird ein paar Sekunden dauern, vielleicht fünf oder zehn Sekunden. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Okay, wir haben zwei Ausgabefelder Kundenfeedback und Stimmungslabel Als Nächstes klicke ich auf Vorschau generieren. Okay, wartet einfach, Leute. Es wird vielleicht zehn oder 15 Sekunden dauern. Okay, hier ist das Kundenfeedback und hier ist das Stimmungslabel Und lassen Sie uns auf Fertig stellen klicken. Als Nächstes fügen wir einen weiteren Schritt hinzu. Klicken wir also darauf und dann auf Apps, und ich wähle erneut Google Sheets aus. Als Nächstes klicken wir auf Coos und Event und geben die Zeile „Tabelle aktualisieren Und lassen Sie uns auf Weiter klicken. Okay, jetzt wählen wir die Tabelle aus. Also lass uns das anklicken. Natürlich werden wir Kundenfeedback-Daten auswählen. Als Nächstes wählen wir das Arbeitsblatt aus. Klicken wir also auf Just value und ich wähle **** aus. Nun, in diesem Fall haben wir nur ein****, richtig? Schau dir das an. Okay, lass uns zurück zu Zapier gehen Als Nächstes wählen wir die Zeile aus. Klicken wir also auf diese drei Punkte und dann auf Benutzerdefiniert. Und lassen Sie uns in Google auf Neue Tabelle klicken, und ich wähle Zeilen-ID als Nächstes auf das Datum Klicken wir als Nächstes auf das Datum und ich wähle Als Kundenname wähle ich Kundenname aus. Für Feedback wähle ich Feedback aus. Und tatsächlich müssen wir noch eine Spalte hinzufügen, Leute. Fügen wir also eine Spalte mit einem Stimmungslabel hinzu. Und wir werden die Seite aktualisieren. Wie ihr sehen könnt, haben wir jetzt eine weitere Spalte Der Name der Spalte lautet Sentiment Label. Das ist die Spalte, die wir gerade hinzugefügt haben. Klicken wir darauf und klicken wir auf Daten analysieren und zurückgeben und wählen dann das Stimmungslabel In diesem Fall wird das Stimmungslabel zu dieser Spalte hinzugefügt Gehen wir zurück zu Zapier und Sie können den Farbtext ändern Sie können es auch fett oder kursiv machen, es liegt ganz bei Ihnen. Sie können es nach Belieben anpassen. Als Nächstes klicken wir auf Weiter. Und lassen Sie uns auf Test Step klicken. Okay, jetzt werden die Automatisierungen getestet. Es wird ein paar Sekunden dauern. Und lass uns auf Veröffentlichen klicken. Okay, jetzt veröffentlichen wir die Automatisierungen. Es dauert ungefähr 10 Sekunden. Okay, wir haben die Automatisierungen erfolgreich veröffentlicht, und jetzt laufen die Automatisierungen Und lasst uns zu Google**** gehen, wie ihr sehen könnt. Jetzt haben wir das Stimmungslabel und es ist positiv. Der Filter für Nachfrageprognosen hat uns geholfen die Überbestände um fast 18% zu reduzieren, was Das ist natürlich ein positives Feedback, oder? Okay, sehr cool. Jetzt werden wir diese Automatisierungen erneut testen, also werden wir eine weitere Zeile hinzufügen Lassen Sie uns also das Datum kopieren und einfügen. Lassen Sie uns den Kundennamen kopieren und einfügen. Und lassen Sie uns das Kundenfeedback kopieren und einfügen. Nun, es sollte hier sein. Eigentlich wird es nicht sofort in 1 Sekunde aktualisiert. Es wird vielleicht fünf oder zehn Sekunden dauern, oder ihr könnt die Seite aktualisieren und ihr werdet das Stimmungslabel hier sehen, Leute Okay, lassen Sie uns das noch einmal überprüfen. Nun, es dauerte nur vielleicht 5 Sekunden oder sogar weniger als 5 Sekunden. Okay, das Stimmungslabel ist negativ. Die Benutzeroberfläche ist zunächst verwirrend und die Onboarding-Tutorials sind zu kurz. Wir haben Wochen gebraucht, um uns daran zu gewöhnen. Das ist also offensichtlich ein negatives Feedback, oder? Okay, sehr cool. Wir haben gerade mithilfe von Zapier Automatisierungen zur Analyse von Kundenfeedback entwickelt . Okay, ich glaube, das ist es Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Junge. 5. Automatisierung der KI-Ausgabenkategorisierung mit Make erstellen: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir eine einfache KI-Automatisierung entwickeln, eine einfache KI-Automatisierung Sie Ihre Transaktionen oder Ausgaben mithilfe von make.com kategorisieren Okay, lass uns anfangen. Lassen Sie uns zunächst Google Sheet öffnen und vier Spalten erstellen. Das erste ist das Transaktionsdatum. Der zweite ist der Transaktionsbetrag. Die dritte ist Beschreibung, und die vierte ist Kategorie. Und wir werden make.com mit Google**** verbinden, damit das KI-Modell auf Ihr Google**** zugreifen kann Okay, lass uns einloggen. Ich werde mich mit meinem Gmail-Konto anmelden. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet. Okay, hier ist mein Dashboard und lass uns anfangen. Ich klicke auf „ KI-Tools erstellen und du hast zwei Möglichkeiten. Sie können die KI-Automatisierungen von Grund auf neu erstellen oder auch eine dieser Vorlagen verwenden Es gibt viele Vorlagen, die Sie verwenden und anpassen können. Okay, ich werde anfangen, die KI-Automatisierungen von Grund auf neu zu vergolden KI-Automatisierungen von Grund auf neu Klicken wir auf „Bauen starten und Sie werden auf diese Seite weitergeleitet Dies ist die Bearbeitungsseite. Okay, zuerst werden wir Google **** hinzufügen. Klicken wir also darauf und dann auf Google *****. Und ich werde What's Rose auswählen. Als Nächstes werden wir eine Verbindung herstellen. Also werden wir unser Googleshit-Konto mit make.com verbinden . Also lass uns das Und ich werde auf Mit Google anmelden klicken. Und ich werde dieses Konto auswählen und dann auf Weiter klicken. Lassen Sie uns all diese Kästchen ankreuzen. In diesem Fall gebe ich make.com den Zugriff auf mein Google Sheet und lass uns auf Weiter klicken Okay, es wird immer noch geladen. Es wird ein paar Sekunden dauern. Als Nächstes wählen wir die Tabelle aus. Also lass uns darauf klicken Klicken Sie hier, um Datei auszuwählen. Und natürlich werde ich Ausgabendaten auswählen. Das ist der Name der Datei. Geben wir also die Ausgabendaten ein. Und für den Blattnamen mögen wir Blatt eins. Nun, in diesem Fall haben wir nur Blatt eins, oder? Und lass uns nach unten scrollen. Tabelle enthält eine Kopfzeile, und stellen Sie sicher, dass Sie ja mögen, denn wir haben diese Überschrift, die Beschreibungen für Datum, Betrag und Kategorie. Lassen Sie uns ein wenig nach oben scrollen. Für die Suchmethode gibt es drei Optionen: Suchen Sie nach PAT, wählen Sie aus A und geben Sie manuell ein. Ich wähle die erste Suche nach PAT aus. Okay, lass uns auf Speichern klicken. Und als Nächstes werden wir ein weiteres Modul hinzufügen. Also lass uns das anklicken. In diesem Fall werden wir das von make.com bereitgestellte KI-Modell verwenden von make.com bereitgestellte KI-Modell Geben wir KI ein und klicken wir auf „Alles fragen“. Dies ist ein kostenloses KI-Modell, das von make.com bereitgestellt wird, und ihr braucht hier keinen API-Schlüssel, Leute Als Nächstes wählen wir das KI-Modell aus. Es gibt drei Optionen: GPT OSS 20 B, GPT OSS, 120 B und GPT In diesem Fall wähle ich die erste aus. Sie können gerne ein beliebiges KI-Modell auswählen. Es liegt ganz bei dir. Als Nächstes werden wir die Aufforderung schreiben. Zugewiesene Transaktionen oder Ausgabenkategorie auf der Grundlage von Beschreibungen. Klicken wir also darauf und dann auf Speichern. Okay, jetzt werden wir ein weiteres Modul hinzufügen. Klicken wir also darauf und dann auf Google Shins. Wie ihr sehen könnt, gibt es mehrere Möglichkeiten. Lass uns quasi eine Zeile aktualisieren. Klicken wir hier für die Suchmethode, wählen wir die Suche nach Pfad aus. Und lassen Sie uns hier klicken , um die Datei auszuwählen. Und denkt daran, Leute, der Name der Datei lautet Expense Data. Geben wir also die Ausgabendaten ein. Und es gibt nur einen Platz in den Ausgabendaten. Klicken wir also auf das****. Für die Zeilennummer wähle ich die Zeilennummer aus. Scrollen wir ein bisschen nach unten. Kopfzeile des Tabelleninhalts. Ich werde ja sagen, weil diese Daten offensichtlich einen Header haben, oder? Das erste Seil ist also der Header. Als Datum wählen wir das Datum aus. Für den Betrag wählen wir den Betrag für die Beschreibungen, wir wählen die Beschreibung und für die Kategorie wählen wir die Antwort aus. Scrollen wir nach unten und klicken wir auf Speichern. Und lass uns Google **** öffnen. Wie ihr sehen könnt, ist es immer noch leer. Also werde ich Chat-GPD verwenden, um zufällige Transaktions - oder Ausgabendaten zu generieren , und ich werde diese kopieren, einfügen und hier einfügen. Okay, als Nächstes werden wir die KI-Automatisierungen ausführen. Gehen wir also zurück zu make.com und klicken wir auf Run Once Okay, jetzt führen wir die KI-Automatisierungen aus. Es wird ein paar Sekunden dauern, vielleicht zehn oder 15 Sekunden. Also wartet einfach, Leute. Okay, los geht's. Wie ihr hier sehen könnt, hat KI die Kategorie Transaktionen hinzugefügt. Für diese Transaktionen ist die Kategorie also Lebensmittel. Okay, sehr cool. Eigentlich hast du zwei Möglichkeiten. Sie können die Automatisierung einmal ausführen, indem Sie einfach auf diese Schaltfläche klicken, oder Sie können die Automatisierungen automatisch alle 15 Minuten ausführen die Automatisierungen automatisch alle 15 Minuten Sie können dies aktivieren, klicken Sie einfach darauf. Wenn Sie diesem Google Sheet also alle 15 Minuten weitere Transaktionen hinzufügen , aktualisiert AI die Zelle. Okay, Leute, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Junge. 6. Automatisierung der Bestandsverfolgung mit Make erstellen: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von M Automatisierungen zur Inventarverfolgung erstellen mithilfe von M Automatisierungen zur Inventarverfolgung . Es handelt sich also eine einfache Automatisierung, die Ihre Inventardaten überwacht und prüft, ob Ihre Lagermenge unter dem Nachbestellwert liegt, und Ihnen dann automatisch eine E-Mail sendet Es wird Sie also daran erinnern, die Produkte nachzubestellen Okay, lass uns anfangen. Klicken wir auf dieses Erstellungsszenario. Und Sie werden zur Bearbeitungsseite weitergeleitet. Okay, es wird immer noch geladen. Es wird ein paar Sekunden dauern. Okay, jetzt klicken wir darauf und wählen Google Sheets. Okay, lass uns darauf klicken und wir werden auswählen, was neu ist, Rose. Es wird also ausgelöst, wenn eine neue Zeile bearbeitet wird. Klicken wir also in diesem Beispiel darauf, wir werden diese Inventardaten verwenden. Wir haben fünf Spalten: Produktname, SKU, Lagermenge, Nachbestellmenge und Standorte Im Grunde wird die KI-Automatisierung also prüfen, ob die Lagermenge unter dem Nachbestellwert liegt Wenn das der Fall ist, wird automatisch eine E-Mail gesendet Es wird Sie daran erinnern, die Produkte zu bestellen. Okay, gehen wir zurück zu make.com, und wir werden darauf klicken und wir werden Make mit den Inventardaten verbinden Geben wir also den Dateinamen „Inventardaten“ ein. Und wie ihr sehen könnt, gibt es hier nur einen ****, St. One. Klicken wir also darauf und wählen wir St one. Und lassen Sie uns für das Limit nach unten scrollen, wir werden es auf zehn setzen. Und lass uns auf Speichern klicken. Und lassen Sie uns alles auswählen und erneut auf Speichern klicken. Als Nächstes klicken wir auf ein anderes Modul. Und lass uns KI eingeben. Wir werden also das von Make bereitgestellte KI-Modell verwenden, es ist also ein kostenloses KI-Modell und Sie benötigen keinen API-Schlüssel. Und lass uns als Anythink klicken. Und wir werden zuerst die Daten filtern , also klicken wir darauf Und ich werde das Etikett Quantity Check nennen. Sie können es benennen, wo immer Sie wollen. Es liegt ganz bei Ihnen, und wir werden eine bedingte Aussage erstellen. Also werden wir die Lagermenge wählen. Und für den Textoperator wird es weniger Dellen geben. Und lassen Sie uns die Nachbestellstufe wählen. Hier ist die bedingte Aussage. Wenn die Lagermenge unter dem Nachbestellwert liegt, werden wir die Benachrichtigungen versenden Klicken wir auf Speichern und wir werden den E-Mail-Inhalt mithilfe von KI schreiben. Lass uns darauf klicken. Für das KI-Modell wähle ich GPT Five Ich denke, das ist das beste Modell, und jetzt werden wir den Abschlussball schreiben Schreiben Sie eine kurze Erinnerungs-E-Mail, um das Produkt nachzubestellen , wenn die Lagermenge unter dem Nachbestellwert liegt Verwenden Sie diese Spalten als Referenz. Und ich werde drei Spalten hinzufügen: Produktnamen, Lagermenge und Nachbestellmenge. Und lass uns auf Speichern klicken Und lassen Sie uns ein weiteres Modul hinzufügen. Lass uns das anklicken. Und lassen Sie uns GML eingeben Und lass uns auf E-Mail senden klicken. Okay, zuerst müssen wir unser Gmail-Konto mit Make verbinden. Klicken wir also auf Verbindungen erstellen. Okay, jetzt klicken wir auf „ Mit Google anmelden“. Und Sie werden auf diese Seite weitergeleitet. Und ich werde darauf klicken. Dies ist das E-Mail-Konto , das ich verwenden möchte Klicken wir auf Weiter und stellen Sie sicher, dass Sie alle Kästchen ankreuzen. Sie gewähren Make also Zugriff auf Ihren Posteingang und lassen Sie uns auf Weiter klicken. Okay, wir haben Make erfolgreich mit GML verbunden. Okay, zuerst werden wir den Empfänger hinzufügen. Also werde ich mein anderes E-Mail-Konto hinzufügen, Chris aldica@gmail.com. Die Erinnerungs-E-Mail wird also an diese E-Mail gesendet. Als Nächstes gebe ich den Betreff LowsOkrMinder ein. Das wird also der Betreff der E-Mail sein. Als Nächstes werden wir den Inhalt hinzufügen. Klicken wir also auf diese Inhaltssammlungen. Scrollen wir ein bisschen nach unten. Und für Text fügen wir eine Antwort hinzu. Das wird also der KI-generierte E-Mail-Inhalt sein. Und lass uns auf Speichern klicken. Okay, Leute, wir sind fertig mit diesen Automatisierungen. Jetzt werden wir die Automatisierung ausführen. Klicken wir also einmal auf diesen Lauf. Es wird also geprüft, ob die Lagermenge unter dem Nachbestellwert liegt Wenn es eine findet, sendet es eine E-Mail Es wird eine Erinnerungs-E-Mail sein, Leute. Okay, klicken wir jetzt darauf wir starten die automatischen Missionen. Es wird ein paar Sekunden dauern, vielleicht zehn oder 15 Sekunden. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Nun, es hat nicht allzu lange gedauert, Leute. Es dauerte nur 10 Sekunden oder sogar weniger als 10 Sekunden. Okay, hier ist die E-Mail von Helpful Bd. Das ist meine andere E-Mail-Adresse. Betreff: Für die Nachbestellung wurden Aluminiumplatten benötigt. Wie ihr hier sehen könnt, beträgt die Lagermenge für dieses Produkt, Aluminiumplatten, nur eins, aber die Nachbestellmenge liegt aber die Nachbestellmenge liegt Die Lagermenge ist also offensichtlich geringer als die Nachbestellmenge Das ist der Grund, warum AI mir diese E-Mail geschickt hat. Okay, Leute, wir haben erfolgreich KI-Automatisierungen zur Inventarverfolgung mit Make entwickelt KI-Automatisierungen zur Inventarverfolgung mit Make Und wenn Sie möchten, dass diese KI-Automatisierungen weiterlaufen, können Sie alle 15 Minuten auf „ Ausführen“ klicken Wenn es also ein Update gibt, wird es dir eine weitere E-Mail schicken Okay, Leute, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss 7. Aufbau einer KI-Terminbuchungsautomatisierung mit n8n: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von NightN KI-Automationen für die Terminbuchung erstellen mithilfe von NightN KI-Automationen für die Terminbuchung Dies ist also eine einfache Automatisierung, die auf Ihren Google-Kalender zugreift, einen Termin bucht und Ihnen eine E-Mail sendet Okay, lass uns anfangen. Zunächst müssen Sie ein neues Konto erstellen und erhalten eine 14-tägige kostenlose Testversion. Klicken wir darauf und ich melde mich mit meinem Gmail-Konto und klicken wir auf Instanz öffnen. Und ich werde zu meinem Jazz-Board weitergeleitet. Okay, los geht's. Und lassen Sie uns auf Workflow erstellen klicken. Wie ihr sehen könnt, werden wir zur Bearbeitungsseite weitergeleitet. Okay, Leute, ihr habt drei Möglichkeiten. Die erste Option besteht darin, die Automatisierungen von Grund auf neu zu erstellen die Automatisierungen von Grund auf neu Die zweite Option besteht darin, die Automatisierungen mithilfe von KI zu erstellen, und die dritte Option besteht darin, die Automatisierungen anhand einer Vorlage zu erstellen Es gibt viele kostenlose Vorlagen, die Sie verwenden und anpassen können In diesem Fall werden wir die Automatisierungen mithilfe von KI erstellen Klicken wir also auf dieses Buch mit KI, und ich werde die Aufforderung schreiben Okay, hier ist die Aufforderung. Erstellen Sie einen Workflow, mit einem Terminbuchungsformular beginnt und einen Hinweis zur manuellen Workflow-Konfiguration verwendet. Speichern Sie dann die Termindaten in einer Sitzung, analysieren Sie die Uhrzeit und bereiten Sie die Daten vor, erstellen Sie ein Kalenderereignis, generieren Sie den E-Mail-Inhalt und senden Sie schließlich eine Bestätigungs-E-Mail Ich werde dieses Problem konkreter machen. Formular zur Terminbuchung, in dem mein Kunde seinen Namen, seine E-Mail-Adresse und die bevorzugte Uhrzeit eingeben muss . Und lass uns auf Generieren klicken. Okay, jetzt erstellt KI den Automatisierungs-Workflow. Es wird ein paar Minuten dauern, vielleicht zwei oder 3 Minuten. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange und ich freue mich sehr auf das Ergebnis. Nun, es hat nicht allzu lange gedauert. Es dauerte nur eine Minute oder sogar weniger als eine Minute. Okay, hier ist der Automatisierungs-Workflow. Zunächst haben wir ein Formular zur Terminbuchung, sodass unser Kunde hier seinen Namen, seine E-Mail-Adresse und auch die bevorzugte Uhrzeit Als Nächstes haben wir Workflow-Konfigurationen. Also lass uns das anklicken. Und für die E-Mail werde ich den Platzhalterwert durch meine eigene E-Mail ersetzen den Platzhalterwert durch meine eigene E-Mail Okay, los geht's. Und ich ersetze auch die Absender-E-Mail durch meine E-Mail. Als Nächstes müssen wir Anmeldeinformationen für Google Sheets hinzufügen. Klicken wir also darauf und dann auf Neue Anmeldeinformationen erstellen. Und klicken wir auf Mit Google anmelden. Und ich werde dieses Konto auswählen. Und lass uns auf Weiter klicken. In diesem Fall geben wir also acht und Zugriff auf Google ****. Okay, jetzt haben wir Google **** erfolgreich mit Eat verbunden. Als Nächstes werden wir Anmeldeinformationen für Google Calendar hinzufügen . Also lass uns darauf klicken. Und lassen Sie uns Neue Anmeldeinformationen erstellen klicken. Und lass uns auf Mit Google anmelden klicken. Ich werde dieses Konto verwenden und lass uns auf Weiter klicken. In diesem Fall geben wir also acht und Zugriff auf Google Calendar. Okay, wir haben acht erfolgreich mit Google Calendar verbunden. Und schließlich werden wir dasselbe für GML tun. Klicken wir also darauf und dann auf Neue Anmeldeinformationen erstellen, und ich melde mich mit demselben Gmail-Konto an In diesem Fall gewähren wir NAN also Zugriff auf unseren E-Mail-Posteingang. Klicken wir auf Weiter Okay, Verbindung ist erfolgreich. Wir haben GML erfolgreich mit acht N verbunden. Okay, sehr cool. Jetzt werden wir die Seite aktualisieren Und lass uns auf Reload klicken. Als Nächstes öffnen wir Ihr Google Sheet und erstellen eine neue Datei Ich werde die Datei Terminbuchungsdaten nennen. Und das wird ein leeres Google Sheet sein. Und gehen wir zurück zu Eight End, und wir werden acht n mit dieser Google Sheet-Datei verbinden . Klicken wir also auf „Termindaten speichern“, klicken wir auf „ Aus der Liste“ und geben die Daten zur Terminbuchung ein. Und in diesem Fall gibt es nur einen Treffer **** eins. Also fügen wir hier **** eins hinzu. für die Operationen sicher, dass Sie einen Stift oder eine Aktualisierungszeile auswählen. für die Ressource sicher , dass Sie **** mit Dokument auswählen. Und stellen Sie sicher, dass Sie Google Sheets bereits mit NN verbunden haben . Das haben wir schon einmal getan, oder? Okay, jetzt klicken wir auf Speichern. Okay, jetzt klicken wir auf Workflow ausführen und Sie werden zum Spade weitergeleitet, und Sie werden zum Spade weitergeleitet wo wir den vollständigen Namen eingeben Ich gebe meinen Namen Chris Aldika ein , lass uns die E-Mail-Adresse eingeben Ich werde mein anderes E-Mail-Konto verwenden. Geben wir heute um 17:00 Uhr das bevorzugte Datum und die bevorzugte Uhrzeit ein und klicken wir auf Termin buchen. aZIGUS kann sehen, dass die Kundendaten automatisch zu meinem Google**** hinzugefügt wurden Okay, Chris Altica, das ist mein Name. Das ist meine E-Mail-Adresse, und das bevorzugte Datum und die bevorzugte Uhrzeit ist heute um 17:00 Uhr. Okay, sehr cool Okay, jetzt öffnen wir das Gmail-Postfach für acht und wir haben eine neue E-Mail erhalten. Hallo Chris. Dies ist eine Bestätigung Ihres Termins am Dienstag, den 9. Dezember 2025 um 17:00 Uhr. Klicken Sie hier, um ihn Ihrem Kalender hinzuzufügen Ich freue mich auf unser Treffen Mit freundlichen Grüßen. Okay, sehr cool. Das ist die Bestätigungs-E-Mail. Und wenn Sie Ihren Google-Kalender öffnen, kann aZegus sehen, dass AI gebucht hat Okay, sehr cool. Ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 8. Aufbau von KI-Content-Marketing-Automatisierung mit n8n: Hallo. Holly, Leute Willkommen zurück zum Kurs. In diesem Video werden wir KI-Content-Marketing-Automatisierungen mithilfe von Naten erstellen KI-Content-Marketing-Automatisierungen mithilfe von Naten Okay, lass uns anfangen. Zuerst klicke ich auf Build with AI und schreibe den Abschlussball. Erstellen Sie KI-Content-Marketing-Automatisierungen. Das erfordert zwei Eingaben vom Benutzer. Produktname und Produktbeschreibungen. Auf der Grundlage dieser Eingaben erstellt die KI eine Code-E-Mail. Schreiben Sie einen Newsletter-Artikel. Und speichere es in meinen Google Docs. Generieren Sie ein Bild und posten Sie es auf Instagram. Erstellen Sie mit FiO ein Kurzvideo. Das ist eines der besten Modelle für die Erstellung von Videos. Dann poste das Video auf YouTube und Tik Tok. AI schreibt auch Tweet und lncNpase und pausiert sie automatisch Verwenden Sie für das KI-Modell Mistral AI. Sie können jedes beliebige große Sprachmodell verwenden, es liegt ganz bei Ihnen es liegt ganz Okay, lass uns auf Generieren klicken. Jetzt wird KI den Automatisierungs-Workflow erstellen. Es wird ein paar Minuten dauern, vielleicht zwei oder 3 Minuten. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Nun, es hat nicht allzu lange gedauert, Leute. Es dauerte nur 2 Minuten oder sogar weniger als 2 Minuten. Okay, hier ist der KI-Automatisierungs-Workflow für Content Marketing. Okay. Erstens haben wir ein Produkteingabeformular. Lass uns darauf klicken. Wie ihr sehen könnt, haben wir zwei Eingaben. Der erste ist der Produktname und der zweite ist die Produktbeschreibung. Der Benutzer muss diese Werte also eingeben. Als Nächstes haben wir Workflow-Konfigurationen. In den Daten aus dem Formular werden also ihr Produktname und ihre Produktbeschreibungen gespeichert . Als Nächstes wird KI den Cold-E-Mail-Generator mit Mistral AI schreiben den Cold-E-Mail-Generator mit Mistral AI Das ist also das große Sprachmodell , das hier verwendet wird, und es wird den E-Mail-Entwurf erstellen Es wird also in Ihrem Gmail-Posteingang bereit sein. Alles was Sie tun müssen, ist auf SN zu klicken. Als Nächstes schreibt AI einen Newsletter-Artikel und speichert den Artikel automatisch in Ihren Google Docs. Danach wird AI Gemini Image verwenden, um ein Bild zu erstellen und dieses Bild automatisch auf Instagram zu veröffentlichen Danach wird AI auch Videos mit VO generieren Das ist die KI-Flasche, die wir verwenden, und sie wird das Video automatisch auf YouTube und auch auf TikTok veröffentlichen . Das ist also wie ein Kurzform-Inhalt, Leute. Als Nächstes wird KI einen Tweet schreiben und den Tweet automatisch posten Und zu guter Letzt wird die KI auch die Lincoln-Pose schreiben und sie auf Linkn posten Okay, lass uns jetzt ein bisschen nach oben scrollen und auf das Gemini-Bild klicken Und Sie müssen das Modell auswählen . Es gibt viele Möglichkeiten. Ich werde die Flash-Bildvorschau von Gemini 2.5 auswählen. Dies ist das Nano-Banana-Modell. Klicken wir auf Speichern und scrollen wir ein wenig und klicken wir auf VO. Sie müssen auch das Modell auswählen. Es gibt viele Möglichkeiten. Ich werde Modell VO 3.1 auswählen und eine Vorschau generieren. Das wird ein sehr kurzes Video sein, genau wie ein 15-Sekunden-Video. Lass uns auf Speichern klicken. Als Nächstes müssen Sie Anmeldeinformationen für Ihre Google Docs hinzufügen. wir also darauf und klicken wir auf Neue Anmeldeinformationen erstellen Sie müssen Ihre Client-ID und Ihr Kundengeheimnis eingeben und einfach auf Sicher klicken. Als Nächstes müssen Sie auch Anmeldeinformationen für Ihr Facebook hinzufügen. Sie müssen also Ihr Facebook-Konto mit Ihrem Nightn verbinden Ihr Facebook-Konto mit Ihrem . Also lass uns das anklicken Klicken wir auf Neue Anmeldeinformationen erstellen, und Sie müssen Ihr AccessToken eingeben. Als Nächstes müssen Sie Anmeldeinformationen für Ihr YouTube-Konto hinzufügen , sodass Sie Ihr Night N mit YouTube verbinden müssen Klicken Sie einfach darauf und Sie müssen neue Anmeldeinformationen hinzufügen und Ihre Client-ID und Ihr Kundengeheimnis eingeben . Und Sie müssen dasselbe auch für Twitter und Linknt tun dasselbe auch für Twitter und Linknt Stellen Sie sicher, dass Sie Ihre Anmeldeinformationen hinzufügen und Ihr Twitter und Linknt mit einem Aten verbinden Okay, Leute, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 9. Erstellen eines KI-Produktforschungsagenten mit Relay-App: Holi Leute. Willkommen zurück zum Kurs In diesem Video werden wir mithilfe der Relay App einen KI-Produktforschungsagenten erstellen . Dieser KI-Agent hilft Ihnen dabei, umfassende Produktrecherchen durchzuführen und den Forschungsbericht zusammenzufassen Okay, lass uns anfangen. Zunächst melde ich mich mit meinem Gmail-Konto an. Sie können sich auch mit Ihrem Microsoft-Konto anmelden. Es liegt ganz bei Ihnen. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet und hier ist mein Dashboard. Okay, jetzt klicken wir auf diesen U-Work-Flow und Sie werden zur Bearbeitungsseite weitergeleitet. Und lassen Sie uns auf den Auslöser klicken. Und lassen Sie uns auf Manuell klicken. Lass uns auf Eingabe klicken. Und es gibt viele verschiedene Datentypen wie Text, Zahl, Ja oder Nein, E-Mail-Adresse mit Mehrfachauswahl, Datum und Uhrzeit und noch viele mehr. Ich wähle Text aus und gebe dem Umkreis einen Namen. Name des Produkts Sie können auch einen Standardwert hinzufügen und dann auf DT klicken. Okay, jetzt klicken wir bei Schritt darauf und dann auf KI und dann auf Recherche. Okay, jetzt werden wir den Abschlussball schreiben. Ich werde diesen Abschlussball benutzen. Der KI-Agent wird Produktforschung für Produktnamen, Preisgestaltung, Wettbewerber, Nachfragesignale durchführen Produktforschung für Produktnamen, Preisgestaltung, , Stimmung überprüfen und Bezugsoptionen von wichtigen Marktplätzen auswählen Anschließend wird es einen umfassenden Produktforschungsbericht mit Rentabilitätsbewertung erstellen einen umfassenden Produktforschungsbericht . Okay, das ist also der Abschlussball. Als Nächstes wähle ich das KI-Modell aus. Ich werde Perplexität verwenden. Das ist eine der besten Optionen für die Produktrecherche. Und es gibt andere Optionen wie Open AI, Anthropy, Google Gemini und X Sie können jedes beliebige KI-Modell verwenden. Es liegt ganz bei dir. Und lass uns das anklicken. Benutze dieses Modell. Und lass uns auf DT klicken. Und lassen Sie uns erneut darauf klicken und dann auf KI und dann auf Zusammenfassen klicken Und in diesem Fall werden wir diese Forschung natürlich mit KI zusammenfassen Klicken wir also auf Weiter , um den Produktforschungsbericht zusammenzufassen . Ich werde Gemini 2.5 FAS verwenden, aber es gibt auch andere Optionen wie GPD Fühlen Sie sich frei, jedes beliebige KI-Modell zu verwenden. Es liegt ganz bei dir. Und lass uns auf DT klicken und lass uns noch einmal darauf klicken. Und lassen Sie uns Google Docs eingeben. Also werden wir den Produktforschungsbericht in Google Dogs speichern . Klicken wir darauf und dann auf Dokument erstellen. Und lassen Sie uns auf Verbinden klicken. Okay, jetzt werden wir unsere Google Docs mit der Relay App verbinden . Lass uns auf dieses E-Mail-Konto klicken. In diesem Fall gewähren wir der Relay App also Zugriff auf Google Dogs. Klicken wir auf Weiter. Und ich werde all diese Kästchen ankreuzen und lassen Sie uns erneut auf Weiter klicken. Okay, wir haben Relay App erfolgreich mit Google Docs verbunden. Als Nächstes müssen Sie Ihren Zielordner angeben. Ich werde mein Laufwerk auswählen. Als Nächstes müssen Sie den Titel hinzufügen. Produktrecherche. Als Nächstes müssen Sie den Inhalt hinzufügen. In diesem Fall werden wir zwei Inhalte haben. Der erste ist ein Produktforschungsbericht. Klicken wir auf diese Recherche mit KI und dann auf KI-Ausgabe. Und die zweite ist Zusammenfassung der Produktrecherche. Bei. Klicken wir auf diese Zusammenfassung mit KI, KI-Ausgabe. Und lassen Sie uns auf Fertig klicken. Okay, Leute, wir sind fertig. Jetzt werden wir diesen KI-Agenten ausführen. Wir werden diesen KI-Agenten testen , um sicherzustellen, dass er funktioniert. Okay, lass uns das anklicken . Fang an, Zunt zu spielen. Und ich werde den Produktnamen eingeben. In diesem Fall werde ich Produktforschung für einen Pflug aus Memoryschaum durchführen Produktforschung für einen Pflug aus Memoryschaum Und lassen Sie uns auf Start Run klicken. Okay, jetzt läuft der KI-Agent. Es wird ein paar Minuten dauern, vielleicht ein oder zwei Minuten. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange und ich bin sehr gespannt auf das Ergebnis. Nun, es hat nicht allzu lange gedauert, Leute. Es dauerte nur eine Minute oder sogar weniger als eine Minute. Okay, lassen Sie uns Google Docs öffnen, und hier ist die Datei Produktforschung. Wie Sie sehen können, hat AI den Produktforschungsbericht und auch die Zusammenfassung der Produktrecherche erstellt den Produktforschungsbericht und auch die . Schau dir das an. Wir haben eine Zusammenfassung, Marktgröße und -wachstum, Preisanalysen, Wettbewerbslandschaft, Wettbewerbslandschaft, Nachfragesignale und Produktinnovationstrends. Was sonst? Regionalanalyse, Herausforderungen, Bewertung der Rentabilität Der Rentabilitätswert liegt also bei 825 von zehn. Wir haben die SWOT-Analyse, die Stärken, die Chancen, wir haben Empfehlungen Okay, sehr cool, Leute. Sehr aufschlussreicher Forschungsbericht. Ich denke, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 10. Erstellen eines KI-Lieferketten-Vertragsanalyse-Agenten mit Gumloop: Holigays, willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von Gumloop einen Agenten zur Analyse von KI-Verträgen für Lieferketten erstellen mithilfe von Gumloop einen Agenten zur Analyse von KI-Verträgen für Lieferketten Dieser KI-Agent kann Ihren Vertrag bewerten , beurteilen ob der Vertrag fair ist, und alle potenziellen Risiken analysieren Okay, lass uns anfangen. Klicken wir darauf und ich melde mich mit meinem GML-Konto Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet und hier ist mein Dashboard Okay, lassen Sie uns jetzt auf diesen Flow erstellen klicken und Sie werden zur Bearbeitungsseite weitergeleitet. In diesem Beispiel werde ich diesen Lieferkettenvertrag für Kartoffeln verwenden . Also verwende ich diesen GPT, um einen zufälligen Vertrag zu generieren. Und wir werden das als PDF herunterladen. Okay, jetzt gehen wir zurück zu Gumloop und klicken wir auf Start mit einem Trigger Okay, lasst uns anfangen, Leute. Lassen Sie uns PDF eingeben und ich wähle den PDF-Reader aus. Okay, jetzt setzen wir den Lesemodus auf Standard. Wenn der Vertrag jedoch einige Bilder enthält, können Sie auch OCR oder optische Zeichenerkennung hinzufügen, sodass Text aus dem Bild extrahiert werden kann Als Nächstes werden wir diesen PDF-Reader mit dem AI-Agenten verbinden diesen PDF-Reader mit dem AI-Agenten Geben wir also AI-Agent ein. Und lass uns das ziehen. Und lassen Sie uns auf Optionen auswählen klicken. Klicken wir auf Create Agent. Und für das KI-Modell werde ich Cloud 4.5 Okus auswählen Sie können jederzeit jedes Modell verwenden, das Sie möchten. Es liegt ganz bei Ihnen, lassen Sie uns auf Speichern klicken. Und lassen Sie uns das schließen. Okay, jetzt werden wir den PDF-Reader mit dem AI-Agenten verbinden. Und wir werden anfangen, den Prong zu schreiben. Analysieren Sie diesen Lieferkettenvertrag. Lassen Sie uns den PDF-Inhalt ziehen und hier ablegen. Beurteilen Sie die Fairness und identifizieren Sie alle potenziellen Risiken Okay, das ist also der Abschlussball, eine sehr einfache Aufforderung Als Nächstes geben wir Google Docs ein. Und lassen Sie uns diesen Google Docs-Autor zurückziehen. Zunächst werden wir Gumloop mit Google Doc verbinden. Klicken wir auf Authentifizieren und dann auf Link Ich melde mich mit diesem Konto an und klicken auf Weiter, und wir geben Gumloop Zugriff auf Google Docs und wir geben Gumloop Zugriff auf Klicken wir erneut auf Weiter. Okay, jetzt haben wir Google Docs erfolgreich mit Gumloop verbunden Als Nächstes werden wir den AI-Agenten mit Google Docs verbinden Die gesamte Analyse wird zu Google Docs hinzugefügt. Okay, los geht's. Ich werde das nach rechts lenken und den Titel hinzufügen. Vertragsanalyse. Ergebnis. Als Nächstes füge ich den Inhalt hinzu. Fügen wir also die KI-Antworten hinzu. Und für das Inhaltsformat haben Sie drei Optionen: Klartext, DML und Markdown Ich werde Klartext auswählen. Okay, jetzt werden wir diesen KI-Agenten testen. Wir werden diesen KI-Agenten ausführen und sicherstellen, dass der Agent wie erwartet funktioniert. Okay, lass uns das anklicken. Wir wählen eine Datei zum Hochladen und laden diese Datei hoch, Lieferketten-Vertrags-PDF. Dies ist dieselbe Datei, die ich Ihnen zuvor gezeigt habe. Klicken wir nun auf das PDF mit dem Lieferkettenvertrag und dann auf Ausführen. Okay, jetzt führen wir den KI-Agenten aus. Der Flow wurde gestartet. Es wird ein paar Sekunden dauern, vielleicht 20 oder 30 Sekunden. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange und ich freue mich sehr auf das Ergebnis. Nun, es hat nicht allzu lange gedauert. Es hat nur eine Minute gedauert. Okay, jetzt öffnen wir Google Docs und lassen Sie uns diese Datei öffnen. Ergebnis der Vertragsanalyse. Dieses Dokument wurde von AI erstellt. Okay, hier ist der Titel Lieferkettenvertragsanalyse. Wir haben eine allgemeine Bewertung der Fairness durchgeführt, und diese kritischen Risiken wurden identifiziert Es gibt viele Bereiche wie Lieferumfang, Preis und Bezahlung, Lieferung und Logistik, Qualität und Standards. Was sonst? Inspektionen, Dauer und Kündigung, Vertraulichkeit, Haftung und vieles mehr Und hier unten ist die Zusammenfassung. Die Fairness ist nur eins von fünf, also ist es einseitig Der Käuferschutz ist ebenfalls jeder Fünfte. Die Rechtssicherheit liegt bei zwei von fünf, und hier sind die Empfehlungen, abzulehnen und neu Okay, Leute, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. 11. Entwicklung eines KI-Sprachassistenten für Empfangsassistenten mit Eleven Labs: Heiße Leute. Willkommen zurück zum Kurs In diesem Video werden wir mithilfe von 11 Lampen einen KI-Sprachassistenten für Rezeptionisten erstellen mithilfe von 11 Lampen einen KI-Sprachassistenten für Rezeptionisten Dieser KI-Sprachagent kann also mit Ihren Kunden sprechen und deren Fragen beantworten Okay, lass uns zuerst anfangen. Ich werde mich mit meinem Gmail-Konto anmelden. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet, und hier ist mein Dashboard. Okay, jetzt klicken wir auf Agenten und Sie werden auf diese Seite weitergeleitet . Sie haben zwei Möglichkeiten. Sie können den AI-Agenten von Grund auf neu erstellen oder Sie können eine dieser Vorlagen verwenden und sie anpassen. Okay, jetzt klicken wir auf „ Alles von vorne beginnen“. Also werden wir den KI-Sprachagenten von Grund auf neu erstellen. Okay, zuerst müssen Sie den System-Prom schreiben. Okay, hier ist mein Abschlussball. Du kannst das Video posten und meine Aufforderung kopieren, oder du kannst auch deinen eigenen Abschlussball schreiben. Es liegt ganz bei dir. Okay, lass uns den Abschlussball lesen. Sie sind eine KI-Rezeptionistin für einen Friseursalon. Sie sind dafür verantwortlich, Anrufe entgegenzunehmen, Kunden herzlich zu behandeln und ihre Terminwünsche zu verstehen Deine Aufgabe ist es, Buchungen zu planen, Serviceinformationen bereitzustellen und dafür zu sorgen, dass jede Farbe reibungslos und freundlich Okay, das ist mein Abschlussball, eine sehr einfache Aufforderung. Als Nächstes füge ich die erste Nachricht hinzu. Dies ist die erste Nachricht , die der Agent sagen wird. Hallo. Wie kann ich dir heute helfen? Das ist die erste Nachricht, die der KI-Sprachagent Ihren Kunden sagen wird. Okay, jetzt klicken wir auf Speichern. Als Nächstes wählen wir die Stimme aus. Klicken Sie einfach darauf und klicken Sie einfach auf Voice. Es gibt viele Möglichkeiten. In diesem Fall verwende ich Erics Stimme. Wenn Sie die Stimme testen möchten, klicken Sie einfach auf die Play-Schaltfläche. Seine Beschwerde Als nächstes werden wir die Sprache auswählen. Ich werde Englisch wählen, aber Sie können gerne jede Sprache verwenden, die Sie möchten. Es liegt ganz bei dir. Als Nächstes wählen wir das KI-Modell aus. Es gibt viele Optionen wie GLM, Quint, GPT, Gemini. Ich werde Gemini 2.5 auswählen können jedes beliebige KI-Modell verwenden Es liegt ganz bei dir. Als Nächstes klicken wir auf diese Wissensdatenbank. Klicken wir auf Dokument und dann auf Text erstellen. Okay. Okay, jetzt werden wir allgemeines Wissen für den KI-Sprachagenten bereitstellen. Zeitplan für Berber. The Barber ist von Montag bis Samstag von 8:00 Uhr bis 18:00 Uhr geöffnet. Der Haarschnitt dauert 30 Minuten. Der Preis beträgt 25$. Und dem Kunden stehen zusätzliche Optionen zur Verfügung, um eine Bart- und Kopfmassage zu sparen , die jeweils 10,15 USD kosten werden Derzeit haben wir drei Friseure. Jon, James und Mark. John ist am Montag und Dienstag verfügbar. James ist am Mittwoch und Freitag verfügbar. In der Zwischenzeit ist Mark nur am Donnerstag verfügbar. Und lass uns auf Text erstellen klicken. Der KI-Sprachagent wird also die Kundenfragen auf der Grundlage dieser Wissensdatenbank beantworten . Okay, als Nächstes werden wir den KI-Sprachagenten testen. Klicken wir also auf diesen Vorschau-Agenten und Sie werden zu dieser Seite weitergeleitet. Und ich werde meine Lautstärke ein wenig erhöhen und auf diese Schaltfläche klicken. Rufen Sie den KI-Agenten an. Hallo. Wie kann ich dir heute helfen? Hey, ich möchte mir die Haare schneiden lassen Natürlich kann ich dir dabei helfen. , welchen Tag und welche Uhrzeit Sie bevorzugen würden, um Ihren Haarschnitt zu planen Könnten Sie mir bitte sagen welchen Tag und welche Uhrzeit Sie bevorzugen würden Vielleicht Dienstag oder Wetness Day. Wer ist am Dienstag verfügbar und wer ist am Wetness Day verfügbar Am Dienstag ist John verfügbar. Am Mittwoch ist James verfügbar. Haben Sie eine Präferenz zwischen ihnen oder möchten Sie mehr über ihre Verfügbarkeit erfahren? Nun, eigentlich werde ich den Haarschnitt am Dienstag machen. Also, kannst du den Zeitplan für mich buchen? Ja, das kann ich für dich buchen. Du möchtest also am Dienstag einen Haarschnitt mit John vereinbaren. Richtig. Wann wäre die beste Zeit für Ihren Termin? Wir haben von 8:00 Uhr bis 18:00 Uhr geöffnet. Vielleicht gegen vier oder 17:00 Uhr. Ist das okay? Ja, sowohl 16.00 Uhr als auch 17.00 Uhr. Wir stehen am Dienstag für einen Haarschnitt mit John zur Verfügung Welche Zeit würdest du bevorzugen? 17:00 Uhr Ordnung, ich buche dich für einen Haarschnitt mit John am Dienstag um 17:00 Uhr. Vielen Dank. Okay, Leute, so funktioniert AI Voice Agent. Es war echt cool. Es fühlt sich an, als hätte ich Gespräche mit Human geführt. Okay, ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 12. Erstellen von KI-Kundensupport-Sprachagenten mit Vapi: Holi Gays, willkommen zurück zum Kurs. In diesem Video werden wir einen KI-Sprachassistenten für den Kundensupport mithilfe von FAPI erstellen KI-Sprachassistenten für den Kundensupport mithilfe von Dieser KI-Agent kann mit Ihren Kunden sprechen und alle Fragen Ihrer Kunden beantworten alle Fragen Ihrer Kunden Okay, lass uns anfangen. Lass uns auf dieses OpenDSword klicken. Und du musst dich anmelden. Sie können sich mit Ihrem GML-Konto anmelden. Sie können sich mit Ihrem Github-Konto anmelden. Du kannst dich auch mit deinem Discord-Konto anmelden. In diesem Fall werde ich mich mit meinem GML-Konto anmelden. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet. Und hier ist mein Daskbd. Okay, jetzt klicken wir auf Assistance und dann auf Create Assistant Und ich werde den stellvertretenden AI-Kundenbetreuer benennen . Sie können ihn benennen, wo immer Sie wollen. Es liegt ganz bei dir. In diesem Fall haben Sie zwei Möglichkeiten. Sie können den AI-Agenten von Grund auf neu erstellen. Klicken Sie einfach auf diese leere Vorlage oder verwenden Sie eine dieser Vorlagen und passen Sie sie an. Es gibt verschiedene Vorlagen wie Kundenbetreuer, Lead Qualification Specialist, Terminplaner und noch viele mehr In diesem Fall verwenden wir die leere Vorlage. Klicken wir auf Create Assistant. Okay, los geht's. Und lass uns ein bisschen nach unten scrollen. Zunächst müssen Sie das KI-Modell auswählen , das Sie verwenden möchten. Es gibt verschiedene Optionen wie Open AI, Azure Anthropic, Google, Gemini, Grock, Dipsik, Mistral Ich wähle Open AI und ich wähle GPD und ich Sie können jedes beliebige KI-Modell verwenden. Es liegt ganz bei dir. Für den ersten Nachrichtenmodus wähle ich Assistance Speaks First aus. Und die erste Nachricht wäre Hallo. Und wie kann ich dir helfen? Als Nächstes werden wir den Systemanschluss eingeben. Ich werde diesen Stift benutzen. Du bist ein Sprachagent für KI-Kundensupport für die SAS-Plattform Accounting. Du bist dafür verantwortlich, Benutzern beim Onboarding bei der Behebung von Fehlern zu helfen und die wichtigsten Funktionen auf klare und freundliche Weise zu erklären wichtigsten Funktionen auf klare und freundliche Weise Sie sollten die Wissensdatenbank nutzen, um Fragen zu Rechnungsstellung, Kostenverfolgung, Perl-Setup, Abonnementplänen, Integrationen, Datenexport und Bestätigen Sie immer die Probleme des Benutzers, geben Sie genaue Anweisungen Schritt für Schritt und eskalieren Sie nur dann, wenn das Problem nicht durch Standardverfahren gelöst werden kann Als Nächstes lade ich ein einseitiges wissensbasiertes Dokument für mein SS-Produkt Das ist also eine Wissensdatenbank in Buchhaltungsgröße. Wir haben drei Hauptfunktionen in den Bereichen Rechnungsstellung, Kostenverfolgung und Gehaltsabrechnung Der KI-Agent wird also die Kundenfragen auf der Grundlage dieses Wissensdatenbankdokuments beantworten . Okay, lass uns das anklicken. Klicken wir auf Neue Datei und wir werden diese PDF-Datei hochladen. Und lassen Sie uns dieses Kästchen ankreuzen. Okay, jetzt klicken wir auf FOIE, wenn es viele verschiedene Stimmen gibt Ich werde Tara auswählen. Du kannst jede Stimme benutzen, die du willst. Es liegt ganz bei dir. Okay, als Nächstes klicken wir auf diesen Transkriptor. Für den Anbieter wähle ich DipGrem und für die Sprache Englisch Okay, jetzt werden wir diesen KI-Sprachagenten testen. Wir wollen sichergehen, ob dieser Agent funktioniert. Okay, als Nächstes klicken wir auf Veröffentlichen. Also werden wir den Assistenten veröffentlichen. Klicken wir auf Weiter und dann auf Veröffentlichen. Okay, es wurde erfolgreich veröffentlicht. Als Nächstes werden wir diesen KI-Sprachagenten ausprobieren. Klicken wir auf Talk to Assistant. Okay, jetzt stellt es eine Verbindung zum Server her. Es wird ein paar Sekunden dauern, vielleicht zehn oder 20 Sekunden. Es verbindet sich immer noch mit dem Server? Hallo. Wie kann ich dir helfen? Hallo. Ich habe Fragen zur Software. Wie viele Feeder haben Sie? Ich helfe Ihnen gerne mit speziellen Funktionen in Bezug auf Rechnungsstellung, Spesenverfolgung, Einrichtung der Gehaltsabrechnung, Abonnementpläne, Integrationen, Datenexport Wenn Sie Fragen zu einem dieser Bereiche haben oder Hilfe zu einem bestimmten Thema benötigen , können Sie diese gerne Okay, ich würde gerne mehr über die Kostenerfassung erfahren. Kannst du ein bisschen mehr erklären? Danke. der Funktion zur Kostenverfolgung können Sie Ausgaben effizient verwalten und überwachen. Hier ist ein kurzer Überblick über die Belegverwaltung. Sie können Belege hochladen, und das System verwendet OCR, optische Zeichenerkennung, um automatisch Details wie Fender zu extrahieren . Seht mal, Leute, das war Das hat meine Erwartungen übertroffen und es fühlt sich an, als hätte ich Gespräche mit einem Ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 13. Erstellen von KI-Vertriebs-Sprachagenten mit Voiceflow: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir den AISL Voice Agent mithilfe von Voiceflow erstellen AISL Voice Agent mithilfe von Voiceflow Dieser KI-Agent wird in der Lage sein, mit Ihren potenziellen Kunden oder potenziellen Kunden zu sprechen Ihren potenziellen Kunden oder potenziellen Kunden und alle Fragen zu beantworten alle Fragen Okay, lass uns anfangen. Zunächst melde ich mich mit meinem GML-Konto an. Klicken wir hier, um mit Google fortzufahren. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet, und hier ist mein Dust Board. Um den KI-Foie-Agenten zu erstellen, haben Sie zwei Möglichkeiten. Die erste Option besteht darin, den Abschlussball zu schreiben, und die zweite Option besteht darin, eine dieser Vorlagen zu verwenden , sodass Sie diese Vorlagen verwenden und anpassen können diese Vorlagen verwenden und anpassen In diesem Fall werde ich den Abschlussball schreiben, und in diesem Beispiel werden wir Sprachassistenten für KI Sales für ein Solarpanel-Unternehmen einrichten. Okay, lass uns den Abschlussball lesen. Sie sind ein KI-Vertriebsagent für ein Unternehmen, das Solarmodule installiert. Ihre Aufgabe ist es, Leads zu qualifizieren, die Vorteile der Umstellung auf Solarenergie zu erläutern und Farben für eine kostenlose Bewertung vor Ort zu entwickeln. Verwenden Sie eine klare, freundliche Sprache, stellen Sie gezielte Fragen zu Art, Stromrechnungen und Standorten und gehen Sie selbstbewusst mit Einwänden um, und Standorten und gehen Sie selbstbewusst mit Einwänden um während Sie sich darauf konzentrieren, den Lead zu konvertieren Okay, jetzt klicken wir auf Generieren. Es wird ein paar Minuten dauern, vielleicht zwei oder 3 Minuten. Wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Okay, hier ist der Arbeitsablauf für KI-Agenten. Erstens haben wir die Weiterleitung von Schlüsselqualifikationen. Als Nächstes wird der AI-Agent klären, welche Farben für welche Farben geeignet sind. Er führt die erforderlichen Qualifikationen durch und kümmert sich auch um Farben, für die kein Interesse besteht oder nicht in Frage Als Nächstes wird der KI-Agent die Vorteile der Solarenergie erläutern und eine Bewertung vornehmen. Es wird auch unqualifizierte Leads bearbeiten. Es wird Einwände bearbeiten und vor Ort buchen. Okay, sehr cool Jetzt werden wir diesen KI-Sprachagenten testen. Klicken wir also darauf, um Ihren Agenten zu testen. Okay, es wird immer noch geladen. Es wird ein paar Sekunden dauern. Hallo. Danke für den Anruf. Mein Name ist Sarah und ich rufe von Solo Max Solutions an, einem führenden Unternehmen für die Installation von Solarmodulen. Wir wenden uns an Hausbesitzer in Ihrer Nähe, die möglicherweise daran interessiert sind, zu erfahren , wie Sonnenkollektoren dazu beitragen können, ihre Stromkosten zu senken und den Wert ihres Eigenheims zu steigern Ich möchte Ihnen ein paar kurze Fragen stellen, um zu sehen ob Sie für unser kostenloses Solarbewertungsprogramm geeignet kostenloses Solarbewertungsprogramm Erstens, sind Sie Hausbesitzer an dieser Adresse? Zwei. Zahlen Sie derzeit eine Stromrechnung von 75 oder mehr pro Monat? Drei. Wären Sie daran interessiert zu erfahren, wie Sonnenkollektoren potenziell sein könnten? Okay, sehr cool, Leute. Sie können auch den KI-Agenten anrufen, klicken Sie einfach darauf, aber Sie müssen Ihre Telefonnummer eingeben. Nachdem Sie diesen KI-Agenten getestet und sichergestellt haben, dass er funktioniert, können Sie diesen AI Voice-Agenten veröffentlichen. Klicken Sie einfach auf „Veröffentlichen“. Hört mal, Leute, ich glaube, das ist es. Das ist alles, was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 14. Erstellen eines KI-Leadgenerierungs-Agenten mit Zapier: Holly, Leute, willkommen zurück zum Kurs. In diesem Video werden wir mithilfe von Zapier einen Agenten zur KI-Lead-Generierung erstellen mithilfe von Zapier einen Agenten zur KI-Lead-Generierung So wird der KI-Agent in der Lage sein jeden einzelnen Lead zu analysieren Es wird beurteilen können, ob der Lead qualifiziert ist oder nicht, und er wird auch die Leads weiterverfolgen und versuchen, diesen Lead zu schließen. Okay, lass uns anfangen. Zunächst müssen Sie sich mit Ihrem Gmail-Konto anmelden. Okay, jetzt klicken wir auf Create Agent. In diesem Fall haben Sie drei Optionen. Sie können den Agenten von Grund auf neu erstellen. Sie können eine dieser Vorlagen verwenden. Wie ihr sehen könnt, gibt es viele kostenlose Vorlagen, die ihr verwenden und anpassen könnt. Und die dritte Option besteht darin, KI zu verwenden, um den Agenten zu erstellen. Sie müssen nur den Abschlussball schreiben, Ihren Arbeitsablauf beschreiben und in weniger als einer Minute generiert KI den Arbeitsablauf für KI-Agenten. In diesem Fall werden wir den Agenten von Grund auf neu erstellen. Klicken wir also auf „Von vorne beginnen“. Und Sie werden zur Bearbeitungsseite weitergeleitet. Zunächst nenne ich den Agenten Lead Generations Agent. Sie können es benennen, wo immer Sie wollen. Es liegt ganz bei dir. Als Nächstes werden wir den Auslöser hinzufügen. Klicken wir darauf und geben wir Google **** ein. Sie müssen ein Google Sheet erstellen. Wie ihr sehen könnt, habe ich fünf Spalten : Name, E-Mail, Firmennachricht und Budget. In diesem Fall wird der KI-Agent also alle Leads aus diesen Google Sheets analysieren. Okay, jetzt kehren wir zu Zapier zurück und fügen einen Trigger hinzu, um den AI-Agenten zu starten Klicken wir also darauf und wählen wir Google Sheets Geben wir ein Update ein, und wir wählen diese eine neue oder aktualisierte Tabellenzeile Und lassen Sie uns den Namen der Datei eingeben, bei dem sich um Agency DS-Daten handelt Und es gibt nur eine****, ****-Eins. Klicken wir also auf **** eins und dann auf Speichern. In diesem Fall wird der KI-Agent also Daten aus diesem Google **** extrahieren. Stellen Sie also sicher, dass Sie Zapier mit der richtigen Datei verbinden Zapier mit der richtigen Datei Okay, jetzt werden wir die Aufforderung schreiben. Okay, hier ist meine Aufforderung. Lass uns an der Eingabeaufforderung sein. Sie sind ein AI-Agent zur Lead-Generierung für eine Videobearbeitungsagentur. Ihre Aufgabe ist es, jeden neuen Lead von meinem Google**** zu analysieren . Beurteilen Sie anhand des Budgets, des Projektumfangs und des Geschäftspotenzials, ob sie qualifiziert sind , und kennzeichnen Sie sie entsprechend. für jeden qualifizierten Lead Verfassen Sie für jeden qualifizierten Lead in My Gmail eine personalisierte Code-E-Mail , in der unsere Dienste vorgestellt, die relevanten Vorteile hervorgehoben und der Kunde aufgefordert wird, einen Anruf zu buchen. Als Nächstes werden wir zwei zusätzliche Tools hinzufügen. Das erste ist Google Sheet Update. Klicken wir auf Tool hinzufügen und dann auf Google **** und geben wir Update ein. Und wir wählen das aus, die Tabellenkalkulation aktualisieren. Danach fügen wir GML hinzu und geben den Entwurf ein Okay, als Nächstes werden wir ein wenig nach unten scrollen. Und wenn Sie ein wissensbasiertes Dokument haben, können Sie die Datei hier hinzufügen. Klicken Sie einfach auf Koletsurce und Sie können die Datei hochladen, oder wenn Sie sie in Ihren Google Docs behalten, können Sie Ihren KI-Agenten mit Google Docs verbinden Okay, jetzt klicken wir auf diese Agentenvorschau. Und bevor Sie den KI-Agenten ausführen, müssen Sie sicherstellen, dass Sie Ihr Gmail bereits mit Zapier verbunden haben , und dann klicken wir auf Agent testen Okay, jetzt starten wir den Agenten. Es wird ein paar Minuten dauern, vielleicht ein oder zwei Minuten. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Nun, der KI-Agent lief 3 Minuten lang, und hier ist das Ergebnis. Zunächst extrahiert der KI-Agent die Daten aus den Google Sheets und wählt die Leads aus, Serakim Der Firmenname ist Bright Content. Scrollen wir nach unten. erstellte der AI-Agent den E-Mail-Entwurf an Serakim auf bredcontent.co Das ist also die Leads-E-Mail. Und hier ist der E-Mail-Text. Schau dir das an. Sehr cool, oder? Und hier ist die Lead-Analyse. Bewertung der Leads. Und ergriffene Maßnahmen. Okay, sehr cool. Jetzt werden wir diesen KI-Agenten der späten Generation aktivieren. Also lass uns das anklicken. Okay, lassen Sie uns jetzt den GML-Posteingang öffnen und klicken wir auf DRF und dann darauf Wie ihr sehen könnt, hat der KI-Agent den E-Mail-Entwurf für Sara erstellt. Hallo, Sara, mir ist aufgefallen, dass Brad Content Co sucht als Videobearbeitungsagentur, die sich auf konsistente, qualitativ hochwertige Inhaltsproduktionen spezialisiert hat, nach wöchentlichen Videobearbeitungsunterstützung für YouTube und Kurzfilme Videobearbeitungsagentur, die sich auf konsistente, qualitativ hochwertige Inhaltsproduktionen spezialisiert hat, nach wöchentlichen Videobearbeitungsunterstützung konsistente, qualitativ hochwertige Ich helfe Ihnen gerne dabei, diesen Prozess zu rationalisieren . Okay, sehr cool Und du musst nur auf SN klicken. Okay, Leute, ich glaube, das ist es. Das ist alles, was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 15. Erstellen eines KI-Datenanalyse-Agenten mit Python Llama: Wie ihr. Willkommen zurück zum Kurs. In diesem Video werden wir einen KI-Datenanalyse-Agenten mit Python und Llama erstellen KI-Datenanalyse-Agenten mit Python und Llama Die IDE, die wir verwenden werden , ist Google Colab Wenn Sie jedoch eine andere IDE verwenden möchten, vielleicht VS-Code oder PyCharm, liegt es ganz Okay, lass uns anfangen. Lassen Sie uns zunächst eine neue Datei erstellen. Klicken Sie einfach auf Datei und dann auf Neues Notizbuch. Okay, jetzt werden wir mehrere Python-Bibliotheken importieren. Lassen Sie uns Anfragen importieren. Wir werden diese Bibliothek für die Bearbeitung von API-Anfragen verwenden . Als Nächstes werden wir JSOT- oder JavaScript-Objektnotationen importieren JSOT- oder JavaScript-Objektnotationen Wir werden diese Bibliothek für die JSON-Codierung verwenden. Danach werden wir Pandas importieren. Wir werden diese Bibliothek für die Datenverarbeitung verwenden. Und schließlich werden wir Google Colab-Dateien aus Google Dot Colab-Importdateien importieren Wir werden diese Bibliothek verwenden, um Benutzern das Hochladen von Datensätzen auf Google Colab zu ermöglichen Benutzern das Hochladen von Datensätzen auf Google Colab zu Okay, lassen Sie uns jetzt den Code kompilieren und einen weiteren Codeblock hinzufügen Als Nächstes holen wir uns den API-Schlüssel von Open Router. Für diejenigen unter Ihnen, die mit Open Router nicht vertraut sind, handelt es sich um eine einheitliche Oberfläche für das Sprachmodell von Lord. Und keine Sorge, die Nutzung ist völlig kostenlos. Okay, jetzt melden wir uns an. Sie können sich mit Ihrem Github-Konto anmelden. Sie können sich auch mit Ihrem Gmail-Konto anmelden. In diesem Fall melde ich mich mit meinem Gmail-Konto an. Es wird einige Sekunden dauern. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet und hier ist mein Dashboard. Okay, jetzt klicken wir auf dein Profilbild und dann auf Keys. Und du wirst auf diese Seite weitergeleitet. Um einen neuen API-Schlüssel zu erstellen, klicken Sie einfach auf ApiKey erstellen Sie müssen dem ApiKey einen Namen geben und einfach auf Erstellen klicken. Sie können auch das Ablaufdatum festlegen, dies ist jedoch optional. Okay, jetzt gehen wir zurück zu Google Cap. Und lassen Sie uns eine neue Variable erstellen. Ich werde es API-Schlüssel nennen. Okay, das ist mein API-Schlüssel. Also werde ich das kopieren und einfügen und es hier ablegen. Bitte benutzt nicht meinen API-Schlüssel, weil ich diesen API-Schlüssel deaktivieren werde , sobald ich mit diesem Projekt fertig bin. Stellen Sie also sicher, dass Sie Ihren eigenen API-Schlüssel verwenden. Als Nächstes definieren wir das große Sprachmodell, das wir verwenden möchten. Lassen Sie uns eine neue Variable erstellen. Ich werde es Model nennen. Und in diesem Fall werden wir Llama verwenden. Gehen wir also zu Open Router und geben wir Llama ein. Wir werden dieses Modell verwenden, Meta Llama 3.3 70 B, Anweisung drei Also lass uns darauf klicken. Okay, jetzt werden wir die Code-Dokumentation öffnen. Klicken wir also auf Schnellstart und scrollen wir ein wenig nach unten. Und wir werden das kopieren und einfügen. Und lass es uns hier hinstellen. Das ist also das Sprachmodell des Herrn, das die Datenanalyse durchführen wird. Als Nächstes werden wir Funktionen erstellen, um eine lesbare Vorschau des Datenrahmens zu erzeugen eine lesbare Vorschau des , ohne den Abschlussball zu überlasten Ich werde die Funktionen Safe Preview nennen. Sie können es benennen, wo immer Sie wollen. Es liegt ganz bei Ihnen, und diese Funktionen haben zwei Parameter. Das erste ist das F, das ist der Datenrahmen, und das zweite ist die maximale Anzahl an Zeichen. Und ich werde das auf 3.000 setzen. Okay, als Nächstes konvertieren wir den gesamten Datenrahmen in eine saubere Textzeichenfolge ohne Zeilenindizes. Lassen Sie uns also eine neue Variable erstellen. Ich werde es TXT nennen. Wir werden die Zeichenfolge F Two verwenden und den Index auf „Falls“ setzen. Als Nächstes werden wir Volltext zurückgeben, falls er kurz ist. Andernfalls wird die gekürzte Vorschau zurückgegeben. Gibt TXT zurück, wenn die Länge des Textes kleiner oder gleich der maximalen Zeichenanzahl ist Denkt daran, Leute, wir haben die maximale Anzahl an Zeichen bereits auf 3.000 festgelegt. Also TXT, lassen Sie uns ein Break it erstellen und die maximale Anzahl an Zeichen in das BreakePlus setzen , lassen Sie uns N Punkt, Punkt, Punkt, gekürzt Okay, Leute, wir sind mit diesen Funktionen fertig. Als Nächstes werden wir weitere Funktionen erstellen, die den Datenrahmen zur Analyse an das KI-Modell senden. Ich werde die Funktionen benennen. Analysieren Sie CSV. Sie können es benennen, wo immer Sie wollen. Es liegt ganz bei Ihnen, und diese Funktion hat zwei Parameter. Der erste ist der CSV-Pfad, also das ist der Datei-Pad und der zweite ist Ziel. Okay, zuerst werden wir die hochgeladene CSV-Datei laden. Lassen Sie uns eine neue Variable erstellen. Ich werde sie DF nennen, und um die Datensätze zu laden, werden wir pd dot D CSV verwenden Und lassen Sie uns den CSV-Pfad kopieren und einfügen und ihn in die Klammern setzen Als Nächstes erstellen wir eine Trimmvorschau der Datensätze Lassen Sie uns eine neue Variable erstellen. Ich werde es Vorschau nennen, und wir werden diese Funktionen sichere Vorschau nennen. Und wir werden den Parameter weitergeben, bei dem es sich die gerahmten Daten handelt. Kopieren wir also DF, fügen und setzen es in die Klammer Als Nächstes werden wir die Anweisungen konstruieren, die dem KI-Modell gegeben wurden Lassen Sie uns eine neue Variable erstellen. Ich werde es Abschlussball nennen. Okay, jetzt schreiben wir die Aufforderung. Sie sind ein autonomer EI-Agent für Datenanalyse. Und Datenanalysten. Okay. Zunächst wollen wir die KI-Rolle spezifizieren. Und wir werden auch das Benutzerziele definieren. Okay, jetzt kopieren wir dieses variable Ziel, fügen es ein und fügen es hier ein. Als Nächstes werden wir die Regeln definieren. Die erste Regel besteht darin, Schritt für Schritt zu denken, bevor Sie handeln. Die zweite Regel besteht darin, zu entscheiden , welche Analyse durchgeführt werden soll. Und wir werden die Beispiele, Zusammenfassungen, Musteranalysen, Anomalieanalysen, Korrelationen In diesem Fall wird der KI-Agent also völlig autonom sein. Es wird entscheiden können, welche Art von Analyse ausgeführt werden soll. Regel Nummer drei, erläutern Sie Ihre Argumentation. Geben Sie dann Ergebnisse und umsetzbare Empfehlungen. Schritt Nummer vier besteht darin, die Antwort kurz zu halten und sich auf das Geschäft Und wir werden auch die Datensatzvorschau hinzufügen. Möglicherweise gekürzt. Und lassen Sie uns die Vorschau kopieren und einfügen und diese Variable hier einfügen Und wir werden das schließen. Als Nächstes werden wir eine Postanfrage senden , um Rotter Chat-Abschlüsse und Punkte zu öffnen Lassen Sie uns also eine neue Variable erstellen. Ich werde es Antwort nennen. Und wir werden Request Dot Ps verwenden. Okay, jetzt werden wir den API-Endpunkt für Chat-basierte Modellvervollständigungen hinzufügen den API-Endpunkt für Chat-basierte Modellvervollständigungen Bei TTP. Doppeltes Öffnen Rotert AI, API One HAT, Schrägstrich Okay, das ist also der API-Endpunkt. Als Nächstes werden wir die Header definieren. Okay, jetzt werden wir den API-Schlüssel für den sicheren Zugriff hinzufügen Autorisierungen. Und wir werden den API-Schlüssel kopieren und einfügen und ihn hier ablegen. Als Nächstes werden wir angeben, dass der Anfragetext Jacint ist Inhaltstyp-Anwendungen JasonT. Und lassen Sie uns Koma hinzufügen Lassen Sie uns wieder Komma hinzufügen. Als Nächstes werden wir das Python-Wörterbuch in eine Gson-Payout umwandeln Python-Wörterbuch in eine Gson-Payout Data JsonTTMS Okay, jetzt werden wir spezifizieren, welche KI-Modelle du beim Abschlussball verarbeiten wirst KI-Modelle du Wir werden das Modell auf Llama setzen. Scrollen wir also nach oben und kopieren wir das fügen es ein und fügen es hier Als Nächstes werden wir die Benutzernachricht mit Analyseanweisungen bereitstellen . Nachrichten. Und lassen Sie uns eine Pause machen. Wir werden die Rolle auf Benutzer setzen. Als Nächstes stellen wir den Inhalt auf Eingabeaufforderung ein. Scrollen wir ein wenig nach oben und kopieren wir Sproum, fügen es ein und fügen es hier Und lassen Sie uns Koma hinzufügen. Als Nächstes legen wir die maximale Wartezeit fest , bis die Anfrage storniert wird. Wir werden das Timeout auf 120 festlegen. Danach werden wir Ausnahmen auslösen, falls die API-Anfrage fehlgeschlagen ist. Antwort auf Status erhöhen. Als Nächstes werden wir die von KI generierte Analyse extrahieren und mit einem Datenrahmen zurückgeben. Antwortpunkt Jason zurück und lassen Sie uns eine Pause erstellen und Auswahlmöglichkeiten in die Pause einfügen. Setzen wir Null in den zweiten Break. Lasst uns die Nachricht in den dritten Breaket und den Inhalt in den vierten Breaket einfügenTTF DF ist der Datenrahmen Als Nächstes werden wir Anweisungen anzeigen, in denen der Benutzer aufgefordert wird , die CSV-Datei hochzuladen Drucken und Laden Sie eine CSV-Datei hoch. Nach dem Hochladen wird der AI-Agent ausgeführt. Okay, das sind also die Anweisungen für den Benutzer. Als Nächstes werden wir eine neue Variable erstellen. Ich werde sie hochgeladen nennen. Und damit der Nutzer Dateien auf Google Colab hochladen kann, werden wir Dateien mit dem Punkt Upload verwenden Als Nächstes werden wir eine bedingte Erklärung erstellen, um zu überprüfen, ob die Datei hochgeladen wurde, wenn nicht sogar hochgeladen Dann werden wir eine Warnmeldung anzeigen und den Systemausgang auslösen. Es wurde keine Datei hochgeladen. Führen Sie die Zelle erneut aus und laden Sie die CSV-Datei hoch. Das wird also die Botschaft sein. Als Nächstes erhalten wir den Namen der ersten hochgeladenen CSV-Datei. Lassen Sie uns eine Variable erstellen. Ich werde es CSV-Datei nennen. als Nächstes ein und lassen Sie uns es kopieren und einfügen, hochladen und in die Klammern setzen Danach werden wir den Benutzer bitten, das Analyseziel einzugeben Lassen Sie uns eine Variable erstellen. Ich nenne es Ziel. Um Benutzereingaben zu erhalten, werden wir Eingabefunktionen verwenden. Geben Sie ein einzeiliges Ziel für den AI-Agenten ein. Als Nächstes fügen wir einen Punktstreifen hinzu. Danach führen wir die Analyse mit dem hochgeladenen Datensatz und dem benutzerdefinierten Ziel aus. Lassen Sie uns zwei Variablen erstellen. Ich nenne sie Pport und D F. Und wir werden diese Funktionen „CSV analysieren“ nennen Und denkt daran, Leute, diese Funktion hat zwei Parameter. Der erste ist CSV-Pad, das ist der Datei-Pad und der zweite ist das Ziel. Also lasst uns die CSV-Datei kopieren und einfügen und sie hier einfügen, und lasst uns los kopieren und einfügen und sie hier in die Klammern setzen Als Nächstes fügen wir die Abschnittsüberschrift für den endgültigen KI-generierten Drucken. Beenden wir also den KI-Datenanalysebericht. Lass uns enden. Als Nächstes werden wir die Analyse ausdrucken. Bericht drucken. Lassen Sie uns diese Variable kopieren und einfügen und sie hier in die Klammern Als Nächstes fügen wir den Dateinamen hinzu, der zum Speichern der Analyse verwendet werden soll . Melden Sie sich dazu an Lassen Sie uns eine neue Variable erstellen und sie benennen. KI-Datenbericht TxD. Das Dateiformat wird also TXT sein. Als Nächstes öffnen wir TextFile zum Schreiben UTF-8-Kodierung mit geöffneter Taste. Lassen Sie uns den Namen kopieren, einfügen und ihn in die Klammern setzen Das ist ein W, und wir werden die Kodierung auf UTF acht setzen Kodierung Als Nächstes schreiben wir das Ziel der Benutzeranalyse in die Datei F (Punkt rechts Okay, jetzt fügen wir das Ziel hinzu. Außerdem kopieren wir das Ziel, fügen es ein und setzen es hier in die Klammern N. Als Nächstes schreiben wir den KI-generierten Bericht in die Datei F richtig, Bericht N. Vergewissern Sie sich, dass es sich um Kleinbuchstaben handelt Lassen Sie uns außerdem den Bericht kopieren und einfügen und ihn hier in die Klammern setzen Plus N, N. Als Nächstes werden wir eine lesbare Vorschau der Datensätze als Referenz schreiben eine lesbare Vorschau der Datensätze F-Punkt rechts DidarView. Also lass uns enden. Und wir werden die sicheren Vorschaufunktionen aufrufen . Und lassen Sie uns DF in die Klammern setzen. Denkt daran, Leute, DF ist der Datenrahmen plus N. Als Nächstes werden wir den Benutzer benachrichtigen , dass die Berichtsdatei fertig ist Bericht drucken und speichern , damit wir den seltsamen Namen kopieren und einfügen und ihn hier ablegen können. Laden Sie es unten herunter, wenn Sie möchten. Und schließlich werden wir den Browser-Download des generierten Berichts auslösen . Dateien werden nicht heruntergeladen. Und lassen Sie uns den Namen kopieren und einfügen und ihn hier in die Klammern setzen Okay, Leute, wir sind fertig. Bevor wir den Code kompilieren, müssen wir einen Fehler beheben Hier war ein Tippfehler, Leute, wir müssen die sichere Vorschau entfernen Okay, als Nächstes werden wir diesen EI-Agenten anhand dieser Beispieldaten testen Ich habe also diese kleinen Datensätze mit fünf Spalten, Lieferantenname, Produkt, Pünktlichkeitsrate, Fehlerrate und Vorlaufzeit in Tagen Also werden wir den KI-Datenanalyseagenten verwenden , um die Leistung dieses Lieferanten zu analysieren Okay, lassen Sie uns den Code kompilieren. Okay, jetzt läuft der AI-Agent, wir werden die CSV-Datei hochladen. Klicken wir auf Öffnen. Als Nächstes definieren wir das Ziel für den KI-Agenten. Finden Sie wichtige Erkenntnisse. Und lassen Sie uns die Eingabetaste drücken. Okay, jetzt läuft der KI-Agent. Ich brauche ein paar Sekunden, vielleicht fünf oder zehn Sekunden. Nun, es hat nicht allzu lange gedauert, Leute. Es hat nur 30 Sekunden gedauert, und hier ist der Analysebericht. Um wichtige Erkenntnisse zu finden, werde ich Schritt für Schritt vorgehen. Zunächst muss ich entscheiden, welche Analyse durchgeführt werden soll. Da der Datensatz Informationen über Lieferanten, Produkte, Prozentsätze für pünktliche Lieferungen, Fehlerquoten und Vorlaufzeiten enthält Informationen über Lieferanten, Produkte, Prozentsätze für pünktliche Lieferungen, Fehlerquoten , führe ich eine Korrelationsanalyse durch und suche nach Mustern Dies wird dazu beitragen, den Zusammenhang zwischen diesen Variablen und potenziellen Verbesserungsbereichen zu ermitteln den Zusammenhang zwischen diesen Variablen und potenziellen Verbesserungsbereichen zu Meiner Ansicht nach kann das Verständnis des Zusammenhangs zwischen der Häufigkeit von Fehlern bei pünktlicher des Zusammenhangs zwischen der Häufigkeit von Fehlern bei pünktlicher Lieferung und den Lieferzeiten Aufschluss über die Entwicklung der Lieferanten oder der Produktleistung Okay, sehr cool. Und das sind die wichtigsten Erkenntnisse und umsetzbaren Empfehlungen Priorisieren Sie Lieferanten mit hohen Pünktlichkeitsraten und niedrigen Fehlerquoten wie Alpha C mit Produkten A und C, die hohe Pünktlichkeitsraten aufweisen. 96% und 95% und niedrige Fehlerraten von 2% und 3%. Optimierte Vorlaufzeiten: Konzentrieren Sie sich auf Verkürzung der Vorlaufzeiten, da kürzere Vorlaufzeiten mit höheren Pünktlichkeitsraten und niedrigeren Fehlerraten einhergehen . Überwachen und verbessern Sie die Produktkombinationen von Lieferanten, identifizieren und beheben Sie spezifische Kombinationen mit niedrigen Pünktlichkeitsraten oder einer hohen Fehlerquote, z. B. Beta Mart mit Produkt C, 87% pünktlicher Lieferung und 6% Fehlerquote. Okay, sehr cool, Leute. Wir haben erfolgreich einen KI-Datenanalyse-Agenten mit Python und Llama erstellt KI-Datenanalyse-Agenten mit Python und Llama Ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 16. Aufbau eines KI-Multiagentensystems für das Projektmanagement: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir ein KI-Multiagentensystem für das Projektmanagement entwickeln . Wir werden drei Agenten haben: Taskop Agent, Workload Agent und Project Timeline Maker Diese drei KI-Agenten werden also miteinander interagieren. Okay, lass uns anfangen. Zunächst werden wir zwei Python-Bibliotheken importieren. Wir werden Anfragen importieren. Das ist also die aTTP-Bibliothek, die verwendet wird, um Anfragen an die Open Router API zu senden Dann werden wir auch JSON importieren. Lassen Sie uns den Code kompilieren und einen weiteren Codeblock hinzufügen. Als Nächstes fügen wir ApiKey zur Authentifizierung von Anfragen zum Öffnen der Router-API hinzu Lassen Sie uns eine neue Variable erstellen. Ich werde es ApiKey nennen. Gehen wir zur vorherigen Datei und wir werden diesen API-Schlüssel kopieren und einfügen Das ist mein API-Schlüssel, Leute, benutzt meinen API-Schlüssel nicht Stellen Sie sicher, dass Sie Ihren eigenen API-Schlüssel verwenden. Als Nächstes erstellen wir eine Liste der Teammitglieder mit ihren Fähigkeiten und verfügbaren Stunden, die für die Logik der Aufgabenzuweisung verwendet werden. Ich werde das Listenteam benennen. Sie können es benennen, wo immer Sie wollen, und es liegt ganz bei Ihnen, und lassen Sie uns eine Pause machen. Okay, fügen wir den ersten Mitarbeiter hinzu. Ich werde den Namen auf Alice setzen. Als Nächstes werden wir ihre Fähigkeiten definieren. Das erste ist Frontend und das zweite ist React. Nur zufällige Fähigkeiten, Leute. Als Nächstes legen wir ihre Öffnungszeiten fest. 20 Stunden pro Woche. Fügen wir einen weiteren Mitarbeiter hinzu. Ich werde den Namen auf Bob setzen. Als Nächstes werden wir seine Fähigkeiten definieren. Big End und Pitnt Und er wird 25 Stunden pro Woche arbeiten Und lassen Sie uns einen weiteren Mitarbeiter hinzufügen. Ich werde den Namen auf Cara setzen. Nur ein zufälliger Name, Leute. Als Nächstes werden wir ihre Fähigkeiten definieren. QA oder Qualitätssicherung und Tests. Und sie wird 15 Stunden pro Woche arbeiten. Und lassen Sie uns Koma hinzufügen. Als Nächstes werden wir den Benutzer auffordern , eine kurze Beschreibung des Projekts einzugeben. Lassen Sie uns eine neue Variable erstellen. Ich werde es Projekt nennen. Und um Benutzereingaben zu erhalten, werden wir Eingabefunktionen verwenden. Beschreiben Sie das Projekt. Als Nächstes werden wir diese drei EI-Agenten, den Tscope-Agent, den Workload-Agenten und den Project Timeline Maker, kopieren und einfügen Tscope-Agent, den Workload-Agenten und den Project Timeline Maker, und Lassen Sie uns sie also kopieren, einfügen und hier platzieren. Okay, jetzt werde ich es eins nach dem anderen erklären. Der erste EI-Agent ist also Task-Coop-Agent. Lass uns den Abschlussball lesen. Sie sind ein Tascope-Agent. Teilen Sie das Projekt in Aufgaben auf und schätzen Sie die Stunden pro Aufgabe. Kehren Sie nur kurz damit dieser KI-Agent die Eingaben des Benutzers entgegennimmt , in kleinere Teile zerlegt und die Dauer für die Erledigung seiner Aufgabe schätzt die Dauer für die Erledigung seiner Aufgabe Und der zweite KI-Agent ist der Workload-Agent. Lass uns den Abschlussball lesen. Workload-Agent, der den Teammitgliedern Aufgaben auf der Grundlage von Fähigkeiten und verfügbaren Stunden zugewiesen hat, nur im Format geschrieben. Dieser EI-Agent, der WTS-Aufgaben zuweist, ist für Alice geeignet. WTS-Test ist für Bob geeignet und der WTS-Test ist für Kara geeignet Und der dritte EI-Agent ist Project Timeline Maker. Lass uns den Abschlussball lesen. Sie sind ein Planer für Projekte. Erstellen Sie auf der Grundlage der Aufgabe einen realistischen Zeitplan für das Projekt und weisen Sie Arbeitslasten zu. So wird dieser EI-Agent in der Lage sein, einen umfassenden Projektzeitplan zu erstellen der auf der Komplexität des Projekts und den verfügbaren Ressourcen basiert . Okay, lass uns weitermachen. Jetzt werden wir einen Hauptkontrolleur erstellen , der Agenten koordiniert , Argumentationen anleitet und eine endgültige, menschenlesbare Zusammenfassung anfordert Lassen Sie uns eine neue Variable erstellen. Ich werde es Controller Prom nennen. Okay, lass uns die Zinke schreiben. Du bist der Hauptkontrolleur. Und wir werden alle verfügbaren Agenten definieren . Der erste ist Task Scope Agent. Also lass uns das kopieren, einfügen und hier einfügen. Der zweite ist Work Load Agent. Lassen Sie uns das kopieren, einfügen und hier ablegen. Und der dritte ist Project Timeline Maker. Lassen Sie uns das kopieren, einfügen und hier einfügen. Okay, ich werde ein bisschen nach unten scrollen. Als Nächstes werden wir die Regeln definieren. Der erste? Denken Sie intern und drucken Sie Ihre Argumentation Schritt für Schritt aus. Regel Nummer zwei: Entscheiden Sie selbst, wann Sie den Agenten anrufen möchten. Regel Nummer drei. nach der Argumentation die endgültige Zusammenfassung aus, nicht als Jason, sondern als Stichpunkte Und die Zusammenfassung sollte Testschätzungen enthalten. Aufgaben. Und Zeitplan. Als Nächstes werden wir das Projekt definieren. Scrollen wir ein wenig und kopieren wir diese Variable, fügen und fügen sie hier ein. Danach werden wir das Team definieren. Scrollen wir ein wenig nach oben und kopieren wir diese Liste, fügen und fügen sie hier ein. Als Nächstes definieren wir die Agenten. Der erste ist Tescope Agent. Also lass uns das kopieren und einfügen. Lassen Sie uns das erneut kopieren und einfügen und es hier in die Klammer Und wir werden diesen Teil kopieren und einfügen. In diesem Fall betten wir also den Tescope-Agenten-Befehlsblock für den Controller aus dem Code Und der zweite ist der Workload-Agent. Also lass uns das kopieren und einfügen. Nun, es wird genau dasselbe Format haben, also können Sie diese Zeile kopieren und einfügen, und wir werden den Tescope-Agenten durch den Workload-Agenten ersetzen den Tescope-Agenten durch den Workload-Agenten ersetzen Der dritte ist Project Timeline Maker. Lassen Sie uns das kopieren, einfügen und hier einfügen, und das Format wird genau dasselbe sein. Lassen Sie uns das also kopieren und einfügen, und wir werden den Workload-Agent durch den Project Timeline Maker ersetzen . Als Nächstes schließen wir den Abschlussball. Danach senden wir eine Post-Anfrage an den Open-Router-Endpunkt für Chatabschlüsse, wobei Controller-Prom und Argumentation aktiviert sind eine Post-Anfrage an den Open-Router-Endpunkt für Chatabschlüsse , wobei Controller-Prom und Argumentation aktiviert Lassen Sie uns eine neue Variable erstellen. Ich nenne es Antwort und wir werden Request Dot Post verwenden Als Nächstes fügen wir den API-Endpunkt hinzu. Gehen wir zurück zu dieser Datei, AI Data Analysis Agent, und wir werden diese URL kopieren und unter dtpsUen Router, AI, Slash-API, Schrägstrich V one, Slash-Chat, Schrägstrich-Vervollständigungen Slash-Chat, Schrägstrich-Vervollständigungen Als Nächstes fügen wir die Header hinzu. Gehen wir also noch einmal zu dieser Datei zurück und wir werden die Header kopieren und einfügen Und lass es uns hier hinstellen. Nur eine kurze Erinnerung. Das ist also der Bearer-Token-Header für die API-Authentifizierungen Und wir deklarieren hier auch den Inhaltstyp JSON-Nutzlast. Als Nächstes fügen wir die JSON-Nutzlast hinzu , die die Modellauswahl und den Nachrichtenverlauf enthält und Lassen Sie uns eine neue Variable erstellen. Ich werde es Data nennen und wir werden JSON Dot Dooms verwenden Und lassen Sie uns eine Klammer erstellen Okay, jetzt spezifizieren wir das KI-Modell, das wir verwenden möchten In diesem Fall werden wir Gemma verwenden. Öffnen wir also Router und geben wir Gemma Ende des Baumes. Klicken wir darauf, klicken wir auf Schnellstart und scrollen wir ein wenig nach unten. Und wir werden dieses Modell verwenden, Leute. Also lass uns das kopieren und einfügen und lass es uns hier einfügen. Der Name des Modells ist Google Gemma Three und E4b IT Und lassen Sie uns ein Komma hinzufügen. Als Nächstes fügen wir eine Einzelbenutzernachricht hinzu , die die vollständigen Controller-Anweisungen enthält Nachrichten. Lass uns eine Pause machen. Okay, jetzt setzen wir die Rolle auf Benutzer. Danach werden wir den Inhalt auf Controller Prom setzen . Scrollen wir ein wenig und wir werden diesen Controller-Abschlussball kopieren und einfügen. Und lass es uns hier hinstellen. Fügen wir nach der Pause ein Komma hinzu. Als Nächstes werden wir darum bitten, dass das Modell die dazwischenliegenden Argumentationsschritte ausdruckt oder offenlegt dazwischenliegenden Argumentationsschritte ausdruckt Wir setzen enabled auf true. Und wir werden den TTP-Antworttext direkt als JSON in die Antwortvariable einlesen Fügen wir also Punkt Jason hinzu. Als Nächstes drucken wir die Kopfzeile und die Projektmanagement-Ausgabe. Ende. Danach werden wir eine bedingte Aussage erstellen, falls es sich um eine Antwort handelt. In diesem Fall werden wir also nach der üblichen Struktur für einen offenen Router oder eine Chat-Abschlussstruktur suchen , die Auswahlmöglichkeiten enthält. Drucken, Antwort. Und lassen Sie uns in der Pause Entscheidungen treffen. Setzen wir Null in die zweite Pause. Lassen Sie uns Nachrichten in die dritte Pause einfügen, und lassen Sie uns Inhalt in die vierte Pause einfügen. Sonst. Dann werden wir die Fallback-Meldung drucken, die darauf hinweist, dass die erwartete Struktur nicht vorhanden war Vollständige Antwort. Also lass uns enden. Als Nächstes werden wir noch eine Sache tun. Wir werden die Zeilenantwort Jason zum Debuggen und zur Inspektion ausdrucken Jason zum Debuggen und zur Inspektion Drucken Sie Jason Dot Dums , setzen wir die Antwort in die Klammern, und wir setzen den Einzug auf zwei Okay, Leute, wir sind fertig. Okay, bevor wir den Code kompilieren, müssen wir den Controller-Prom ein wenig modifizieren Also brauchen wir mindestens einen Zeilenabstand nach dem Team und wir brauchen einen Zeilenabstand nach den Agenten Okay, das ist es. Und lassen Sie uns den Code kompilieren. Beschreiben Sie das Projekt. Immobilienverwaltungssystem. Das ist also das Projekt , das ich bauen möchte. Drücken wir die Eingabetaste und es dauert einige Sekunden bis der AI-Agent ausgeführt wird. Also wartet einfach, Leute. Also, es hat nicht allzu lange gedauert, Leute. Es hat nur 40 Sekunden gedauert. Scrollen wir nach unten und hier ist das Ergebnis. Okay, ich bin der Hauptcontroller für das Immobilienmanagementsystem-Projekt. Hier ist mein Plan. Aufschlüsselung und Schätzungen der Aufgaben Zuerst muss ich das Projekt in kleinere, überschaubare Aufgaben aufteilen das Projekt in kleinere, überschaubare Aufgaben und den Zeitaufwand für jede einzelne Aufgabe abschätzen Hier ist die Schätzung der Aufgabe. Entwerfen Sie ein Datenbankschema. 8 Stunden, entwickeln Sie Big-End-APIs. Benutzerauthentifizierung, Immobilienverwaltung und Bezahlung 60 Stunden, Entwicklung der Frontend-Benutzeroberfläche 80 Stunden Implementieren Sie den Komponententest 30 Stunden, führen Sie Systemtests und QD 40 Stunden durch und führen Sie die Bereitstellung und Einrichtung der Infrastruktur innerhalb von 12 Okay, lass uns nach unten scrollen. Jetzt, wo ich die Testschätzungen habe, rufe ich den Workload-Agenten an, um sie den Teammitgliedern zuzuweisen. Okay, hier ist die erste Aufgabe, das Datenbankschema entwerfen. Der Test wird Alice gegeben. Entwickeln Sie BC und APIs. Der Test wird Bob gegeben. Okay, lass uns nach unten scrollen. Schließlich werde ich die Aufgabe verwenden, um eine Zeitleiste zu erstellen. Okay, hier ist der Projektzeitplan und hier ist die Projektzusammenfassung. Sehr cool. Okay, Leute, wir haben erfolgreich ein KI-Multiagentensystem für das Projekt Mateen gebaut KI-Multiagentensystem für das Projekt Mateen Ich glaube, das ist es. Das ist alles, was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 17. Erstellen einer KI-Lebensmittelinventarvektordatenbank mit Pinecone: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir KI-Generator für Lebensmittelrezepte erstellen und zusätzlich das KI-Modell mit der Pinecone-Vektordatenbank verbinden das KI-Modell mit der Pinecone-Vektordatenbank Das KI-Modell wird also Lebensmittelrezepte auf der Grundlage verfügbarer Lebensmittelzutaten generieren Lebensmittelrezepte auf der Grundlage verfügbarer Lebensmittelzutaten Okay, lass uns anfangen. Zunächst werden wir zwei Python-Pakete installieren. Der erste ist Pinecone. Lassen Sie uns das kopieren, Pip Pinecone installieren und kompilieren wir es und Als Nächstes werden wir Mistral AI installieren. Lass uns das kopieren. Installieren Sie Mistral AI tief und lassen Sie uns es kompilieren Es wird ein paar Sekunden dauern, vielleicht fünf oder zehn Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Okay, wir haben Pinecone und Mistral AI erfolgreich installiert Pinecone und Mistral Fügen wir einen weiteren Codeblock hinzu. Okay, jetzt werden wir mehrere Pod-Bibliotheken importieren. Zunächst werden wir Pinecone und mehrere Spezifikationen aus Pinecone importieren mehrere Spezifikationen Importieren Sie Pinecone. Stellen Sie sicher, dass es ein Großbuchstabe und ein Komma ist. Serverlose Spezifikation. Wir werden diese Bibliotheken für die Erstellung und Verwaltung von Vektorindizes verwenden Erstellung und Verwaltung von Vektorindizes Als Nächstes importieren wir Mistral AI aus Mistral AI, importieren Mistral und stellen sicher, Großbuchstaben geschrieben Dies ist das KI-Modell, das wir verwenden werden, und wir werden auch und wir Importieren Sie NumPi als NP. Wir werden diese Bibliothek verwenden, um Zufallsfaktoren zu generieren, die als Einbettungen verwendet werden Alknex, wir werden den Pinecone APi-Schlüssel bekommen. Lassen Sie uns eine neue Variable erstellen. Ich werde es Pinecone API nennen. Dann müssen Sie zur Pinecone-Website gehen und Klicken wir darauf, Sie können sich mit Ihrem Gmail-Konto anmelden . Sie können sich mit Ihrem Github-Konto anmelden. Sie können sich auch mit Ihrem Microsoft-Konto anmelden. Es liegt ganz bei Ihnen, aber in diesem Fall melde ich mich mit meinem Gmail-Konto an. Wie ihr sehen könnt, habe ich mich erfolgreich angemeldet und hier ist mein Dashboard. Um einen neuen API-Schlüssel zu erstellen, klicken Sie einfach auf diese API-Schlüssel, und Sie werden zu diesem Bereich weitergeleitet. Klicken Sie einfach auf ApiKey und Sie müssen den API-Schlüssel benennen Zum Beispiel Vector Database, und klicken Sie einfach auf Create Key Okay, gehen wir zurück zu Google Colab. Das ist also mein Pinecone-API-Schlüssel. Ich werde das kopieren, einfügen und hier ablegen. Und benutzt nicht meinen API-Schlüssel, Leute. Ich werde diesen API-Schlüssel deaktivieren sobald ich mit diesem Projekt fertig bin. Verwenden Sie also unbedingt Ihren eigenen API-Schlüssel. Wenn Sie meinen API-Schlüssel verwenden, funktioniert es nicht. Als Nächstes erhalten wir den Mistral AI API-Schlüssel. Lassen Sie uns eine neue Variable erstellen. Ich werde es Mistral Key nennen. Okay, gehen wir jetzt zur Mistral-Website und klicken wir auf Try AI Studio Sie müssen sich anmelden. Sie können sich mit Ihrem Gmail-Konto anmelden und dann auf API-Schlüssel klicken. Und lass uns auf Neuen Schlüssel erstellen klicken. Sie müssen Ihren API-Schlüssel benennen und einfach auf Neuen Schlüssel erstellen klicken. Okay, jetzt gehen wir zurück zu Google Colab. Also hier ist mein Mistral AI API-Schlüssel. Also werde ich das kopieren und einfügen und es hier ablegen. Benutzt nicht meinen API-Schlüssel, Leute. Benutze deinen eigenen API-Schlüssel, okay? Okay, lass uns weitermachen. Jetzt werden wir den Pinecone-Client mit ApiKey initialisieren Pinecone-Client Lassen Sie uns eine neue Variable erstellen. Ich werde es PC nennen. PC steht also für Pinecone Client. Und wir werden diese Bibliothek nutzen, Pinecone. Und wir werden den API-Schlüssel auf Pinecone API setzen. Lassen Sie uns das kopieren, einfügen und die Klammern setzen Als Nächstes fügen wir den Namen des Vektorindex hinzu, in dem die Inhaltsstofffaktoren gespeichert werden Lassen Sie uns eine neue Variable erstellen, ich werde sie Indexname nennen. Und der Name wird Inventar sein. Als Nächstes erstellen wir eine bedingte Anweisung, um zu überprüfen, ob der Index nicht bereits auf Pinecone existiert Wenn der Indexname nicht in den PCLs-Indizes Punktnamen enthalten ist, werden wir einen neuen Index mit den angegebenen Einstellungen erstellen , falls er nicht existiert, oder Punktnamen enthalten ist, werden wir einen neuen Index mit den angegebenen Einstellungen erstellen, falls er nicht existiert, pc dot Create Index. Als Nächstes weisen wir dem Index den Namen zu. Wir werden den Namen auf den Indexnamen setzen. Lassen Sie uns das kopieren, einfügen und hier einfügen. Denkt daran, Leute, der Name ist Inventar. Als Nächstes legen wir die Vektorabmessungen fest. Wir werden die Dimensionen auf 384 setzen. Und denken Sie daran, dass es der Vektorgröße entsprechen muss , die wir einfügen werden. Darüber hinaus werden wir auch die Kosinus-Ähnlichkeitssuche verwenden, um Gradientenvektoren zu schließen Also werden wir die Metrik auf Kosinus setzen. Als Nächstes konfigurieren wir die serverlose Bereitstellung auf der AWS- oder Amazon-Weboberfläche und US is Spezifikation. Wir werden diese Bibliothek verwenden, Serverless Spec. Lassen Sie uns das kopieren und einfügen Und wir werden Cloud auf AWS setzen, wir werden The Regent auf US is one setzen Okay, lass uns weitermachen. Als Nächstes stellen wir eine Verbindung zum vorhandenen oder neu erstellten Pinecone-Index Lassen Sie uns eine neue Variable erstellen. Ich werde es Index PC Dot Index nennen. Lassen Sie uns den Indexnamen kopieren und einfügen und ihn in die Klammern setzen Danach werden wir den Mistral-Client für den Abschluss von Chats initialisieren Lassen Sie uns eine neue Variable erstellen. Ich werde es Client nennen und wir werden die Mistral-Bibliothek verwenden Also lassen Sie uns das kopieren und einfügen und wir werden den API-Schlüssel auf Mistral-Schlüssel setzen Lassen Sie uns das kopieren, einfügen und die Klammern setzen Als Nächstes definieren wir ein einfaches Wörterbuch, das Inhaltsstoffe und ihre Mengen darstellt Inhaltsstoffe und ihre Mengen Ich werde dem Wörterbuch einen Namen geben. Okay, ich werde zufälliges Essen zur Vektordatenbank hinzufügen . Also haben wir 12 Eier, zwei Hühner, einen Spinat, fünf Knoblauch, drei Reis und vier Karotten. Okay, jetzt werden wir eine For-Schleife erstellen. Wir werden uns jede Zutat und ihre Menge ansehen . Vier Zutaten, Menge und Inventar. Lassen Sie uns also diese Punktelemente kopieren und einfügen. Dann werden wir einen zufälligen Faktor mit 384 Dimensionen generieren, um eine Einbettung zu simulieren Lassen Sie uns eine neue Variable erstellen. Ich werde es Factor nennen und wir werden die Numpai-Bibliothek np Random Dot RND verwenden Und lassen Sie uns 384 in den Klammerpunkt TLS setzen. Als Nächstes laden wir den Faktor hoch und wir werden auch die Metadaten in Pinecone hochladen, und wir werden auch die Metadaten in Pinecone hochladen, wobei der Name des Inhaltsstoffs als ID verwendet Indexpunkt ASED, lassen innerhalb der Klammer erstellen oder trennen, und lassen Sie uns die Zutat kopieren, einfügen und in die setzen. Kommafaktor. Denkt daran, Leute, Zutat und Menge sind der Index der vier Kreisläufe. Und wir werden die Zutat auf ING setzen. Das ist der erste Index, und wir werden die Menge auf QTY setzen Das ist der zweite Index der vier Schleifen. Okay, als Nächstes werden wir einen erfolgreichen Datenupload auf Pinecone bestätigen einen erfolgreichen Datenupload auf Pinecone Auf Pinecone hochgeladenes Inventar drucken. Aber lass uns ein bisschen nach unten scrollen. Als Nächstes werden wir Funktionen erstellen , die anhand von Benutzeranfragen und verfügbaren Zutaten ein Rezept generieren . Ich werde die Funktionen benennen und das Rezept generieren. Sie können es benennen, wo immer Sie wollen, und es liegt ganz bei Ihnen, und diese Funktion hat einen Parameter, und das sind Anfragen. Okay, jetzt werden wir einen zufälligen Abfragevektor erstellen , um Vektoren in der Nähe zu finden. Lassen Sie uns eine neue Variable erstellen. Ich werde es Query-Effekt nennen. Kein zufälliger Punkt Rent, und lassen Sie uns 384 in den Klammern Punkt Tops setzen Als Nächstes werden wir die zehn wichtigsten Inhaltsstoffvektoren mit Metadaten abrufen zehn wichtigsten Inhaltsstoffvektoren mit Metadaten Lassen Sie uns eine neue Variable erstellen. Ich werde es RS nennen. Und in diesem Fall werden wir die Indexpunktabfrage verwenden. Und wir werden den Vektor so einstellen, dass er ft abfragt. Also lass uns das kopieren, einfügen und hier einfügen. Als Nächstes setzen wir Top K auf Zehn. Weil wir die Gradientenvektoren der zehn wichtigsten Klauseln abrufen wollen Gradientenvektoren der zehn wichtigsten Klauseln Und zu guter Letzt setzen wir include metadata auf True. Okay, lass uns weitermachen. Jetzt formatieren wir die Namen und Mengen der Inhaltsstoffe in lesbare Listen. Lassen Sie uns eine neue Variable erstellen Ich werde sie als verfügbar bezeichnen. Und lassen Sie uns ein Break it erstellen. In der Pause ist es soweit. Lass uns eine Zahnspange kreieren Und lassen Sie uns Metadaten in die erste Pause einfügen. Geben wir die Zutat in den zweiten Break. Und lassen Sie uns eine Klammer bilden. Und lassen Sie uns wieder Metadaten in dieses Break it einfügen. Und lassen Sie uns die Menge in die zweite Pause eingeben. Als Nächstes werden wir die vier Schleifen erstellen. Für und Res und lass uns Streichhölzer in diese Pause einbauen. Okay, jetzt werden wir die Eingabeaufforderung schreiben. Lassen Sie uns eine neue Variable erstellen. Ich werde es Prompt nennen. Also werden wir eine Aufforderung erstellen, die Mistral AI anweist , ein Rezept zu generieren, das nur die abgerufenen Zutaten verwendet Okay, lass uns die Aufforderung schreiben. Erstellen Sie ein Rezept, das nur auf diesen verfügbaren Zutaten basiert . Lassen Sie uns diese verfügbare Variable kopieren und einfügen und sie hier einfügen. Also speichern wir alle verfügbaren Lebensmittelzutaten in dieser Variablen. Als Nächstes definieren wir, was der Benutzer will. Lassen Sie uns Anfragen kopieren und einfügen. Und lass es uns hier ablegen. Fügen Sie keine Zutaten hinzu , die nicht aufgeführt sind. Und wir werden die Eingabeaufforderung schließen. Okay, als Nächstes rufen wir Mistral Hat Model auf , um Rezepttext zu generieren Lassen Sie uns eine neue Variable erstellen. Ich werde es Antwort nennen. Als Nächstes werden wir den Client Dot Chat Dot Complete verwenden das KI-Modell definieren, das wir verwenden möchten. Wir werden das Modell auf die neueste Version von Mistral Small einstellen. Als Nächstes werden wir Pm als Benutzernachricht senden. Nachrichten, lassen Sie uns eine Pause erstellen und wir werden die Rolle auf Benutzer setzen. Danach stellen wir den Inhalt auf Eingabeaufforderung ein. Lassen Sie uns also die Eingabeaufforderung kopieren und einfügen und sie hier einfügen. Als Nächstes werden wir das generierte Rezept aus der Antwort extrahieren . Antwortoptionen wurden zurückgegeben. Lassen Sie uns eine Null in den Punktinhalt der Break-it-Punkt-Nachricht einfügen . Okay, Leute, wir sind mit diesen Funktionen fertig. Okay, als Nächstes werden wir diesen KI-Generator für Lebensmittelrezepte testen , um sicherzustellen, dass er funktioniert. Lassen Sie uns eine neue Variable erstellen. Ich werde es Rezept nennen und wir werden diese Funktionen Generate recipe nennen. Und lassen Sie uns die Benutzeranfrage bewilligen. Etwas Gesundes zum Abendessen. Danach werden wir den Header drucken. KI-Rezept senden. Senden. Und schließlich werden wir dem Benutzer das generierte Rezept anzeigen. Drucken. Lassen Sie uns das Rezept kopieren und einfügen und es in die Klammern Bevor wir den Code kompilieren, müssen wir einige Fehler Der erste ist ein Tippfehler, Leute. Also wenn du nach oben scrollst, sollte das Zutat bei E sein, nicht bei I. Also stelle sicher, dass du das reparierst Repariere auch diesen und lass uns nach unten scrollen. Repariere auch diesen. Stellen Sie also sicher, dass Sie diesen Tippfehler korrigieren. Als Nächstes werden wir diesen beheben. Lassen Sie uns die Klammer schließen und die Zeichenfolge hier hinzufügen. Und lassen Sie uns die Klammer hier schließen. Zusätzlich werden wir diese beiden Zeilen kommentieren, weil diese beiden Zeilen nur zur Simulation dienten, wir sie also nicht benötigen Und wir werden diese Zeile auch durch die neue ersetzen. Deshalb erstellen wir eine einheitliche Zutat und Menge. Denkt daran, Leute, das ist der Index der Gegenstände für Loop und Inventory Dot. Okay, wir sind fertig und lassen Sie uns den Code kompilieren. Lass uns das anklicken Okay, jetzt läuft es. Es wird ein paar Sekunden dauern, vielleicht zehn oder 20 Sekunden. Also wartet einfach, Leute. Hoffentlich dauert es nicht zu lange. Okay, hier ist das Essensrezept. Es hat nicht allzu lange gedauert, Leute. Es hat nur 10 Sekunden gedauert. Hier ist ein gesundes und ausgewogenes Abendrezept , bei dem nur die verfügbaren Zutaten verwendet Curling Chicken mit Spinat und Reis Die Zubereitungszeit beträgt 10 Minuten und die Garzeit 25 Minuten. Okay, hier sind die Zutaten und hier sind die Anweisungen, und hier ist der Grund, warum es gesund ist. Und wenn du deine Pinecone-Vektordatenbank öffnest und einfach auf Datenbank und dann auf Index klickst Wie ihr sehen könnt, haben wir dieses Lebensmittelinventar erfolgreich erstellt Lass uns darauf klicken und ein bisschen nach unten scrollen. Sie können alle Lebensmittelzutaten wie Karotten, Reis, Ei, Knoblauch, Hühnchen und Spinat sehen Lebensmittelzutaten wie Karotten, Reis, Ei, Knoblauch, Hühnchen . Okay, sehr cool Ich glaube, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. 18. Verbinden von Zapier MCP Server mit Google Sheets: Hallo Leute. Willkommen zurück zum Kurs. In diesem Video werden wir einen Model Context Protocol-Server mit Zapier erstellen Model Context Protocol-Server mit Zapier Zusätzlich werden wir MCP mit Mistral AI verbinden MCP mit Mistral Lass uns anfangen. Klicken wir auf Start Building. Vergewissern Sie sich, dass Sie sich bereits bei Zapier angemeldet haben. Sie können sich mit Ihrem Gmail-Konto anmelden. Okay, jetzt klicken wir auf diesen neuen MCP-Server. Okay, jetzt müssen wir den MCP-Client auswählen. Lass uns das anklicken. Es gibt viele Optionen wie Cloud, Microsoft Copilot, Julius AI, Mistral AI, Jet GPT, Manus Ich werde Mistral AI auswählen, aber Sie können Es liegt ganz bei dir. Als Nächstes müssen Sie den MCP-Server benennen und dann auf MCP-Server erstellen klicken Okay, wir haben den MCP-Server erfolgreich erstellt. Als Nächstes werden wir Tools hinzufügen. Klicken wir auf dieses Tool zum Hinzufügen. Es gibt viele Tools wie Gmail, Google Kalender, Google Sheets, Google Docs, Google Form Notion, Google Drive und noch viele mehr. Ich werde Google Sheets auswählen. Lass uns darauf klicken und lass uns tippen und erstellen. Und ich werde diesen auswählen. Erstellen Sie eine Tabelle und klicken wir auf Verbinden. Eigentlich müssen wir zwei weitere Tools hinzufügen. Klicken wir also auf Out Tool und dann auf Google Sheets und geben wir Update ein. Und lassen Sie uns diese beiden Kästchen ankreuzen. Und lassen Sie uns auf Zwei Tools hinzufügen klicken. Insgesamt haben wir drei Tools. Baumtabelle, Aktualisierung der Tabelle durch und Aktualisierung der Tabellenkalkulationsräume und Aktualisierung der Tabellenkalkulationsräume Als Nächstes klicke ich auf Connect Okay, jetzt werden wir Zapier MCP mit Mistral AI verbinden Klicken wir auf diese Kopier-URL und dann auf diesen Link und Sie werden auf die Seite weitergeleitet Stellen Sie sicher, dass Sie sich bereits bei Ihrer Mistral AI angemeldet haben. Sie können sich mit Ihrem Gemma-Konto anmelden und dann auf Connector klicken Und lassen Sie uns Zapier eingeben. Und lassen Sie uns hier auf Kopieren und Einfügen der URL klicken und für Authentifizierungsmethoden wie 2.1 einfach auf Connect klicken Nun, in meinem Fall wurde Zapier gelöscht, also klicken wir darauf und dann auf Verbinden Ich werde auf Niedrig klicken, also gebe ich Zapier Zugriff auf Wie ihr sehen könnt, wurde Zapier jetzt verbunden, wurde Zapier jetzt verbunden, und es ist auch wichtig sicherzustellen, dass ihr Zapier bereits mit Google***** verbunden habt Zapier bereits mit Google***** verbunden habt Okay, jetzt werden wir diesen MCP-Server ausprobieren und sicherstellen Lass uns auf NewHat klicken und jetzt werden wir Dzepier MCP verwenden Klicken wir darauf und geben die Eingabeaufforderung ein. Erstellen Sie einen Beispieldatensatz für Logistik fünf Spalten und 15 Zeilen und speichern Sie die Daten in meinem Google*****. Drücken wir dann die Eingabetaste Und lass uns auf Weiter klicken. Jetzt gewähren wir Zapier Zugriff auf Google *****. Es hat nicht allzu lange gedauert, Leute. Es dauerte nur 10 Sekunden oder sogar weniger als 10 Sekunden. Lassen Sie uns also die Google Sheets öffnen Wie Sie sehen können, hat Mistral AI erfolgreich eine neue Google Sheet-Datei erstellt Der Name der Datei besteht aus Logistikdaten, und wir haben fünf Spalten: Sendungsnummer, Herkunft, Bestimmungsort, Gewicht und Lieferstatus. Sehr cool, oder? Sie können also Mistral AI verwenden, um diese Google Sheets zu ändern Okay, ich denke, das ist es. Das ist alles was du wissen musst. Wir sehen uns im nächsten Video. Tschüss. 19. Schlussbemerkung und Zusammenfassung: Holly Leute, willkommen zurück zum Kurs. In diesem Video werde ich alles zusammenfassen, was wir in diesem Kurs gelernt haben, und ich werde auch ein paar Tipps und Tricks geben , wie die Qualität Ihrer KI-Automatisierungen und KI-Agenten verbessern Okay, fangen wir mit dem ersten Thema an, der Fehlerbehandlung Sie müssen Ihren Workflow so gestalten, dass er API-Ausfälle, Timeouts und unerwartete Antworten bewältigen kann Timeouts und unerwartete Antworten Sie müssen Ausweichmechanismen entwickeln. Wenn also Ihre KI-Oberfläche ausfällt oder schlechte Ergebnisse liefert, versucht das System es automatisch erneut, wechselt zu einem Backup-Modell, sperrt das Problem und benachrichtigt Sie, ohne die gesamte Automatisierung zu unterbrechen Wenn Sie sich erinnern, haben wir in einem unserer Projekte, als wir den KI-Datenanalyse-Agenten entwickelt haben, genau hier eine bedingte Aussage erstellt Es wird also geprüft, ob die Daten nicht hochgeladen wurden, und es wird dann eine Fehlermeldung ausgegeben. keine Datei hochgeladen. Führen Sie die Zelle erneut aus und laden Sie die CSV-Datei hoch. Dies ist also eines der Beispiele für die Fehlerbehandlung. Okay, jetzt gehen wir zurück zur Hauptübersicht und lassen Sie uns über das zweite Thema sprechen. API-Kostenoptimierungen. Es ist sehr wichtig, die API-Nutzung zu überwachen , da KI-Automatisierung unerwartet teuer werden kann , wenn die Anzahl der Gespräche, Häufigkeit der Anfragen oder die Modellgröße nicht kontrolliert werden Die Optimierung der Kosten durch gezielte Bearbeitung von Anfragen, Kürzung des Kontextes, Skizzieren von Ergebnissen und Auswahl des richtigen Modells gewährleistet Skalierbarkeit ohne Budgetverschwendung gezielte Bearbeitung von Anfragen, Kürzung des Kontextes, Skizzieren von Ergebnissen und Auswahl des richtigen Modells gewährleistet Skalierbarkeit ohne Budgetverschwendung . Es gibt also einige KI-Modelle, die teurer sind. Es gibt einige KI-Modelle, die Keeper sind, zum Beispiel sind Cloud und Open AI im Vergleich zu Gemini teurer Stellen Sie also sicher, dass Sie sich dessen voll bewusst sind. Und wenn Sie die offene Rotor-API verwenden, können Sie zu Activity TAR gehen und dort Ihre API-Nutzung verfolgen oder überwachen. Sie können sehen, welches KI-Modell verwendet wird. Sie können auch sehen, wie viele API-Anfragen Sie gestellt haben. Okay, lassen Sie uns jetzt zur Mindmap zurückkehren und über das dritte Thema sprechen, den Kontext und das Prom-Engineering. Es ist sehr wichtig, starke Kontexte zu haben und schnell zu entwickeln, damit das KI-Modell nur die Informationen erhält, die damit das KI-Modell nur die Informationen erhält, die wirklich wichtig sind, und konsistent relevante Antworten liefert. Strukturierung des Abschlussballs mit klaren Rollen, Zielen, Einschränkungen und Beispielen verbessert die Genauigkeit der Agenten erheblich, reduziert Halluzinationen und macht den Arbeitsablauf zuverlässiger Sie erinnern sich, dass wir in diesem Projekt, als wir den KI-Datenanalyse-Agenten entwickeln, die Rolle definieren, bevor wir KI um etwas bitten . Schau dir das an. Sie sind ein autonomer EI-Agent und Datenanalyst für Datenanalyse. Dies ist das Erste , was wir tun müssen bevor wir KI mit der Ausführung einer Aufgabe beauftragen. Und es ist genau das Gleiche wie das, was wir in diesem Projekt gemacht haben, AI-Projektmanager, Agent. Bevor wir KI bitten, etwas zu tun, definieren wir die Rolle. Schau dir das an. Sie sind Tescope-Agent. Sie sind ein Workload-Agent. Sie sind der Projektplaner. Sie sind der Hauptkontrolleur. Okay, Leute, das ist das Ende des Kurses. Vielen Dank für den Abschluss des Kurses und ich wünsche Ihnen alles Gute. Tschüss.