🇨🇳 中文
🇨🇳 中文
Тёмная тема
神经员工的记忆
记忆是一层规则和数据，帮助神经员工依据特定公司的逻辑进行响应，而不是“凭空而来”。
没有记忆，神经网络可能知道一些通用知识，但不知道你的品牌、规章制度、价格、与客户的约定和内部限制。因此，如果不进行设置，它通常会回答“网络上的一般情况”。
为什么需要记忆
与神经网络的普通对话建立在两件事上：模型和当前消息。
如果你没有将你的产品、风格、约定、退货规则、当前价格和内部流程融入上下文，模型就不会知道这些信息。因此，只能在每次对话中重复指令，或者接受不稳定的回答。
神经员工中的记忆解决了另一个问题：它设定了一个稳定的层次，AI 在每次回答用户时依赖于此层次。
从意义上讲，这与系统提示相近：
- 你是谁；
- 员工的角色是什么；
- 他用什么语气说话；
- 哪些规则不能被违反；
- 从哪里获取事实；
- 何时需要澄清；
- 何时需要将问题转交给人类。
没有这一层次，神经员工仅仅是一个聊天工具。有了它，他变成了一个可预测的助手，符合你的任务：以品牌的语气，使用你的数据，而不仅仅是模型的一般知识。
记忆带来了什么
记忆的作用在于：
- 巩固角色和风格 — 一次性描述任务、性格和限制，而不是手动在每次对话中复制这些内容；
- 连接常用来源的事实 — 文档、表格、频道、知识库、目录或规章制度；
- 减少凭空猜测 — 员工应依赖于你的数据，而非猜测；
- 管理更新 — 当文档、表格或指令发生变化时，回答可以更新为数据的最新版本；
- 使员工成为业务的一部分 — 它不再像偶然的聊天机器人，而是像经过培训的虚拟专业人士。
其工作原理：层次逻辑
可以方便地考虑三个层次。它们可以单独使用或组合使用。
1. 手动记忆：文本指令
手动记忆是你在神经员工的界面中编写的文本。
在其中可以描述：
- 任务 — 助手的职责以及不应做的事情；
- 角色 — 顾问、销售、助理、内容创作者、市场营销人员；
- 性格和语气 — 正式、友好、幽默、冷静，就像客户服务；
- 规则 — 必须说什么，禁止说什么，何时提问以获得澄清；
- 限制 — 哪些承诺不可做，哪些主题不可讨论，何时需要将问题转交人类；
- 典型场景 — 例如： “如果客户询问退货——按照步骤1–2–3回答。”
这已经足够使基于顶级模型之一（如 ChatGPT、Claude、Grok 等）的神经员工表现得像你的虚拟员工，而不仅仅是一个匿名聊天机器人。
最简单的例子：
你的名字是伊戈尔。你是公司的顾问。请简洁、友好、带点幽默地回答。不要使用官话。如果不知道准确的答案——不要编造，而是建议向人询问。
即使是这样简单的指令也能改变员工的行为。
2. 数据来源：文档、表格和频道
当仅有通用规则不够时，数据来源便会与记忆结合。
在神经员工的产品逻辑中，这些来源主要包括：
| 来源 | 提供内容 | 典型场景 |
|---|---|---|
| Google 文档 | 相关文本：规章制度、脚本、政策、在情况 X 下应如何回答的指导 | 需要严格交流算法的公司，法律效力的表述，统一的最新文档 |
| Google 表格 | 结构化数据：行和列 | 商店、目录、价格、库存、服务列表、数据中重要字段和数字的准确性 |
| Telegram 渠道 | 发布和更新流 | 新闻、促销、更新、公司已为受众发布的材料 |
| 公司知识库 | 收集的回答、指令、产品和流程描述 | 支持、咨询、员工培训、唯一的真相来源 |
这样的分类意义简单明了：
- 手动文本设定身份、框架和游戏规则；
- 文档适合长指令和规章制度；
- 表格适合当事实存储在单元格中并经常变化时；
- Telegram 渠道在动态性和与公开发布的一致性方面非常有用。
“文本 + 文档 + 表格 + 渠道”的组合覆盖了大量场景：从独立专家到商店、支持团队或按脚本工作的团队。
3. 用户响应时发生了什么
简言之：在每次用户发送消息时，神经员工会根据你设定的记忆——手动文本和连接的来源，根据产品规则收集上下文，并在这些指令和数据的框架内形成回答。
确切的机制取决于界面的实现方式：表格更新的频率、提取的文本量、存在的限制以及如何处理来源。这些细节应与当前版本进行核对 @aiworkersbot。
简单的逻辑如下：
- 用户提出问题。
- 神经员工查看自己的角色和行为规则。
- 如果需要事实，他会调用连接的来源：文档、表格、频道或知识库。
- 基于可用的信息，以所需风格形成答案。
- 如果数据不足，不编造，而是进行澄清或将问题转交人类。
例如，客户询问：“目前有这种服务吗，多少钱？”
神经员工的正确逻辑是：
- 检查最新的服务或价格来源；
- 以公司的风格答复；
- 不承诺数据中没有的内容；
- 如果价格取决于条件——提出澄清问题；
- 如果问题复杂——转交给人类。
这项功能适合谁
专家和个人品牌
需要一个以可识别风格工作的“专属”助理，而不需重型知识库。
有时仅需强大的手动记忆：姓名、语气、禁忌、回答格式和一些交流规则。
具有流程的小型和中型企业
如果有 Google 文档中的规章制度和脚本，记忆将神经员工与文本的唯一真相源连接起来。
你更新文档——员工便可以依赖于更准确的规则版本。
电子商务和目录
如果价格、款号、库存和特征存储在表格中，神经员工可以根据结构化数据回答，而不是模型的一般短语。
拥有公共 Telegram 渠道的团队
如果促销、新闻和更新已在频道中发布，可以将其作为响应客户时的最新上下文来源。
需要控制的人
你自己决定记忆中有什么，连接了哪些来源以及需要断开哪些。
数据更新通常仅涉及编辑文档或表格，而不需在每个聊天中重新编写整个逻辑。
使用示例
专家助理
记住专家的风格、主要产品、交流规则和常见回答。
这样的员工可以帮助回答订阅者问题、准备文本、解释服务，并保持统一的品牌声音。
根据脚本进行支持
根据规章制度、标准回答和知识库工作。
适合处理常见问题：付款、配送、登记、退货、服务规则、申请状态。
商店或目录
使用表格、目录或商品数据库。
可以帮助提供特征、库存、选择、购买条件或服务登记。
来自 Telegram 渠道的新闻和促销
将频道用作更新源。
如果公司已经发布了新闻、促销和条件变更，这非常方便，希望神经员工在回答中考虑这些材料。
记忆不是什么
重要的是要诚实地说：记忆有助于使回答更稳定，但并不将 AI 转变为无误的系统。
记忆不是：
- 法律文本验证的替代品；
- 模型错误的保证；
- 保证 AI 总是完美理解即使编写良好的指令；
- 无法显示的数据的存储空间。
隐私政策、访问权限和数据安全仍由业务所有者和产品设置负责。
实际操作步骤
- 确定任务类型：只需要风格和角色还是还需要文档、表格和频道中的事实。
- 填写手动记忆：任务、性格、规则、限制。
- 根据场景连接来源：执行规章的文档，作为目录的表格，作为新闻的频道。
- 检查对客户常见问题的回答。
- 如果回答过于笼统或不够准确，调整记忆中的表述。
重要准备事项
为了使记忆发挥有效作用，企业最好准备至少基本的方案：
- 神经员工是谁，他的角色是什么；
- 解决哪些任务；
- 需要以什么语气交流；
- 认为哪些回答是正确的；
- 哪些主题和承诺是禁止的；
- 最新数据存放在哪里；
- 何时需要将对话转交给人类。
不必立即准备完美的知识库。可以从简短的手动记忆和一个清晰的来源开始，随后逐步扩展。
主要事项
记忆是为了让神经员工不作为随机聊天机器人工作，而是成为你团队的一部分。
它确立了角色、风格、规则和事实来源。通过这一点，员工更好地理解业务，回答更稳定，随着时间的推移可以承担更多责任。