Вы когда-нибудь чувствовали, что ваш почтовый ящик представляет собой цифровую гидру, порождающую два новых письма для каждого, на кого вы ответили? ?? Что ж, коллеги-энтузиасты технологий, я решил сразиться с этим монстром с помощью секретного оружия: искусственного интеллекта! ??️

Момент Эврики

Представьте себе: сейчас 3 часа ночи, я окружен пустыми кофейными чашками ☕☕☕, смотрю на почтовый ящик, который по объему может соперничать с Библиотекой Конгресса. Именно тогда меня осенило: если ИИ может победить шахматных гроссмейстеров, он наверняка поможет мне разобраться в этом лабиринте электронной почты, верно?

Введите ИИ-заклинатель электронной почты

Итак, я засучил рукава и погрузился в создание системы обработки электронной почты на базе искусственного интеллекта. Представьте себе неутомимого, сверхумного стажера, который никогда не просит перерывов на кофе. Вот как работает это цифровое чудо:

1. Всевидящее око ?️: Используя мощный GPT-4, наш AI-друг сканирует входящие электронные письма быстрее, чем вы успеваете сказать: «Вам письмо пришло!»

2. Сортировочная шляпа ?: Затем каждое электронное письмо классифицируется как «запрос на продукт» или «запрос на заказ». Это как Хогвартс, только для писем!

3. Мастер заказов ?: Для запросов на заказ он извлекает детали быстрее, чем вы можете нажать «Добавить в корзину», и проверяет, достаточно ли у нас запасов для выполнения заказа.

4. The Smooth Talker ?: На основе типа электронного письма и статуса заказа он создает персонализированные ответы, которые заставили бы Шекспира позавидовать (ну, если бы Шекспир увлекался электронной коммерцией).

5. The Query Queller ❓: на запросы о продуктах он отправляет автоматические ответы быстрее, чем вы успеваете сказать «Мы скоро свяжемся с вами».

Секретный соус (также известный как Технический стек)

Для всех ценителей программирования, вот что готовится на нашей AI-кухне:

• Основной курс: Python ? (потому что кто не любит хорошую змею в своем коде?)
• Специальный ингредиент: OpenAI GPT-4 (Гордон Рамзи среди языковых моделей)
• Гарнир: Панды ? (для обработки данных, а не для пережевывания бамбука)
• Приправа: Google Sheets API (поскольку электронные таблицы – невоспетые герои хранения данных)

Давайте углубимся в некоторые фрагменты кода, чтобы увидеть, как это на самом деле работает!

1. Классификация электронной почты

Вот как мы используем GPT-4 для классификации входящих писем:

def classify_email(email_body: str) -> str:
    prompt = (f"Classify the following email as either a 'product inquiry' or an 'order request'. "
              "An 'order request' must include explicit purchase intent, such as specifying quantity, shipping details, or mentioning a transaction."
              "General questions or interest in a product should be classified as a 'product inquiry'.\n\n"
              f"Email: {email_body}\n\nClassification:")
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )

    classification = response.choices[0].message.content.strip().lower()
    if "order request" in classification:
        return "order request"
    elif "product inquiry" in classification:
        return "product inquiry"
    else:
        return "unclassified"

2. Обработка заказа

Для запросов на заказы мы извлекаем подробную информацию и обновляем инвентарь:

def process_order(email_id: str, orders: List[Dict], products_df: pd.DataFrame) -> Tuple[List[Dict], pd.DataFrame]:
    order_status = []
    for order in orders:
        product_id = order['product_id']
        quantity = order['quantity']

        product = products_df[products_df['product_id'] == product_id].iloc[0]
        current_stock = int(product['stock'])

        if current_stock >= quantity > 0 and current_stock > 0:
            status = "created"
            products_df.loc[products_df['product_id'] == product_id, 'stock'] -= quantity
        else:
            status = "out of stock"

        order_status.append({
            'email_id': email_id,
            'product_id': product_id,
            'quantity': quantity,
            'status': status
        })

    return order_status, products_df

3. Генерация ответов

Наконец, мы генерируем персонализированные ответы в зависимости от типа электронного письма и статуса заказа:

def generate_response(email_name: str, classification: str, order_status: List[Dict], products_df: pd.DataFrame) -> str:
    if classification.lower() == "order request":
        context = "Order Summary:\n"
        for order in order_status:
            product = products_df[products_df['product_id'] == order['product_id']].iloc[0]
            context  = f"Customer name:{email_name} Product: {product['name']}, Quantity: {order['quantity']}, Status: {order['status']}\n"

        prompt = f"""Generate a professional response for the following order:

{context}

If any items are out of stock, suggest alternatives or waiting for restock.
Ensure the tone is professional and enhances the customer experience.

Response:"""
    else:
        prompt = f"""Customer name:{email_name} \n Generate a professional response for a product inquiry. 
Inform the customer that we've received their inquiry and will get back to them with more detailed information shortly. 
Ensure the tone is professional and enhances the customer experience.

Response:"""

    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content.strip()

Эврика Моменты: Что я узнал

1. Ощущение скорости ⚡: быстрые электронные письма с подтверждением сделали клиентов счастливее, чем бесплатная доставка (почти).

2. Точность превыше всего ?: Точная настройка подсказок ИИ похожа на обучение робота танцу — это требует практики, но когда это работает, это великолепно.

3. Инвентарь Тетрис ?: Проверки запасов в реальном времени не позволили нам обещать единорогов, которых мы не смогли доставить.

4. Индивидуальный подход ?: персонализированные ответы, генерируемые искусственным интеллектом, заставляли клиентов чувствовать себя особенными, а мы не превращались в читателей мыслей.

5. Ожидайте неожиданного ?: Надежная обработка ошибок спасала нас от цифровых неудач больше раз, чем мне хотелось бы признать.

Доказательство находится в папке «Пудинг» (или, в данном случае, в папке «Входящие»).

После запуска нашего ИИ-обработчика электронной почты на тестовом наборе данных:

• ? Время ответа на электронное письмо сократилось быстрее, чем у парашютиста без парашюта (снижение на 80 %)
• ? Точность обработки заказов взлетела как ракета (улучшение на 95 %)
• ? Удовлетворенность клиентов выросла больше, чем количество потребляемого мною кофе во время сеансов кодирования (прирост на 40 %)

Что дальше в этой саге об ИИ-электронной почте?

Хотя этот проект был моим любимым экспериментом (в процессе написания кода не участвовали настоящие домашние животные), он открывает целый мир возможностей. Представьте себе ниндзя службы поддержки клиентов, волшебников электронной коммерции или гуру производительности, владеющих такой мощью искусственного интеллекта!

Грандиозный финал

Это приключение по электронной почте, основанное на искусственном интеллекте, было веселее, чем запойный просмотр всех сезонов «Силиконовой долины» (и поверьте мне, я это сделал). Хотя он еще не готов захватить мир (или даже весь ваш почтовый ящик… пока), он показывает, как ИИ может изменить то, как мы обрабатываем цифровую связь.

Теперь я обращаюсь к вам, мои коллеги-технические энтузиасты: танцевали ли вы с искусственным интеллектом в своих проектах? Запутались в технологиях повышения производительности? Я хочу услышать ваши истории о триумфе (или веселых неудачах) в комментариях ниже!

Помните: пусть ваш код не будет содержать ошибок, а ваш почтовый ящик будет достижимым! ??

Вы знали? ? Первая система электронной почты была изобретена в 1971 году Рэем Томлинсоном. Если бы он увидел, что мы сейчас используем ИИ для управления электронной почтой, он, вероятно, сказал бы: «У вас… продвинутый уровень!»