Впроваджуємо AI у Laravel: розумне сортування тікетів за допомогою Structured Output

▶️ Дивитися відеоурок (10 хвилин)

«З мого рахунку двічі списали кошти, а на листи ніхто не відповідає — це неприпустимо». Що відбувається після такого повідомлення? Хтось із вашої команди читає його, ідентифікує проблему з оплатою, ставить високий пріоритет і передає запит далі. А тепер уявіть сотні таких тікетів щодня. AI SDK у Laravel 13 дозволяє автоматизувати цей процес.

У минулій серії ми навчили сапорт-агента спілкуватися з клієнтами. Проблема в тому, що він видає довільний текст. Його легко прочитати людині, але важко обробити програмою: ви не можете автоматично сортувати запити, визначати пріоритетність чи відстежувати настрої тисяч користувачів. Для цього потрібні структуровані дані.

У цьому епізоді ми створимо другого агента — TicketClassifier. Він аналізує повідомлення клієнта та повертає JSON-об’єкт із чотирма полями: category, priority, sentiment та summary. Значення полів суворо обмежені: «billing» завжди залишається «billing», а «angry» — «angry». У результаті ви отримуєте чисті дані, які можна зберігати, фільтрувати та використовувати в роботі.

Ми детально розберемо схему, перевіримо точність класифікації на різних прикладах і налаштуємо controller для валідації та обробки тікетів. Наприкінці відео ми продемонструємо весь цикл роботи в Tinker.

У наступній серії ми додамо агенту custom tools, щоб він міг шукати замовлення в базі даних та переглядати історію клієнтів. Агент припинить вгадувати й почне працювати з реальними даними застосунку.

⭐ GitHub: https://github.com/harris21/ship-ai-with-laravel

▶️ Дивитися 2-й епізод →