完成知识组织和工作流程规划之后，我们就可以正式进入GPTBots平台来构建FlowBot了。
在【FlowBot】模块中，首先创建一个售后服务机器人，并进入设置界面。
知识学习
在【知识库】模块中，将之前整理好的“支持服务”和“退货”文档 比利时 whatsapp 数据 提交给机器人进行学习和训练。GPTBots平台提供了多种类型的知识上传方式。
本例中我们选择“Q&A”作为知识文档管理格式，这是一种以“问答对”为基本单位的知识存储格式，当客户提出与其中某些问题（Q）语义相似的问题时，机器人可以快速找到对应的答案（A），并通过LLM组织语言来回答客户。
流程设计
配置完知识文档后，我们就可以开始Flow设计阶段了。
通过[编辑]进入可视化编辑界面。
每个流程均由三个基本元素组成：
输入：客户输入信息；
输出：经过一系列的Flow处理后，将信息作为回应输出给客户；
组件：各种数据处理组件，包括LLM、知识检索、条件判断和预设响应。
场景判断
按照我们之前对业务流程的规划，客户提出疑问之后，我们需要先对客户的问题进行判断，并根据客户的问题分类进入相应的响应流程。
因此Flow设计的第一步就是将【输入】的下一步设置为【分支判断】组件，并用自然语言设置【退款】、【快递追踪】、【退货】等分支。
通过该组件，机器人会根据客户的问题内容判断继续哪个流程。
知识问答：退货、支持服务
以【退货】为例，如果判断客户的提问是退货，那么接下来要做的就是针对客户的提问从知识文档中找到合适的回答内容。
我们可以在这里添加一个【知识向量】组件，将【分支判断】中的【退货】连接到这里。在【知识向量】中，我们选择之前上传并训练好的“退货”文档作为此组件的知识检索素材。
由于【知识向量】组件检索出的结果都是比较“干”的知识片段，无法直接用来回复客户，所以我们需要下一步将客户的疑问和知识检索结果提供给LLM，以便LLM理解、分析，最终组织出合适的答案。
最后将LLM输出信息连接到【输出】组件，完成整个工作流。上述工作流也可以在【支持服务】分支中复用，设计思路相同。
插件调用：快递追踪、退款
当客户的请求确定需要查询快递跟踪的时候，我们可以设置一个LLM组件，并为该组件添加【快递跟踪】插件。
LLM会从客户的请求中提取需要查询快递的订单号，并通过调用插件的方式向客户返回该订单号的物流进度。
同样的，如果LLM从客户的请求中识别出[退款]意图，它将引导客户提供必要的信息，并帮助客户通过插件提交请求以执行退款流程。