Beschreibe, was du brauchst. Wir entwerfen eine realistische Agent-Skizze plus grobe Schätzung. Den vollständigen Blueprint gibt es als PDF.
flowchart LR AGENT["B2B-Kundensupport- und Helpdesk-Agent (Gemma 3 27B / Claude 3.5 Sonnet (Hybrid-Router))"] COMP_1["Intent-Router: Anfrageklassifizierung und Erkennung von Dringlichkeiten"] AGENT --> COMP_1 COMP_2["Wissens-RAG-Engine: Kontextsuche in Dokumentation und Tickethistorie"] AGENT --> COMP_2 COMP_3["Antwort-Validator: Sicherheits-Guardrails und Einhaltung von Unternehmensrichtlinien"] AGENT --> COMP_3 COMP_4["Ticket-Konnektor: Statussynchronisierung und Threaderstellung im Helpdesk-System"] AGENT --> COMP_4 STEP_1["1. 1. Entgegennahme der Anfrage und Maskierung sensibler personenbezogener Daten"] AGENT --> STEP_1 STEP_2["2. 2. Präzise Kontextsuche in der Vektor-Wissensdatenbank"] STEP_1 --> STEP_2 STEP_3["3. 3. Generierung des Lösungsvorschlags durch das Sprachmodell"] STEP_2 --> STEP_3 STEP_4["4. 4. Sicherheits- und Richtlinienüberprüfung über Guardrails"] STEP_3 --> STEP_4 STEP_5["5. 5. Bereitstellung der Antwort oder Eskalation an den zuständigen Mitarbeiter"] STEP_4 --> STEP_5 TOOL_1["Tool: Semantische Qdrant-Suche"] COMP_1 -.-> TOOL_1 TOOL_2["Tool: Metadaten-Extraktor"] COMP_1 -.-> TOOL_2 TOOL_3["Tool: DSGVO-Guardrails / PII-Maskierer"] COMP_1 -.-> TOOL_3 TOOL_4["Tool: Eskalation an Mitarbeiter"] COMP_1 -.-> TOOL_4
{
"schemaVersion": "openclaw/v1",
"agent": {
"name": "B2B-Kundensupport- und Helpdesk-Agent",
"summary": "Autonomer First-Line-Agent, der RAG-Wissensbasis mit Ticket- und Kommunikationskanälen verbindet.",
"model": "Gemma 3 27B / Claude 3.5 Sonnet (Hybrid-Router)",
"complexity": "medium"
},
"components": [
{
"name": "Intent-Router",
"role": "Anfrageklassifizierung und Erkennung von Dringlichkeiten"
},
{
"name": "Wissens-RAG-Engine",
"role": "Kontextsuche in Dokumentation und Tickethistorie"
},
{
"name": "Antwort-Validator",
"role": "Sicherheits-Guardrails und Einhaltung von Unternehmensrichtlinien"
},
{
"name": "Ticket-Konnektor",
"role": "Statussynchronisierung und Threaderstellung im Helpdesk-System"
}
],
"tools": [
"Semantische Qdrant-Suche",
"Metadaten-Extraktor",
"DSGVO-Guardrails / PII-Maskierer",
"Eskalation an Mitarbeiter"
],
"integrations": [
"Jira / Linear / Zendesk",
"Slack / Teams Webhook",
"Confluence / Notion Wissensbasis",
"E-Mail-Postfach"
],
"workflow": [
{
"step": 1,
"instruction": "1. Entgegennahme der Anfrage und Maskierung sensibler personenbezogener Daten"
},
{
"step": 2,
"instruction": "2. Präzise Kontextsuche in der Vektor-Wissensdatenbank"
},
{
"step": 3,
"instruction": "3. Generierung des Lösungsvorschlags durch das Sprachmodell"
},
{
"step": 4,
"instruction": "4. Sicherheits- und Richtlinienüberprüfung über Guardrails"
},
{
"step": 5,
"instruction": "5. Bereitstellung der Antwort oder Eskalation an den zuständigen Mitarbeiter"
}
]
}