チケットルーティング

def classify_support_request(ticket_contents):
    # 分類タスクのプロンプトを定義
    classification_prompt = f"""あなたはカスタマーサポートチケット分類システムとして動作します。あなたのタスクは、カスタマーサポートリクエストを分析し、各リクエストに対して適切な分類意図を推論とともに出力することです。

        以下が分類する必要があるカスタマーサポートリクエストです：

        <request>{ticket_contents}</request>

        上記のリクエストを注意深く分析して、顧客の核となる意図とニーズを決定してください。顧客が何を求めているか、何について懸念しているかを考慮してください。

        まず、このリクエストをどのように分類するかについての推論と分析を<reasoning>タグ内に書いてください。

        次に、リクエストに対する適切な分類ラベルを<intent>タグ内に出力してください。有効な意図は以下の通りです：
        <intents>
        <intent>サポート、フィードバック、苦情</intent>
        <intent>注文追跡</intent>
        <intent>返金・交換</intent>
        </intents>

        リクエストには1つの適用可能な意図のみがあります。リクエストに最も適用可能な意図のみを含めてください。

        例として、以下のリクエストを考えてください：
        <request>こんにちは！土曜日に高速光ファイバーインターネットを設置してもらい、設置担当者のKevinさんは本当に素晴らしかったです！どこに肯定的なレビューを送ることができますか？ご協力ありがとうございます！</request>

        以下は、出力がどのようにフォーマットされるべきかの例です（上記の例のリクエストに対して）：
        <reasoning>ユーザーは肯定的なフィードバックを残すための情報を求めています。</reasoning>
        <intent>サポート、フィードバック、苦情</intent>

        以下はさらなる例です：
        <examples>
        <example 2>
        例2の入力：
        <request>この週末の父の葬儀の際に、私の家族に示してくださった思いやりについて、個人的にお礼を申し上げたく筆を取りました。スタッフの皆様は、このプロセス全体を通じてとても思いやりがあり親切で、本当に私たちの肩の荷を下ろしてくれました。弔問のパンフレットは美しかったです。皆様が示してくださった親切さを決して忘れることはなく、式典がいかにスムーズに進行したかについて、とても感謝しています。改めて、Hill家を代表してAmarantha Hillより、ありがとうございました。</request>

        例2の出力：
        <reasoning>ユーザーは自分の体験について肯定的なレビューを残しています。</reasoning>
        <intent>サポート、フィードバック、苦情</intent>
        </example 2>
        <example 3>

        ...

        </example 8>
        <example 9>
        例9の入力：
        <request>あなたのウェブサイトは画面全体をブロックする広告ポップアップを送り続けています。苦情を言うための電話番号を見つけるのに20分もかかりました。これらすべてのポップアップで、どうやって自分のアカウント情報にアクセスできるでしょうか？あなたのウェブサイトが壊れているので、私のアカウントにアクセスしてもらえますか？ファイルにある住所を知る必要があります。</request>

        例9の出力：
        <reasoning>ユーザーはウェブアカウント情報へのアクセスのヘルプを要求しています。</reasoning>
        <intent>サポート、フィードバック、苦情</intent>
        </example 9>

        分類推論を実際の意図出力の前に常に含めることを忘れないでください。推論は<reasoning>タグで囲み、意図は<intent>タグで囲んでください。推論と意図のみを返してください。
        """

import anthropic
import re

# Claude APIクライアントのインスタンスを作成
client = anthropic.Anthropic()

# デフォルトモデルを設定
DEFAULT_MODEL="claude-3-5-haiku-20241022"

def classify_support_request(ticket_contents):
    # 分類タスクのプロンプトを定義
    classification_prompt = f"""あなたはカスタマーサポートチケット分類システムとして動作します。
        ...
        ... 推論は<reasoning>タグで囲み、意図は<intent>タグで囲んでください。推論と意図のみを返してください。
        """
    # サポートリクエストを分類するためにAPIにプロンプトを送信
    message = client.messages.create(
        model=DEFAULT_MODEL,
        max_tokens=500,
        temperature=0,
        messages=[{"role": "user", "content": classification_prompt}],
        stream=False,
    )
    reasoning_and_intent = message.content[0].text

    # Pythonの正規表現ライブラリを使用して`reasoning`を抽出
    reasoning_match = re.search(
        r"<reasoning>(.*?)</reasoning>", reasoning_and_intent, re.DOTALL
    )
    reasoning = reasoning_match.group(1).strip() if reasoning_match else ""

    # 同様に、`intent`も抽出
    intent_match = re.search(r"<intent>(.*?)</intent>", reasoning_and_intent, re.DOTALL)
    intent = intent_match.group(1).strip() if intent_match else ""

    return reasoning, intent

import anthropic
import re

# Claude APIクライアントのインスタンスを作成
client = anthropic.Anthropic()

# デフォルトモデルを設定
DEFAULT_MODEL="claude-3-5-haiku-20241022"

def classify_support_request(request, actual_intent):
    # 分類タスクのプロンプトを定義
    classification_prompt = f"""あなたはカスタマーサポートチケット分類システムとして動作します。
        ...
        ...推論は<reasoning>タグで囲み、意図は<intent>タグで囲んでください。推論と意図のみを返してください。
        """

    message = client.messages.create(
        model=DEFAULT_MODEL,
        max_tokens=500,
        temperature=0,
        messages=[{"role": "user", "content": classification_prompt}],
    )
    usage = message.usage  # 入力と出力トークンがどれだけ使用されたかのAPI呼び出しの使用統計を取得
    reasoning_and_intent = message.content[0].text

    # Pythonの正規表現ライブラリを使用して`reasoning`を抽出
    reasoning_match = re.search(
        r"<reasoning>(.*?)</reasoning>", reasoning_and_intent, re.DOTALL
    )
    reasoning = reasoning_match.group(1).strip() if reasoning_match else ""

    # 同様に、`intent`も抽出
    intent_match = re.search(r"<intent>(.*?)</intent>", reasoning_and_intent, re.DOTALL)
    intent = intent_match.group(1).strip() if intent_match else ""

      # モデルの予測が正しいかどうかをチェック
    correct = actual_intent.strip() == intent.strip()

    # 推論、意図、正解、使用量を返す
    return reasoning, intent, correct, usage