rajveer100704/carbolo-whatsapp-ai-agent

Was macht carbolo-whatsapp-ai-agent?

Produktionsbereiter WhatsApp-KI-Autohändler-Assistent mit fundiertem RAG, Google Kalenderbuchung, APScheduler-Erinnerungen, FSM-Orchestrierung, Hinglish-Support und Anti-Halluzinations-Schutzmechanismen.

Übersicht

Dieser Skill implementiert einen WhatsApp-Chatbot für Autohändler. Der Agent:

• Fundiertes RAG (Retrieval Augmented Generation): Verwendet vektorbasierte Suche, um relevante Händlerdaten (Fahrzeugbestand, Preise, Öffnungszeiten) abzurufen und Antworten zu generieren, die auf Fakten basieren.
• Google Kalender-Integration: Ermöglicht Kunden, direkt über WhatsApp Testfahrten oder Beratungstermine zu buchen. Termine werden automatisch im Google Kalender des Händlers erstellt.
• APScheduler-Erinnerungen: Versendet automatische Erinnerungen an Kunden vor einem vereinbarten Termin.
• FSM-Orchestrierung (Endlicher Automat): Steuert den Dialogfluss über Zustände wie WILLKOMMEN, FAHRZEUGSUCHE, TERMINVEREINBARUNG, BESTÄTIGUNG und ENDE.
• Hinglish-Unterstützung: Der Agent versteht und antwortet in einer Mischung aus Hindi und Englisch, was die Nutzerakzeptanz in Indien erhöht.
• Anti-Halluzinations-Schutzmechanismen: Vor der Ausgabe werden generierte Antworten gegen die abgerufenen Kontextdaten validiert. Wenn die Antwort nicht durch den Kontext gestützt wird, wird sie verworfen oder durch eine Standardantwort ersetzt.

Plattformen

• WhatsApp Business API (primär)
• Google Calendar API (für Terminbuchungen)
• Beliebige Vektordatenbank (z. B. Pinecone, Weaviate, Chroma) für RAG
• Python 3.9+ mit Bibliotheken wie flask, twilio, openai, apscheduler, pydantic, langchain

Funktionsweise

1. Empfang: Eine eingehende WhatsApp-Nachricht wird über die Twilio-API empfangen.
2. Intent-Erkennung: Der Agent analysiert den Nachrichtentext (GPT-basiert oder regex) und bestimmt den aktuellen FSM-Zustand.
3. RAG-Abfrage: Bei Fragen zu Fahrzeugen oder Händlerinformationen wird eine Vektorsuche ausgeführt, um die relevantesten Daten zu finden.
4. Antwortgenerierung: Die abgerufenen Kontextdaten werden mit der Benutzeranfrage kombiniert und an das LLM geschickt. Die Antwort wird auf Kontextübereinstimmung validiert.
5. Kalender-Aktion: Falls eine Terminbuchung erkannt wird, erstellt der Agent über die Google Calendar API ein Ereignis.
6. Erinnerung: Der APScheduler plant eine Erinnerungsaufgabe für den gebuchten Termin.
7. Ausgabe: Die Antwort wird über Twilio als WhatsApp-Nachricht zurückgesendet.

Einrichtung

1. Repository klonen
2. Umgebungsvariablen setzen (siehe .env.example):
   • TWILIO_ACCOUNT_SID
   • TWILIO_AUTH_TOKEN
   • OPENAI_API_KEY
   • PINECONE_API_KEY (oder anderer Vektordatenbank-Key)
   • GOOGLE_CALENDAR_CREDENTIALS (JSON-Pfad)
   • GOOGLE_CALENDAR_ID
3. Abhängigkeiten installieren: pip install -r requirements.txt
4. Vektordatenbank initialisieren: python seed.py (lädt Händlerdaten in die DB)
5. Server starten: python app.py
6. WhatsApp-Webhook konfigurieren: Die Twilio-Webhook-URL auf Ihre öffentliche Endpoint-URL setzen (z. B. über ngrok).

Benutzung

Nach der Einrichtung können Benutzer dem Agenten über WhatsApp folgende Befehle senden:

• „Hi“ oder „Hello“ → Begrüßung und Menü
• „Ich suche ein Auto unter 10 Lakh“ → Fahrzeugsuche mit RAG
• „Ich möchte eine Testfahrt buchen“ → Einleitung der Terminbuchung (Google Calendar)
• „Erinnere mich morgen um 10 Uhr“ → Planung einer Erinnerung
• „Tschüss“ → Beendigung des Gesprächs

Lizenz

MIT