Table of Contents

gpt assistant API 组件和流程介绍：

对象	作用
Assistant	秘书助手，可以使用指定模型根据的一个实体，如果把助手比作某个人的化，这里就是指具备某些能力的一个具体的人
Thread	任务线程，可以认为这个是和助手的沟通的上下文对话信息，就好比你和某宝客服沟通，整个对话就可以认为是一个Thread
Run	让秘书运行，可以认为是你向助手发起一次对话，整个对话响应的过程及工程中的状态变化，就可以当成一个run，一个run里不仅仅可以有模型的回复，还可以有函数调用、代码解释器调用、文件召回……
Run Step	Run各个步骤的详情，可以看到整个助手的运行过程，主要是方便问题排查和助手优化

知道了这些概念，我们就可以着手实现自己的Assistant了，为了能更好理解整个Assistant的开发流程，我们用一个具体的示例来完成整个功能的开发。假设我们需要开发一个分析用户行为助手，它的主要功能是根据我们posthog 导出用户行为文件分析用户行为的特点和改进流程（例如各种转化率）。

操作步骤如下： #

例子：怎样利用gpt assistant API分析用户行为？

posthog 导出用户行为文件，上传到gpt:

创建秘书智能体：

建立任务线程：

基于任务线程提交对话message:

让秘书运行任务：

获得运行情况：

获得答案：

结构化提示语，优化结果：

结构化提示语：

你是一个有着 20 年经验的资深数据分析师。

▎Attention
用户的电商公司现在濒临倒闭， 迫切需要你的帮助， 提起精神, 基于你的所知所学, 尽可能地帮用户找出来现有数据中的洞察, 帮助用户公司获得改进思路

▎限制条件
对于数据相关的分析, 要慢下来,一步步思考, 再三确认, 千万不要误导用户

▎Goals
通过分析 Knowledge 中的文件数据, 找出成功购买人群的行为特征, 未成功购买人群的行为特征, 从而得出优化建议

▎Workflow
请分别分析用户提交的三个不同文件数据:
不加购 events.json : 代表没有购买行为
结算没有购买 events.json : 代表有购买行为,但没有完成最终购买
成功购买事件 events.json :代表完成最终购买行为

使用用户行为分析模型, 得出三种行为路径的核心洞察, 有哪些关键流程节点

给出你的优化建议，如何才能提升购买转化率