AI で返信を下書きする

大規模言語モデル（LLM）ノードを使うと、フローのデータから AI モデルに文章を書かせ、その文章を次のステップに渡せます。お客様のメッセージへの返信のほか、要約・翻訳・分類にも同じ方法が使えます。

このガイドは、返信の対象となるメッセージ（例: フォームの回答）がすでにフローにあることを前提とします。

1. LLM のステップを追加する

1. ステップを追加 をクリックし、AI を開いて 大規模言語モデル を選び、テキストチャット を選びます。
2. モデル を選びます。最初は既定のモデルで十分です。

2. メッセージを書く

メッセージ はモデルに送る会話です。2 つ追加します。

1. 変わらない指示を書く システム メッセージ:

   あなたは Example 株式会社のお問い合わせに返信します。丁寧かつ簡潔に、300 文字以内で書いてください。返金や日程の約束はしないでください。署名は「Example サポートチーム」としてください。

2. この実行のデータを渡す ユーザー メッセージ。$ を入力して前のステップの値を挿入します。

   お客様のお名前: Current Trigger.name お問い合わせ内容: Current Trigger.message

   返信を書いてください。

指示はシステムメッセージに、データはユーザーメッセージに分けて書きましょう。プロンプトが読みやすくなり、後から変更しやすくなります。

3. 返信を次のステップで使う

生成された文章は、LLM ステップの出力の次の場所にあります。

response.choices[0].message.content

$ の一覧にはまだ content が表示されないため、項目に参照全体を入力します。

$.<LLM ステップID>.output.response.choices[0].message.content

ステップ ID は、$ の一覧で LLM ステップの横にあるコピーボタンで取得し、残りのパスを付け足してください。

たとえば メール › メール送信 を追加し、本文にこの参照を設定します。

文章ではなく構造化された回答を得る

分岐に使うカテゴリなど、次のステップで特定の値が必要な場合は JSON で回答させます。

1. レスポンス形式 を JSONスキーマ にします。

2. スキーマ定義 に、欲しいフィールドを記述します。

   {
     "type": "object",
     "properties": {
       "category": { "type": "string", "enum": ["billing", "bug", "other"] },
       "reply": { "type": "string" }
     },
     "required": ["category", "reply"]
   }

3. ユーザーメッセージでもフィールドに触れます。例:「メッセージを分類し、返信を書いてください。」

解析された結果は response.choices[0].message.parsed_content にあるため、カテゴリは次のようになります。

$.<LLM ステップID>.output.response.choices[0].message.parsed_content.category

これを パス の条件に使えば、カテゴリごとに処理を分けられます。

ヒント

• 温度 は回答のばらつきを調整します。安定した事実ベースの回答には 0.2 程度に下げ、創造的な文章には上げてください。
• 最大トークン数 は返信の長さの上限です（既定値 1000）。返信が途中で切れる場合は上げてください。そのとき response.choices[0].finish_reason は length になります。
• 公開する前に、実際の例で何度か実行し、実行履歴 で返信を確認しましょう。システムメッセージを少し変えるだけで結果が大きく変わります。

関連ページ

• 前のステップのデータを使う
• 大規模言語モデルノード