Dein KI-Agent liest Fotos, Sprachnachrichten und Dokumente in WhatsApp

Was er macht

Der Agent versteht, was der Kunde sendet, nicht nur Text: Er liest Bilder, hört Sprachnachrichten und verarbeitet Dokumente.

Wie es funktioniert

• Fotos: Der Agent sieht den Inhalt. Wenn der Kunde ein Produktfoto sendet, kann er es identifizieren und im Katalog suchen; wenn er einen Zahlungsbeleg sendet, liest er Betrag und Datum.

• Sprachnachrichten: Sie werden transkribiert und der Agent antwortet, als wären es Texte.

• Dokumente (PDF und Ähnliches): Der Agent extrahiert den Text und antwortet zum Inhalt.

• Medienversand: Der Agent sendet auch Fotos von Produkten und Geschäftsdokumenten, wenn die Konversation es verlangt.

Was du erwarten kannst und was nicht

Es funktioniert sehr gut mit klarem Inhalt: lesbare Belege, scharfe Fotos, Audios ohne viel Lärm. Bei einem unscharfen Foto oder einem abgeschnittenen Audio bittet der Agent den Kunden, es erneut zu senden oder zu schreiben. Er rät nicht, was er nicht sieht.

Wo es eingerichtet wird

Es erfordert keine Einrichtung: Es ist aktiv. Die Dateien, die ankommen und gesendet werden, bleiben in der Konversation, sichtbar im Posteingang von Chats.

Was du NICHT in den Prompt schreiben solltest

Anweisungen wie "wenn dir ein Bild gesendet wird, beschreibe es" oder "transkribiere die Audios". Die Engine macht das bereits. Der Prompt kann festlegen, was mit dem Ergebnis geschehen soll, zum Beispiel "wenn ein Beleg eintrifft, bestätige die Bestellung und informiere das Team".

Trainiere mit deiner eigenen KI

Nutzt du ChatGPT oder Claude? Verbinde sie mit deinem TBit-Agenten und lass sie dir helfen, ihn mit deinen echten Daten zu trainieren: Gehe in der Plattform zu Agent-Einstellungen, Bereich Verbinde deine KI, generiere dein Token und füge den Konnektor https://api.tbit.app/mcp hinzu. Dein Assistent kann den Prompt, die Erinnerungen und die letzten Konversationen prüfen und dir Verbesserungen vorschlagen.