Lógica de ramificação em agentes de voz: condicionais, variáveis e estado
Ramo de conversas reais. A resposta do chamador a uma pergunta determina o que acontece a seguir. Veja como funciona a lógica condicional em fluxos de trabalho de agentes de voz.
Um fluxo de conversa linear – cumprimentar, perguntar, responder, encerrar – funciona para os casos de uso mais simples. Qualquer coisa além disso requer ramificação: se o chamador for um cliente existente, verifique sua conta; se for novo, comece a integração. Se o problema for faturamento, encaminhe para o fluxo de faturamento; se for técnico, encaminhe para solução de problemas. Se o chamador estiver frustrado, avance com antecedência. A ramificação é o que transforma um agente de demonstração em um agente de produção.
Como funcionam as condicionais no Agent Canvas
Um nó condicional avalia uma variável ou classificação LLM e encaminha a conversa por diferentes caminhos. A variável pode ser coletada explicitamente (“Você já é um cliente?”), inferida pelo LLM a partir do contexto ou consultada em um sistema externo (o CRM retorna a camada do cliente). Cada ramificação leva a um subfluxo diferente, com suas próprias ações, consultas à base de conhecimento e proteções.
Estado e variáveis da conversa
As variáveis se acumulam à medida que a conversa avança: caller_name, account_id, issue_type, sentiment_score. Essas variáveis estão disponíveis para todos os nós da tela — elas informam o roteamento condicional, personalizam as respostas do agente e são passadas para ações como parâmetros. Quando o agente marca um compromisso, ele usa as variáveis caller_name e preferido_time coletadas anteriormente na conversa. O estado torna o fluxo coerente, em vez de cada nó operar isoladamente.
Pronto para construir?
Veja como os agentes de IA multimodais da Mazed funcionam para o seu caso de uso.