Optimalizace spouštěcích frází a porozumění přirozenému jazyku
Co jsou spouštěcí fráze v Copilot Studio
Spouštěcí fráze trénují model porozumění přirozenému jazyku (NLU) vašeho agent.
Aktivační fráze se konfigurují na úrovni tématu a označují agent, pro jaké typické uživatelské promluvy by se mělo konkrétní téma aktivovat.
Spouštěcí fráze obvykle zachycují způsob, jakým by se uživatel zeptal na problém nebo otázku. Například „problém s plevelem v trávníku“
Tip
- Při vytváření nového téma potřebuje tvůrce poskytnout pouze několik ukázkových frází (ideálně mezi pěti a deseti). Při použití agent AI analyzuje, co uživatel říká, a aktivuje téma, které je významově nejblíže promluvě uživatele.
- Další informace o efektivních aktivačních frázích najdete v tématu Volba účinných aktivačních frází.
Význam kontextu spouštění
NLU Copilot Studio se chová odlišně v závislosti na stavu konverzace, což může někdy vést k odlišnému chování pro stejný uživatelský výrok.
Následují různé stavy konverzace:
- Začátek konverzace: agent nemá žádný kontext, takže se očekává, že promluva uživatele buď: spustí téma přímo (rozpoznání záměru), spustí rozcestník "mysleli jste" (shoda více témat) mezi kandidáty na záměr, pokud existuje více odpovídajících témat, nebo přejde na záložní téma, pokud záměr není rozpoznán.
- Po spuštění „měli jste na mysli“ (shoda více témat): NLU se optimalizuje tak, aby odpovídala jednomu z navrhovaných témat, s vyššími prahovými hodnotami pro přechod z nabízených možností.
- Přepnutí z aktuálního tématu: Pokud se NLU pokouší zaplnit slot v tématu a uživatel zadává uživatelský dotaz, který by mohl spustit další jiné téma (přepínání tématu).
O interpunkci
Model NLU je nezávislý vůči interpunkci, včetně otazníků.
Vytváření nových spouštěcích frází
Pokud je to možné, začněte se skutečnými produkčními daty, než vytvoříte vlastní spouštěcí fráze. Nejlepší spouštěcí fráze jsou ty, které se podobají skutečným datům pocházejícím od uživatelů. Tyto fráze jsou ty, na které se uživatelé ptají nasazeného agent.
Není třeba vynechávat konkrétní slova: model je navržen tak, aby přikládal menší váhu zbytečným slovům, jako jsou zastavovací slova (slova, která jsou před zpracováním dat přirozeného jazyka odfiltrována, protože jsou nevýznamná).
Optimalizace spouštěcích frází
| # | Tip | Příklady |
|---|---|---|
| 1 | Mějte alespoň 5–10 spouštěcích frází na téma Opakujte a přidávejte další, jak se učíte od uživatelů. |
Najděte můj nejbližší obchod Zjistit umístění obchodu Vyhledání obchodu Najděte mi své nejbližší místo Obchod blízko mně |
| 2 | Obměňujte strukturu vět a klíčové pojmy Model automaticky zvažuje varianty těchto frází. |
Kdy máte zavřeno Denní otevírací doba |
| 3 | Používejte krátké spouštěcí fráze Méně než 10 slov. |
Kdy máte otevřeno |
| 4 | Vyhněte se jednoslovným spouštěcím frázím To zvyšuje váhu konkrétních slov při spouštění tématu. Může to způsobit zmatek mezi podobnými tématy. |
Uložit |
| 5 | Používejte úplné fráze | Mohu mluvit s lidským asistentem |
| 6 | Mějte jedinečná slovesa a podstatná jména nebo jejich kombinace | Potřebuji služby zákazníkům Chci mluvit s poradcem |
| 7 | Vyhněte se použití stejné varianty entity Nemusíte používat všechny příklady z hodnoty entity. NLU automaticky zvažuje všechny varianty. |
Chci si objednat burger Dám si pizzu Chci kuřecí nugety |
Vyrovnání počtu spouštěcích frází na téma
Zkuste vyrovnat počet spouštěcích frází mezi tématy.
Tip
Tímto způsobem schopnosti NLU nedají vyšší váhu tématu oproti jiným na základě nakonfigurovaných spouštěcích frází.
Posouzení dopadu vašich změn
Při aktualizaci spouštěcích frází nebo při slučování či rozdělování témat existuje několik způsobů, jak posoudit změny:
- Okamžitá změna chování agenta, kterou lze pozorovat na plátně „testovat agent“ (například téma, které se teď spouští nebo neaktivuje na základě aktualizací spouštěcích frází).
- Změna po nasazení agenta a vystavení provozu, což se promítá do vyšší nebo nižší míry odvrácení (bez eskalace). To lze pozorovat na kartě analýzy v Copilot Studio.
Tip
Spouštění téma a výkon vašeho modelu NLU můžete otestovat hromadně s testovacími daty pomocí Copilot Test Framework.
Přestože základní funkce a komponenty použité k vytvoření Copilot Test Framework (např interakci s rozhraním API Direct Line) jsou plně podporovány, samotný Copilot Test Framework představuje ukázkové implementace těchto funkcí.
Naši zákazníci a komunita mohou používat a upravovat Copilot Test Framework k implementaci hromadného testování. Pokud se potýkáte s problémy s rozhraním Copilot Test Framework, nahlaste problém zde: https://aka.ms/PVASamples. (Podpora Microsoftu vám nepomůže s problémy souvisejícími s těmito příklady, ale pomůže s souvisejícími problémy souvisejícími s platformou a funkcemi.)