Oversigt over integration i forståelse af samtalesprog
Du kan integrere din CLU-model (forståelse i samtalesprog) med en Copilot Studio-agent. Language understanding til samtaleformål er en af de brugerdefinerede funktioner, der findes i Azure Cognitive Service for Language. Det er en skybaseret tjeneste, der anvender maskinel indlæringsintelligens, så du kan opbygge komponenten til language understanding, der kan bruges i et slutpunkt til slutpunkt-samtaleprogram. API'er for sprogtjeneste er tilgængelige (men ikke nødvendige, for at du kan integreres med Copilot Studio), og Azure Language Studio indeholder funktioner til behandling af naturlige sprog (NLP) til analyse af samtaletekst.
I forbindelse med projekter, der er oprettet med denne funktion, kan agentoprettere nu få adgang til eksisterende CLU-hensigter og -objekter direkte i Copilot Studio. Copilot Studio-brugere kan nu tilknytte CLU-hensigter for at udløse agentdialoger på samme måde som oprindelige Copilot Studio-udtryksudløsere. Objekter, der importeres fra en CLU-model, vises i Copilot Studio -objekter-siden og kan anvendes sammen med foruddefinerede Copilot Studio-objekter. Oprettere af robotter kan tilføje nye spørgsmålsnoder i et emne og vælge tilgængelige objekter og hensigter fra den importerede CLU-model. CLU-objekter er bundet til tilsvarende Copilot Studio-objekter. Brugere kan angive navn, datatype og JSON-struktur for en brugerdefineret datatype, hvis det er nødvendigt for de enkelte objekter.
Bemærk
For eksisterende agenter, som skal drage fordel af CLU-integration, skal du knytte CLU-modellen til Copilot Studio, og derefter kan du opdatere agentens triggerfraser, så de binder hvert emne til en tilsvarende CLU-hensigt. Du kan også manuelt administrere relationen mellem CLU-modellen og Copilot Studio.
Forudsætninger
- En fuldt oplært CLU-model. Dette inkluderer formål for hvert af Copilot Studio-systememnerne og for eventuelle brugerdefinerede emner, du vil udarbejde.
- Aktiveret udrulning af modellen (herunder nøglen og URL-adresse til forudsigelse)
- Navn på CLU-projekt og udrulningsnavn
- Copilot Studio-konto
- Eksisterende Copilot Studio-agent
- Kontrollér, at din Copilot Studio-sprog connector bruger maker-godkendelse
Nøglekoncepter
De begreber, der beskrives i denne artikel, hjælper dig med at forstå, hvordan du kan integrere CLU-modeller med Copilot Studio-projekter. Du kan finde flere oplysninger i Start her med integration af forståelse i samtalesprog.
CLU-connectorer
En connector er en ombryder omkring en API, der gør det muligt for Azure Cognitive Service at kommunikere med Copilot Studio. Den gør muligt for brugerne at oprette forbindelse til deres konti og anvende et sæt færdigbyggede handlinger og udløsere, når de skal bygge deres apps og arbejdsprocesser. Du kan finde flere oplysninger under Azure Cognitive Service til sprog – connectorer.
Power Platform-connectorer gør det muligt for Microsoft-tjenester at kommunikere med CLU API'en. Du kan finde flere oplysninger i dokumentationen til Power Platform og Azure Logic Apps-connectorer – connectorer. Selvom du kan importere connectortyper, validerer Copilot Studio ikke connectorer i øjeblikket.
Forbindelser i Copilot Studio
En forbindelse er gemte godkendelsesoplysninger for en connector, f.eks OAuth-legitimationsoplysninger for SharePoint-connector. En forbindelsesreference er en løsningskomponent, der indeholder oplysninger om en connector.
Copilot Studio-forbindelser er miljøspecifikke. Når du importerer en agent, skal du oprette en forbindelse til den. Vi tilbyder en standardmetode til at opnå denne funktion i Power Platform via en forbindelsesreference. Du kan finde flere oplysninger ved at gå til Forbindelsesreferencer i løsninger – Power Apps.
Eksterne genkendelser
CLU-integration med understøtter specifikke eksterne genkendelser. Udløseren OnRecognize
aktiveres i følgende scenarier:
Når et nyt emne udløses:
LanguageUnderstandingReason.TriggerTopic
Når en spørgsmålsnode ikke understøtter afbrydelser og kræver et svar:
LanguageUnderstandingReason.AnswerQuestion
Når en spørgsmålsnode understøtter afbrydelser og kræver et svar:
LanguageUnderstandingReason.AnswerQuestionWithInterruptions
Eksterne hensigter
CLU-integration understøtter genkendte eksterne hensigter, der anvender System.Recognizer.IntentOptions
-systemvariablen, i følgende scenarier:
- Genbrug TopicId som id for den eksterne hensigt
- Genbrug TriggerId som id for den eksterne hensigt
- Oprette en ny egenskab IntentId som id for den eksterne hensigt
- Systemvariabler, der understøtter årsagen til aktivering af til genkendelse
Egenskabsnavn | Type | Beskrivelse |
---|---|---|
DisplayName | String | Vist navn for den genkendte hensigt, der er oversat til det aktuelle sprog, og som skal vises i DYM-prompten (hvis det er relevant) |
Score | Nummer | Genkendelsesscore |
TopicId | String | Emnets Dataverse-skemanavn |
TriggerId | String | Det entydige id for udløseren i emnet AdaptiveDialog |
Du kan finde en komplet liste over Copilot Studio-variabler, herunder systemvariabler, i Oversigt over variabler.
Blande og sammensætte objektkomponenttyper
CLU-objekter indeholder relevante oplysninger, der er udtrukket fra NLU-udsagn. Et objekt kan udtrækkes ved hjælp af forskellige metoder. De kan læres via kontekst, blandes og sammensættes fra en liste eller registreres af et forudindstillet genkendt objekt. Du kan finde en komplet liste over objektkomponenttyper i Komponenttyper.
Bemærk
Du kan også bruge Copilot Studio foruddefinerede objekter sammen med CLU-objekter.
Relateret indhold
Andre funktioner til opbygning af agenter, som CLU-integration understøtter, omfatter:
- Systememner: Bruge systememner
- Objekter og udfyldning af rubrikker: Bruge objekter og udfyldning af rubrikker i agenter
- Bedste CLU-praksis: Bedste praksis for forståelse af samtalesprog – Azure Cognitive Services
- Afbrydelser af emneflow: Designe og styre samtaleflow – Bot Service
- Power Fx-udtryk: Oprette udtryk ved hjælp af Power Fx