Οντότητες και βέλτιστες πρακτικές συμπλήρωσης υποδοχών στο Copilot Studio

Τι είναι η συμπλήρωση υποδοχών;

Η συμπλήρωση υποδοχής σχετίζεται με τη χρήση οντοτήτων που επιτρέπουν σε ένα εκπρόσωπος να αποκτά και να χρησιμοποιεί πληροφορίες πιο εύκολα εντοπίζοντας και εξάγοντάς τις από το ερώτημα χρήστη.

Ένα εκπρόσωπος συνήθως χρειάζεται αρκετές πληροφορίες από έναν χρήστη για να κάνει τη δουλειά του. Για να αποκτήσετε αυτές τις πληροφορίες, συνήθως κάνετε ξεχωριστές ερωτήσεις, μία για κάθε γεγονός που χρειάζεται το εκπρόσωπος. Όταν χρησιμοποιείτε οντότητες στις ερωτήσεις σας, το Copilot Studio εντοπίζει τις απαιτούμενες πληροφορίες και παραλείπει τις ερωτήσεις όπου είναι δυνατό να προσδιοριστούν οι πληροφορίες στο ερώτημα χρήστη που ενεργοποιεί την ενέργεια.

Για παράδειγμα, όταν ένας χρήστης ρωτά: Θα ήθελα να παραγγείλω 3 μεγάλα μπλε μπλουζάκια

Η Κατανόηση Φυσικής Γλώσσας (Natural Language Understanding - NLU) Copilot Studio μπορεί να κατανοήσει αμέσως:

• θέμα είναι Παραγγελία
• Η ποσότητα είναι 3
• Το χρώμα είναι μπλε
• Ο τύπος προϊόντος είναι T-Shirt

Το εκπρόσωπος μπορεί στη συνέχεια να παραλείψει περιττές ερωτήσεις. Εάν λείπουν κάποιες πληροφορίες, για παράδειγμα το Μέγεθος, ρωτάει όσα του λείπουν πριν να προχωρήσει. Η συμπλήρωση υποδοχών επιτρέπει στο εκπρόσωπος σας να αποκτά και να χρησιμοποιεί πληροφορίες πιο εύκολα και μειώνει τον αριθμό των ερωτήσεων που πρέπει να κάνετε.

Αρχικά, καθορίζετε τις οντότητες που θέλετε να χρησιμοποιήσετε και τους τύπους τους.

Ορισμός οντοτήτων

Το Copilot Studio παρέχει διάφορες ενσωματωμένες οντότητες για τις πιο συνηθισμένες περιπτώσεις χρήσης, όπως Email, Ημερομηνία και ώρα, Όνομα προσώπου, Αριθμός τηλεφώνου, Χρώμα, Χώρα, Πόλη, Αριθμός, Χρήμα και άλλα.

Οι ενσωματωμένες οντότητες είναι ισχυρές καθώς μπορούν να διαχειριστείτε πολλές παραλλαγές της φόρμας που μπορεί να παίρνει μια πληροφορία. Για παράδειγμα, όταν χρησιμοποιεί το Χρήματα σε μια συνομιλία, ο χρήστης μπορεί να εισαγάγει μια τιμή ως "100 USD" ή "εκατό δολάρια" ή "100 δολάρια". Το μοντέλο NLU στο Copilot Studio καταλαβαίνει ότι η αξία είναι η χρηματική αξία των 100 δολαρίων.

Φιλοδώρημα

Ωστόσο, οι τιμές καταχωρούνται, εφόσον σας ζητούνται με ερωτήσεις στη ροή συνομιλίας σας, αποθηκεύονται σε μεταβλητές που μπορείτε να χρησιμοποιήσετε εκ νέου.

Μπορείτε επίσης να καθορίσετε τις δικές σας προσαρμοσμένες οντότητες, όπως τον Τύπο στοιχείου από το προηγούμενο παράδειγμα. Οι προσαρμοσμένες οντότητες μπορεί να είναι δύο τύπων:

• Κλειστή λίστα: για μια προκαθορισμένη λίστα τιμών.
• Κανονικές παραστάσεις (RegEx): για πληροφορίες που αντιστοιχούν σε ένα συγκεκριμένο μοτίβο. Το RegEx είναι ιδανικό όταν χρειάζεται να αποτυπώνετε δεδομένα που ακολουθούν πάντα την ίδια μορφή (για παράδειγμα, INC000001 για έναν αριθμό δελτίου)

βελτίωση της εμπειρίας χρήστη

Η χρήση οντοτήτων κάνει τη ζωή σας πιο απλή, καθώς επιτρέπει στο Copilot Studio τη συγκέντρωση πληροφοριών με πιο ευφυή τρόπο από ερωτήματα χρηστών. Το πιο σημαντικό είναι ότι κάνει τη ζωή καλύτερη για τους χρήστες, καθώς οι οντότητες μπορούν να βρίσκουν και να αποθηκεύουν πληροφορίες από ερωτήματα χρηστών και, στη συνέχεια, να κάνουν αυτές τις πληροφορίες διαθέσιμες αργότερα στη συνομιλία. Οι οντότητες βελτιώνουν την εμπειρία χρήστη - κάνουν το εκπρόσωπος σας να φαίνεται πιο έξυπνο - και η χρήση τους όποτε είναι δυνατόν είναι σίγουρα μια βέλτιστη πρακτική.

Βέλτιστες πρακτικές οντοτήτων

Χρήση συνωνύμων

Μπορείτε να προσθέσετε συνώνυμα στις τιμές οντοτήτων κλειστής λίστας για να επεκτείνετε χειροκίνητα τη λογική αντιστοίχισης για κάθε στοιχείο στη λίστα της οντότητας. Για παράδειγμα, στο στοιχείο πεζοπορία, μπορείτε να προσθέσετε το "trekking" και την "ορειβασία" ως συνώνυμα.

Φιλοδώρημα

• Η χρήση συνωνύμων μπορεί επίσης να βοηθήσει στην ενεργοποίηση θεμάτων, καθώς αυξάνουν τη βαρύτητα μιας φράσης ενεργοποίησης προσθέτοντας σχετικές λέξεις ως συνώνυμα μιας οντότητας που περιέχει. Για παράδειγμα, για μια επιλογή "Παράπονο", προσθέστε παρόμοιες αρνητικές λέξεις ή φράσεων ως συνώνυμα της αγοράς.
• Το μοντέλο NLU γενικεύει επίσης όλες τις παραλλαγές οντοτήτων (δηλαδή όλες τις τιμές τους και τα συνώνυμά τους) σε περίπτωση που μια φράση ενεργοποίησης θέματος περιλαμβάνει τουλάχιστον μία παραλλαγή αυτής της οντότητας. Με άλλα λόγια, οι συγγραφείς εκπρόσωπος θα πρέπει να συμπεριλάβουν ένα παράδειγμα φράση ενεργοποίησης με μία χρήση αυτής της οντότητας για το NLU για γενίκευση σε άλλες παραλλαγές οντοτήτων.

Ενεργοποίηση έξυπνης αντιστοίχισης

Για κάθε οντότητα κλειστής λίστας, μπορείτε επίσης να ενεργοποιήσετε την έξυπνη αντιστοίχιση.

Η έξυπνη αντιστοίχιση είναι μέρος της ευφυΐας που υποστηρίζεται από το μοντέλο εκπρόσωπος's NLU. Με αυτήν την επιλογή ενεργοποιημένη, το εκπρόσωπος ερμηνεύει τα δεδομένα εισόδου του χρήστη χρησιμοποιώντας ασαφή λογική, με βάση τα στοιχεία που παρατίθενται στην οντότητα.

Συγκεκριμένα, το εκπρόσωπος διορθώνει αυτόματα ορθογραφικά λάθη και επεκτείνει τη λογική αντιστοίχισης σημασιολογικά. Για παράδειγμα, το εκπρόσωπος μπορεί να ταιριάξει αυτόματα το "σόφτμπολ" με το "μπέιζμπολ".

Να είστε δημιουργικοί με τις κανονικές εκφράσεις

Μερικές φορές, η εξαγωγή οντοτήτων από ένα ερώτημα χρήστη μπορεί να οδηγήσει σε σύγχυση για το μοντέλο NLU, ειδικά όταν υπάρχουν διάφορες οντότητες του ίδιου τύπου στο ερώτημα χρήστη.

Για παράδειγμα, εάν ένας χρήστης λέει: "μπορείτε να φέρετε 2 πετσέτες και 1 μαξιλάρι στο δωμάτιο 101";

Η χρήση της ενσωματωμένης οντότητας Αριθμός θα συγχέεται μεταξύ 2, 1 και 101. Για να επιλύσετε αυτήν τη σύγχυση, θα μπορούσατε να καθορίσετε τις παρακάτω οντότητες τακτικής παράστασης:

• Ποσότητα πετσετών: [1-9] πετσέτα
• Ποσότητα μαξιλαριών: [1-9] μαξιλάρι
• Αριθμός δωματίου: [0-9]{3}

Εναλλακτικές προς οντότητες για την αποθήκευση δεδομένων για αναφορά

Για μεγάλα ή εξελισσόμενα σύνολα δεδομένων (για παράδειγμα μια λίστα προϊόντων ή πελατών), αντί να χρησιμοποιείτε τις οντότητες της κλειστής λίστας Copilot Studio, ίσως να θέλετε να ελέγξετε εξωτερικές πηγές. Θα πρέπει να μεταβιβάσετε την πρόσβαση του χρήστη στην εξωτερική υπηρεσία χρησιμοποιώντας μια ροή cloud Power Automate.

Η λογική του θέματος μπορεί στη συνέχεια να επικυρώσει την ακρίβεια του αποτελέσματος (ή να ζητήσει από τον χρήστη να το επικυρώσει) πριν προχωρήσει η συζήτηση.

Το Dataverse είναι ένας καλός υποψήφιος για την αποθήκευση τέτοιων δεδομένων, καθώς διαθέτει μια ενσωματωμένη Αναζήτηση Dataverse δυνατότητα που υποστηρίζει ασαφές συμφωνία για την επιστροφή των καλύτερων αποτελεσμάτων μαζί με βαθμολογία εμπιστοσύνης. Ακόμα και αν κάνετε αναζήτηση με μια πλήρη πρόταση, μπορείτε να ανακτήσετε πιθανές αντιστοιχίσεις.

Φιλοδώρημα

Για να εξετάσετε ένα δείγμα υλοποίησης, ανατρέξτε στο θέμα Επιστροφή λίστας αποτελεσμάτων.