Käynnistinlauseiden ja luonnollisen kielen ymmärtämisen optimointi
Mitä ovat Copilot Studioin käynnistinlauseet
Käynnistinlauseet kouluttavat agentin luonnollisen kielen ymmärtämisen (NLU) mallia.
Käynnistinlauseet määritetään aihetasolla ja osoittavat tekoälyagentille, mille tyypillisille käyttäjän lausahduksille tietty aihe tulisi käynnistää.
Käynnistinlauseet kuvaavat yleensä tapaa, jolla käyttäjä kysyy ongelmasta tai asiasta. Esimerkiksi "ongelma: rikkaruohoja nurmikolla"
Vihje
- Luodessaan uutta aihetta tekijä tarvitsee vain muutaman esimerkkilauseen (ihanteellisesti 5–10). Kun agenttia käytetään, tekoäly jäsentää sen mitä käyttäjä sanoo ja käynnistää aiheen, joka on merkitykseltään lähinnä käyttäjän lausahdusta.
- Lisätietoja tehokkaista käynnistinlauseista: Tehokkaiden käynnistinlauseiden valitseminen.
Käynnistävän kontekstin tärkeys
Copilot Studio NLU käyttäytyy eri tavalla keskustelutilasta riippuen, mikä voi joskus aiheuttaa saman käyttäjän käyttäytymisen eri käyttäytymismalleja.
Seuraavat ovat keskustelun eri tilat:
- Keskustelun alku: Agentilla ei ole kontekstia, joten käyttäjän ilmaisun odotetaan joko käynnistävän aiheen suoraan (aikeen tunnistus), käynnistävän täsmentävän tarkoititko (useita vastaavia aiheita) -kysymyksen mahdollisten aiemahdollisuuksien osalta, jos vastaavia aiheita on useita, tai siirtyvän vara-aiheeseen, jos aietta ei tunnisteta.
- Kun "tarkoititko" (useita yhdistettyjä aiheita) käynnistyy: NLU optimoi ne vastaamaan jotain ehdotettua aihetta ja siirtyä pois esiteltyjen vaihtoehtojen raja-arvoista.
- Siirtyminen nykyisestä aiheesta: Jos NLU yrittää täyttää paikan aiheessa, käyttäjä antaa käyttäjäkyselyn, joka voi käynnistää toisen käyttäjän aiheen (aiheen vaihtamisen).
Välimerkein
NLU-malli välimerkkeihin, myös kysymysmerkkeihin, on agnostinen.
Uusien käynnistinlauseiden luominen
Jos mahdollista, aloita todellisista tuotantotiedoista omien käynnistinlausekkeiden keksimisen sijaan. Parhaat käynnistinlauseet ovat sellaisia, jotka muistuttavat käyttäjiltä tulevia todellisia tietoja. Nämä lauseet ovat niitä, joita käyttäjät kysyvät käyttöönotetulta agentilta.
Tiettyjä sanoja ei tarvitse jättää pois: malli on suunniteltu antamaan vähemmän painoarvoa tarpeettomille sanoille, kuten lopetussanoille (sanat, jotka suodatetaan pois ennen luonnollisen kielen datan käsittelyä, koska ne ovat merkityksettömiä).
Optimoidaan käynnistinlauseita
| # | Vihje | Esimerkkejä |
|---|---|---|
| 1 |
Sinulla on vähintään 5–10 käynnistinlausetta aihetta kohti Iteroi ja lisää enemmän, kun opit käyttäjiltä. |
Etsi lähin myymälä Tarkista myymälän sijainti Myymälän etsiminen Etsi lähin sijaintisi Myymälä lähelläni |
| 2 |
Lauseiden rakenne ja tärkeimmät termit vaihtelevat Malli ottaa automaattisesti huomioon näiden lauseiden variaatiot. |
Milloin suljettu Päivittäiset aukioloajat |
| 3 |
Käytä lyhyitä käynnistinlauseita Vähemmän kuin 10 sanaa. |
Milloin avoinna |
| 4 |
Yksisanaisten käynnistinlauseiden vältteleminen Tämä lisää tiettyjen sanojen painoarvoa aiheen käynnistyessä. Se voi aiheuttaa sekaannusta samankaltaisten aiheiden välillä. |
Store |
| 5 | Käytä täydellisiä lauseita | Voinko keskustella ihmisasiakaspalvelijan kanssa |
| 6 | Käytä yksilöllisiä verbejä ja niiden yhdistelmiä |
Tarvitsen asiakaspalvelua Haluan puhua konsultille |
| 7 |
Vältä saman entiteetin muunnelmien käyttöä Entiteetin arvon kaikkia esimerkkejä ei tarvitse käyttää. NLU ottaa automaattisesti huomioon kaikki variaatiot. |
Haluan tilata hampurilaisen Haluaisin pizzaa Haluan kananugetteja |
Käynnistinlauseiden määrän tasapainottaminen aihetta kohti
Yritä tasapainottaa laukaisevien lauseiden määrää aiheiden välillä.
Vihje
Näin NLU-ominaisuudet eivät ylipainota aihetta toisiin verrattuna määritettyjen laukaisulausekkeiden perusteella.
Muutosten vaikutuksen todentaminen
Kun päivität käynnistinlauseita tai kun yhdistät tai jaat aiheita, muutoksia voidaan arvioida usealla eri tavalla:
- Välitön muutos agentin käyttäytymisessä, joka voidaan havaita "testaa agenttia" -kaavion kautta (esimerkiksi aihe, joka käynnistyy nyt tai ei perustu käynnistinlauseiden päivityksiin).
- Muutos agentin käyttöönoton ja tehtävien suorittamisen jälkeen, mikä voi olla korkeampi tai matalampi (ei eskalointia) poikkeamaprosentti. Tämä voidaan tehdä Copilot Studioin Analyysit-välilehdestä.
Vihje
Voit testata aiheiden käynnistymisen ja sen, miten NLU-malli toimii testaustietoihin verrattuna, joukoittain hyödyntämällä Copilotin testauskehystä.
Vaikka Copilotin testauskehyksen muodostamisessa käytettyjä ominaisuuksia ja komponentteja (kuten vuorovaikutus Direct Line -ohjelmointirajapinnan kanssa) tuetaan, Copilotin testauskehys itse ilmaisee näiden ominaisuuksien esimerkkitoteutuksia.
Asiakkaamme ja yhteisömme voivat käyttää ja mukauttaa Copilotin testauskehystä ottaakseen joukkotestauksen käyttöön. Jos sinulla on ongelmia Copilotin testauskehyksen kanssa, ilmoita ongelmasta tänne: https://aka.ms/PVASamples. Microsoft-tuki ei auta näihin malleihin liittyvissä kysymyksissä, mutta se auttaa niihin liittyvissä, taustalla olevissa ympäristön ja ominaisuuksien ongelmissa.