定義代理程式主題
為您的專員定義最佳主題需要了解使用者可能會提出的問題或他們嘗試完成的任務，以及您需要提供的資訊和自動化類型。
例如，零售專員可能首先要求使用者從他們想要做的四件事中進行選擇：查找商店、下訂單、檢查訂單狀態或退回購買的產品。 使用者的回答可能會引他們進入四個主題之一，每個主題都有各自的主題對話。
此資訊初始的一組來源包括：
- 任何現有的常見問題 (FAQ) 或知識庫 (KB)。
- 員工或客戶在內部或客戶服務案例中提出的一般主題。 如果您正在構建客戶服務專員，請與現有服務代表交談，瞭解最常見的問題是什麼以及通常提出這些問題的順序。
主題的不同類型
通常，專員使用者有一個特定的問題或他們想要解決的問題，或者他們想要解決的問題 (他們的“工作”)。 專員使用者承擔的任務類型 (以及您需要創建的專員主題的類型) 分為三類：
資訊：例如，什麼是...？、何時會...？、為什麼...？
工作完成：我想要...、該如何...？。
疑難排解：有些項目無法運作…、我收到錯誤訊息…。
您可能還需要創建專員主題來處理模棱兩可的用戶問題，例如“我需要説明”或“購物”。這些主題會要求專員用戶進行澄清，以便將它們路由到正確的主題。
主題設計程序
識別主題
- 選擇使用者詢問的主題專員。
- 從有高度影響的主題開始處理。
- 從終端使用者的角度考慮主題。 請記住，他們可能不如您熟悉或了解某個領域。
列出所有案例
- 列出所有可能案例。
- 將案例分類：資訊、工作完成和疑難排解。
- 將主題階層化：使用者最初問的是什麼問題？
設計概略交談樹狀結構
- 繪製交談樹狀結構
- 定義每個主題內部所提問題的階層。
- 定義最少數量的問題以了解情況並提供正確的解決方案。
驗證並逐一查看設計
- 在發佈前大聲朗讀對話，以協助確定語氣或字句是否存在問題。
- 取得分析並讀取工作階段文字記錄以進一步最佳化。
- 通過觀察專員使用者在每次創作反覆運算後與專員的交互，不斷反覆運算和優化專員主題。
重要
- 不要只是複製您的網站或應用程式已經可以做的事情——您的客戶可能熟悉您的網站或應用程式，並且無需與專員交互即可自行完成常見任務。
- 專注於為首先產生大量聊天或通話的問題或場景建立主題。 過一段時間後，再處理其他不太重要的長尾問題。
- 設計時應盡可能徹底，並考慮使用者可能詢問或需要幫助的所有潛在場景。
對單回合和多回合互動都要進行規劃
對於簡單互動，您可以建立僅包含一個問題和一個解答的單回合交談。 但更實質性的主題需要多輪對話，使用者和你的專員之間需要多次來回互動。
例如，如果使用者詢問零售專員附近是否有商店，則專員可能會回答一個問題以縮小可能的回答範圍。 這些回答可能是 “你住在哪個城市？”或“你的郵遞區編碼是什麼？使用者的回覆決定了對話中的下一個回覆專員。
使用原生的生成式 AI 功能
在設計專員時，您可能無法預測專員使用者會問的所有類型的問題。 為了緩解這種情況，Copilot Studio 整合 AI 提供的強大功能，可使用自然語言理解 (NLU) 模型中最新的進展。
當您為專員啟用“提升對話 ” 選項並將專員連結到公開可用的必應索引網站時，您的專員可以提供自動生成的、對話友好的、通俗易懂的語言回應，而無需您為每種可能性或“邊緣情況”創建主題。
卸載大量單回合問題和解答配對
Copilot Studio 將專員限制為 1,000 個主題。
如果您有大量的常見問題或知識庫，則可以在 Copilot Studio 主題之外加以卸載，同時使用後援主題，在 Copilot Studio 中提供單一使用者體驗，從而避免為每個問題和解答配對各建立一個主題。
提示
- 適用於語言的 Azure 認知服務中的問題解答提供可讓您在資料上建立自然交談層的雲端式自然語言處理 (NLP)。 它用於從您的自訂知識庫資訊中查找任何輸入的最合適答案。
- 了解如何在 Copilot Studio 中整合問題解答。