Suunnittele tehokkaita laukaisulauseita

Käynnistinlausekkeet ovat Copilot Studion tehokkaan aiheentunnistuksen perusta. He kouluttavat agenttisi luonnollisen kielen ymmärtämisen (NLU) mallia tunnistamaan, milloin käyttäjät kysyvät tietyistä aiheista. Käyttämällä laukaisulauseita agenttisi voi ohjata keskustelut oikeaan aiheeseen tarkasti.

Mitä ovat Copilot Studion käynnistinlausekkeet?

Käynnistinlauseet kouluttavat agentin luonnollisen kielen ymmärtämisen (NLU) mallia. Käynnistinlausekkeet ilmaisevat agentille, mitä tyypillisiä käyttäjän ilmauksia tulisi käyttää tietyn aiheen käynnistämiseen.

Laukaisulauseet kuvaavat tyypillisesti, miten käyttäjä kysyy ongelmasta tai ongelmasta. Esimerkiksi laukaisulause voisi olla "ongelma rikkaruohojen kanssa nurmikossa".

Uutta aihetta luotaessa muutaman esimerkkilauseen (mieluiten 5–10) antaminen riittää. Tekoäly jäsentää suorituspalvelussa, mitä käyttäjä sanoo, ja käynnistää käyttäjän lausahduksen merkitystä lähinnä olevan aiheen. Lue lisää kohdasta Valitse tehokkaita laukaisulauseita.

Laukaisevan kontekstin merkitys

Copilot Studio NLU käyttäytyy eri tavalla keskustelutilan mukaan. Tämä käyttäytyminen voi joskus johtaa erilaisiin käyttäytymisiin samassa käyttäjälauseessa.

Seuraavat ovat keskustelun eri tilat:

  • Keskustelun alku: Agentilla ei ole kontekstia, joten käyttäjän lauseen odotetaan joko:

    • Aiheen käynnistetään suoraan (tarkoitus tunnistetaan).
    • Käynnistetään "tarkoititko" (useita yhteensopivia aiheita) -täsmennyskysymys aiekandidaattien joukossa, jos on useita yhteensopivia aiheita.
    • Siirrytään vara-aiheiseen, jos tarkoitusta ei tunnisteta.
  • Kun "tarkoititko" (useita yhdistettyjä aiheita) käynnistyy: NLU optimoi ne vastaamaan jotain ehdotettua aihetta ja siirtymään pois esiteltyjen vaihtoehtojen raja-arvoista.

  • Vaihtaminen nykyisestä aiheesta: Jos NLU yrittää täyttää aiheen paikkaa ja käyttäjä antaa käyttäjälle kyselyn, joka voi laukaista toisen aiheen (aiheen vaihtaminen).

Entiteetin normalisointi ja aiheen käynnistäminen

Klassinen orkestrointi valitsee ajon aikana aiheen vertaamalla käyttäjän ilmausta kunkin aiheen käynnistinlauseisiin.

Järjestelmä normalisoi havaitut entiteetit niiden entiteettityyppeihin ja laskee samankaltaisuuden normalisoidun muodon perusteella. Tämä menetelmä voi lisätä aikeiden tunnistamista, mutta se voi myös laajentaa vastaavuuksia tavoilla, jotka eivät ole ilmeisiä, kun luot lauseita.

Oletetaan esimerkiksi, että aiheen A käynnistinlause on Tapaamisen luominen Alexin kanssa, ja käyttäjän ilmaus on Luo tapaaminen Susanin kanssa.

Vain teksti -vastaavuuksilla samankaltaisuus olisi vähäistä, koska "Alex" ja "Susan" ovat erilaisia literaaliarvoja. Entiteetin normalisoinnin myötä samankaltaisuus voi olla suuri, jos molemmat arvot tunnistetaan samaksi entiteettityypiksi (esimerkiksi henkilön nimi). Tässä tapauksessa valittuna on aihe A , vaikka tietty nimi käyttäjänimessä ei näy käynnistinlauseessa.

Entiteettien normalisoinnin ansiosta perinteiset orkestrointiagentit ovat tehokkaampia muuttujan entiteetin arvojen kanssa, ja ne kestävät laajemman vastaavuuden.

Tämä ominaisuus koskee esimerkiksi seuraavia käyttötapauksia:

  • Käynnistinlauseesi eroavat pääasiassa entiteettiarvojen (nimet, sijainnit, päivämäärät, numerot) mukaan, ja haluat aiheen täsmäävän pyynnön rakenteen mukaan, ei tarkkojen entiteettitunnusten perusteella.
  • Luotat suljettujen luetteloiden entiteetteihin tai muihin jäsennettyihin entiteetteihin ja haluat korkeamman paikannutumisen vastaavuuden aikana.
  • Olet määrittämässä heikkojen pisteiden vianmääritystä, jossa entiteetin normalisointia odotetaan, mutta sitä ei tapahdu, koska ohjeaihe ei sisällä kelvollista entiteettiä normalisointiin. Esimerkiksi käytettävissä on vain dynaamisia luetteloentiteettejä, jotka eivät osallistu normalisointiin käynnistinhetkellä.

Välimerkit

NLU-malli toimii samalla tavalla välimerkeistä, mukaan lukien kysymysmerkit.

Luo uusia laukaisulauseita

Jos mahdollista, aloita oikealla tuotantodatalla sen sijaan, että keksisit omia laukaisulauseita. Parhaat laukaisulauseet ovat samankaltaisia kuin käyttäjien antamat todelliset tiedot. Nämä lauseet ovat niitä, joita käyttäjät kysyvät käyttöönotetulta agentilta.

Älä jätä pois tarkkoja sanoja. Malli antaa vähemmän painoarvoa tarpeettomille sanoille, kuten stop-sanoille. Stop-sanat ovat sanoja, jotka järjestelmä suodattaa ennen luonnollisen kielen datan käsittelyä, koska ne ovat merkityksettömiä.

Optimoi laukaisulauseet

Seuraavat parhaat käytännöt auttavat sinua optimoimaan laukaisulauseesi.

Vinkki Esimerkkejä
Vähintään 5–10 aihekohtaista käynnistinlausetta
Iteroi ja lisää enemmän, kun opit käyttäjiltä.
Etsi lähin myymälä
Tarkista myymälän sijainti
Etsi myymälä
Etsi lähin sijaintisi
Myymälä lähellä
Lauseiden rakenne ja tärkeimmät termit vaihtelevat
Malli ottaa automaattisesti huomioon näiden lauseiden variaatiot.
Milloin suljettu
Päivittäiset aukioloajat
Lyhyiden käynnistinlauseiden käyttö
Vähemmän kuin 10 sanaa.
Milloin avoinna
Yksisanaisten käynnistinlauseiden välttäminen
Tämä käytäntö kasvattaa tiettyjen sanojen painotusta aiheen käynnistimessä.
Se voi aiheuttaa sekaannusta samankaltaisten aiheiden välillä.
Sovelluskauppa
Täydellisten lauseiden käyttäminen Voinko keskustella ihmisasiakaspalvelijan kanssa
Yksilöivien verbien ja niiden yhdistelmien käyttäminen Tarvitsen asiakaspalvelua
Haluan puhua konsultille
Saman entiteetin muunnelmien käytön välttäminen
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 käynnistinlauseiden määrää aiheiden välillä. Näin NLU-ominaisuudet eivät ylipainota aihetta toisiin verrattuna määritettyjen käynnistinlauseiden perusteella.

Arvioi muutoksesi

Kun olet päivittänyt laukaisulauseita tai yhdistänyt tai jakanut aiheita, arvioi muutokset. Esimerkkejä:

  • Testichatin kautta huomaat välittömän muutoksen agentin käyttäytymisessä. Esimerkiksi aihe voi laukaista tai lakata laukeamasta laukaisulauseiden päivitysten perusteella.
  • Kun olet ottanut agentin käyttöön ja hoitanut liikennettä, näet suurempia tai pienempiä ohjausprosentteja (ei-eskalointinopeudet). Jos haluat tarkkailla näitä hintoja, siirry Copilot Studio Analytics -sivulle.

Vinkki

Testataksesi aiheen laukaisua ja sitä, miten NLU-mallisi toimii testidataa vastaan massana, käytä Copilot Agent Kit -pakettia.

Troubleshooting

Jos agentti vastaa useaan kertaan yksittäiseen käyttäjäviestiin tai käynnistää odottamattoman aiheen, ongelma usein aiheuttaa päällekkäisiä käynnistinlausekkeita tai ristiriitaisia aiheen määrityksiä.

Voit diagnosoida ja ratkaista ongelman seuraavien vaiheiden avulla:

  1. Vahvista agentin konfiguraatio:

    • Käy kaikki aiheet läpi varmistaaksesi, että jokaisella on oma tarkoituksensa ja selkeästi määritellyt laukaisulauseet.
    • Varmista, että vain yksi aihe on konfiguroitu vastaamaan automaattisesti tiettyyn käyttäjän syötteeseen.
  2. Tarkista päällekkäiset aikomukset tai ehdot:

    • Tunnista laukaisevia lauseita, jotka ovat samankaltaisia useissa aiheissa.
    • Tarkastele olosuhteita, entiteettejä ja järjestelmän aiheita, jotka saattavat arvioida todeksi samalle käyttäjäviestille.
  3. Säädä aiheen prioriteettia ja laajuutta:

    • Tarkenna käynnistinlauseita niin, että tarkemmat aiheet sopivat yhteen laajempien aiheiden kanssa.
    • Jos haluat estää vastausten kaksoiskappaleet, poista ne käytöstä, yhdistä tai rajaa aiheita, jotka ovat päällekkäisiä toiminnoissa.