Osvědčené postupy k entitám a vyplňování slotů v Microsoft Copilot Studio

Důležité

Schopnosti a funkce Power Virtual Agents jsou nyní součástí Microsoft Copilot Studio po významných investicích do generativní umělé inteligence a vylepšených integracích napříč Microsoft Copilot.

Některé články a snímky obrazovky mohou odkazovat na Power Virtual Agents, zatímco aktualizujeme dokumentaci a obsah školení.

Co je plnění slotu?

Vyplnění slotu souvisí s používáním entit, které umožňují kopilotovi snadněji získávat a používat informace tím, že je identifikují a extrahují z uživatelského dotazu.

Kopilot ke své práci obvykle potřebuje od uživatele několik informací. Chcete-li získat tyto informace, obvykle byste položili samostatné otázky, jednu pro každý fakt, který kopilot vyžaduje. Když ve svých otázkách použijete entity, Microsoft Copilot Studio detekuje požadované informace a přeskočí otázky, kde by mohly být informace identifikovány ve spouštěcím uživatelském dotazu.

Když se například uživatel zeptá:

Rád bych si objednal 3 velká modrá trička

Porozumění přirozenému jazyku (NLU) Microsoft Copilot Studio dokáže okamžitě porozumět:

• Téma je Objednávka.
• Množství je 3.
• Barva je Modrá.
• Typ položky je Tričko.

Kopilot pak může přeskočit zbytečné otázky. Pokud některé informace chybí, například Velikost, zeptá se na nezodpovězené otázky, než se přesune dál. Vyplnění slotu umožňuje kopilotovi snadněji získávat a používat informace a snižuje počet otázek, které musíte položit.

Nejprve definujete entity, které chcete použít, a jejich typy.

Definování entit

Microsoft Copilot Studio poskytuje několik vestavěných entit pro nejběžnější případy použití, jako je např E-mail, Datum a čas, Jméno osoby, Telefonní číslo, Barva, Země, Město, Číslo, Peníze a další.

Vestavěné entity jsou výkonné, protože dokážou zpracovat mnoho variant formy, kterou může mít informace. Například při použití entity Peníze v konverzaci může uživatel zadat hodnotu jako „100 $“ nebo „sto dolarů“ nebo „100 dolarů“. Model NLU v Microsoft Copilot Studio zjistí, že hodnota je peněžní hodnota 100 dolarů.

Tip

Ať už jsou hodnoty zadány jakkoli, pokud jsou požadovány s otázkami ve vašem toku konverzace, jsou uloženy v proměnných, které můžete znovu použít.

Můžete také definovat své vlastní uživatelské entity, jako je např Typ položky z předchozího příkladu. Vlastní entity mohou být dvou typů:

• Uzavřený seznam: pro předdefinovaný seznam hodnot.
• Regulární výrazy (RegEx): pro informace odpovídající konkrétnímu vzoru. RegEx je ideální, když potřebujete zachytit data, která mají vždy stejný formát (např. INC000001 jako číslo vstupenky)

Vylepšení uživatelského prostředí

Používání entit vám zjednodušuje život tím, že necháte Microsoft Copilot Studio inteligentněji shromažďovat informace z uživatelských dotazů. A co je důležitější, zlepšuje to život uživatelů, protože entity mohou vyhledávat a ukládat informace z uživatelských dotazů a poté je zpřístupnit později v konverzaci. Entity zlepšují uživatelské prostředí – díky nim se kopilot zdá chytřejší – a jejich používání, kdykoli je to možné, je rozhodně nejlepším postupem.

Osvědčené postupy k entitám

Použití synonym

Přidáním synonym do hodnot entit uzavřeného seznamu ručně rozšíříte logiku porovnávání u každé položky v seznamu entit. Například v položce „turistika“ můžete přidat jako synonyma „treking“ a „horolezectví“.

Tip

• Použití synonym může také pomoci spouštění témat, protože zvyšuje váhu spouštěcí fráze přidáním příbuzných slov jako synonym entity, kterou obsahuje. Například pro možnost „Stížnost“ přidejte podobná vylučující slova nebo fráze jako synonyma.
• Model NLU také zobecňuje všechny varianty entity (to znamená všechny jejich hodnoty a jejich synonyma) v případě, že spouštěcí fráze téma obsahuje alespoň jednu variantu této entity. Jinými slovy, autoři chatbotů by měli zahrnout jeden příklad spouštěcí fráze s jedním použitím této entity, aby NLU zobecnila na jiné varianty entity.

Povolit inteligentní párování

U každé entity uzavřeného seznamu můžete také povolit Inteligentní párování.

Inteligentní párování je součástí umělé inteligence podporované modelem kopilota pro porozumění přirozenému jazyku. Pokud je tato možnost povolena, kopilot interpretuje vstup uživatele pomocí fuzzy logiky na základě položek uvedených v entitě.

Robot zejména automaticky opraví překlepy a sémanticky rozšíří svou logiku párování. Robot může například automaticky přiřadit „softball“ k „baseballu“.

Buďte kreativní s regulárními výrazy

Někdy může extrakce entity z uživatelského dotazu vést ke zmatení modelu NLU, zejména pokud je v uživatelském dotazu přítomno několik entit stejného typu.

Pokud například uživatel řekne:

můžete přinést 2 ručníky a 1 polštář do pokoje 101?

Použití vestavěné entity Číslo by bylo zmateno mezi 2, 1 a 101. Chcete-li tento zmatek obejít, můžete definovat následující entity regulárního výrazu:

• Množství ručníků: [1-9] ručník
• Množství polštářů: [1-9] polštář
• Číslo pokoje: [0-9]{3}

Alternativy k entitám pro ukládání referenčních dat

Pro velké nebo vyvíjející se datové sady (například seznam produktů nebo zákazníků) namísto použití entit uzavřeného seznamu Microsoft Copilot Studio možná budete chtít zkontrolovat externí zdroje. Uživatelský výrok musíte předat externí službě pomocí cloudového toku Power Automate.

Vaše logika tématu pak může ověřit přesnost výsledku (nebo požádat uživatele o jeho ověření), než se pohne v konverzaci vpřed.

Dataverse je dobrým kandidátem pro ukládání takových dat, protože má vestavěnou funkci Vyhledávání Dataverse, která podporuje fuzzy párování a poskytuje nejlepší výsledky spolu se skóre spolehlivosti. I při vyhledávání pomocí celé věty je schopen načíst potenciální shody.

Tip

Podívejte se na příklad implementace zde: vrácení seznamu výsledků