Optimalizace spouštěcích frází a porozumění přirozenému jazyku
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 jsou spouštěcí fráze v Microsoft Copilot Studio
Spouštěcí fráze trénují model porozumění přirozenému jazyku (NLU) vašeho kopilota.
Spouštěcí fráze jsou konfigurovány na úrovni téma a indikují kopilotovi, pro jaké typické uživatelské výroky by měl být spuštěn konkrétní téma.
Spouštěcí fráze obvykle zachycují způsob, jakým by se koncový uživatel zeptal na problém nebo záležitost. Například „problém s plevelem v trávníku“
Tip
Při vytváření nového téma potřebuje tvůrce poskytnout pouze několik ukázkových frází (ideálně mezi pěti a deseti). Když je použit kopilot, AI analyzuje, co uživatel říká, a spustí téma významově nejbližší uživatelskému výroku.
Význam kontextu spouštění
NLU Microsoft Copilot Studio se chová odlišně v závislosti na stavu konverzace, což může někdy vést k odlišnému chování pro stejný uživatelský výrok.
Následují různé stavy konverzace:
- Začátek konverzace: kopilot nemá žádný kontext, takže se očekává, že uživatelský výrok buď: spustí téma přímo (IntentRecognition), spustí otázku „měli jste na mysli“ (Multiple Topics Matched) (IntentCandidates), pokud existuje více odpovídajících témat, nebo záložní (UnknownIntent), pokud není záměr rozpoznán.
- Po spuštění „měli jste na mysli“ (shoda více témat): NLU se optimalizuje tak, aby odpovídala jednomu z navrhovaných témat, s vyššími prahovými hodnotami pro přechod z nabízených možností.
- Přepnutí z aktuálního tématu: Pokud se NLU pokouší zaplnit slot v tématu a uživatel zadává uživatelský dotaz, který by mohl spustit další jiné téma (přepínání tématu).
O interpunkci
Model NLU je nezávislý vůči interpunkci, včetně otazníků.
Vytváření nových spouštěcích frází
Pokud je to možné, začněte se skutečnými produkčními daty, než vytvoříte vlastní spouštěcí fráze. Nejlepší spouštěcí fráze jsou ty, které jsou podobné skutečným údajům od koncových uživatelů. Tyto fráze jsou ty, které uživatelé žádají nasazeného kopilota.
Není třeba vynechávat konkrétní slova: model je navržen tak, aby přikládal menší váhu zbytečným slovům, jako jsou zastavovací slova (slova, která jsou před zpracováním dat přirozeného jazyka odfiltrována, protože jsou nevýznamná).
Optimalizace spouštěcích frází
# | Tip | Příklady |
---|---|---|
1 | Mějte alespoň 5–10 spouštěcích frází na téma Opakujte a přidávejte další, jak se učíte od uživatelů. |
Najděte můj nejbližší obchod Zjistit umístění obchodu Vyhledání obchodu Najděte mi své nejbližší místo Obchod blízko mně |
2 | Obměňujte strukturu vět a klíčové pojmy Model automaticky zvažuje varianty těchto frází. |
Kdy máte zavřeno Denní otevírací doba |
3 | Používejte krátké spouštěcí fráze Méně než 10 slov. |
Kdy máte otevřeno |
4 | Vyhněte se jednoslovným spouštěcím frázím To zvyšuje váhu konkrétních slov při spouštění tématu. Může to způsobit zmatek mezi podobnými tématy. |
Uložit |
5 | Používejte úplné fráze | Mohu mluvit s lidským asistentem |
6 | Mějte jedinečná slovesa a podstatná jména nebo jejich kombinace | Potřebuji služby zákazníkům Chci mluvit s poradcem |
7 | Vyhněte se použití stejné varianty entity Nemusíte používat všechny příklady z hodnoty entity. NLU automaticky zvažuje všechny varianty. |
Chci si objednat burger Dám si pizzu Chci kuřecí nugety |
Vyrovnání počtu spouštěcích frází na téma
Zkuste vyrovnat počet spouštěcích frází mezi tématy.
Tip
Tímto způsobem schopnosti NLU nedají vyšší váhu tématu oproti jiným na základě nakonfigurovaných spouštěcích frází.
Posouzení dopadu vašich změn
Při aktualizaci spouštěcích frází nebo při slučování či rozdělování témat existuje několik způsobů, jak posoudit změny:
- Okamžitá změna v chování kopilota, kterou lze pozorovat prostřednictvím plátna „testovacího kopilota“ (například téma, který se nyní spouští nebo není založen na aktualizacích spouštěcí fráze).
- Změna po nasazení kopilota a čelení provozu, která se promítá do vyšší nebo nižší míry odchylky (neeskalace). To lze pozorovat na kartě analýzy v Microsoft Copilot Studio.
Tip
Spouštění téma a výkon vašeho modelu NLU můžete otestovat hromadně s testovacími daty pomocí Copilot Test Framework.
Přestože základní funkce a komponenty použité k vytvoření Copilot Test Framework (např interakci s rozhraním API Direct Line) jsou plně podporovány, samotný Copilot Test Framework představuje ukázkové implementace těchto funkcí.
Naši zákazníci a komunita mohou používat a upravovat Copilot Test Framework k implementaci hromadného testování. Pokud se potýkáte s problémy s rozhraním Copilot Test Framework, nahlaste problém zde: https://aka.ms/PVASamples. (Podpora Microsoftu vám nepomůže s problémy souvisejícími s těmito příklady, ale pomůže s souvisejícími problémy souvisejícími s platformou a funkcemi.)
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro