Coach AI: best practice

Per ottimizzare i suggerimenti del coach AI, devi fornire le seguenti informazioni:

  • Un insieme di istruzioni scritte
  • Una trascrizione della conversazione
  • Dati dell'API

In cambio, il coach AI fornisce istruzioni applicabili e risposte suggerite per l'agente.

Per ricevere i suggerimenti più utili, utilizza il coach AI nei seguenti scenari.

Upsell e cross-sell

Quando un operatore del contact center deve offrire un altro prodotto o servizio, AI Coach può fornire le seguenti informazioni utili.

  • Suggerisci quando iniziare le vendite e quando non tentare di vendere.
  • Poni domande esplorative per comprendere le esigenze del cliente.
  • Consiglia un prodotto da un breve elenco in base al contesto della conversazione.
  • Suggerisci come gestire le obiezioni.

Customer retention

Quando un operatore del contact center cerca di convincere qualcuno a rimanere con la sua azienda, AI Coach può fornire le seguenti informazioni utili.

  • Suggerire quando fare offerte di fidelizzazione.
  • Poni domande esplorative per comprendere il motivo dell'annullamento del cliente.
  • Consiglia offerte di fidelizzazione in base al contesto della conversazione.

Automazione in un solo passaggio con gli strumenti

AI Coach può anche automatizzare i processi aziendali ripetitivi in base a una conversazione del servizio clienti.

  • Recupera lo stato dell'ordine quando il cliente è autenticato e ha fornito il numero d'ordine.
  • Annulla un ordine quando sono disponibili il numero dell'ordine e il motivo dell'annullamento.
  • Configura le automazioni rischiose in modo che richiedano la revisione e l'approvazione manuali.

Operazioni rischiose

Le operazioni rischiose sono processi aziendali automatizzati che possono causare gravi perdite finanziarie, una violazione dei dati o la mancata conformità normativa. Alcuni esempi includono la scrittura di database e il recupero di informazioni sensibili senza autenticazione. L'AI Coach può suggerire la tempistica ed estrarre i parametri da una conversazione, ma le operazioni rischiose richiedono una revisione e un'approvazione manuali e non devono essere completamente automatizzate.

Istruzioni per il coach AI

Scrivi una serie di istruzioni per insegnare a un coach AI quali azioni deve intraprendere un agente e quando sono necessarie durante una conversazione di assistenza clienti. Le istruzioni possono specificare qualsiasi azione dell'agente, ad esempio chiedere al cliente il PIN dell'account, controllare lo stato dell'ordine e informare il cliente o inviare una richiesta di annullamento.

Le istruzioni del coach AI includono le seguenti informazioni:

  • Titolo visualizzato: ti aiuta a gestire più istruzioni. Il titolo visualizzato non è visibile all'LLM.

  • Mostra dettagli: specifica i contenuti statici che il modello deve restituire quando l'istruzione è applicabile. I dettagli di visualizzazione possono includere un URL, una scorciatoia a uno strumento o un sistema interno, un foglio illustrativo per gli agenti o una chiamata API di backend. Questi dettagli sono accessibili solo agli agenti umani. Il dettaglio della visualizzazione non è visibile al modello.

  • Condizione: specifica in quale momento della conversazione è applicabile un'istruzione. La condizione è visibile al modello.

  • Azione dell'agente: specifica i passaggi che l'agente deve eseguire quando un'istruzione è applicabile. L'azione dell'agente è visibile al modello.

  • Azione di sistema: specifica gli strumenti da utilizzare per l'automazione quando un'istruzione è applicabile. L'azione di sistema è visibile al modello.

La condizione, l'azione dell'agente e l'azione del sistema influiscono sui suggerimenti del coach AI.

Condizione

La condizione deve essere chiara, concisa e autonoma. Puoi utilizzare una breve descrizione del problema di un cliente. Scrivi la condizione come se la stessi descrivendo a una persona media che non conosce il tuo prodotto. Di seguito sono riportati alcuni esempi di condizioni utili:

  • Il cliente vuole annullare un ordine.
  • Il cliente vuole acquistare un nuovo smartphone.
  • Il cliente ha una connessione a internet molto lenta.

Esempio

Di seguito è riportato un esempio di condizione e di azione dell'agente che potresti utilizzare.

  • Condizione: il cliente chiede di aggiornare l'indirizzo di spedizione con un nuovo indirizzo.
  • Azione dell'agente: se il nuovo indirizzo non è ancora stato fornito, chiedi al cliente quale sia il nuovo indirizzo che vuole utilizzare per la spedizione.

In generale, mostra il testo di una norma aziendale solo dopo che la condizione pertinente è soddisfatta. In questo esempio, il coach AI mostra le norme di annullamento solo dopo che il cliente ha espresso la volontà di annullare. Nell'input di esempio seguente, l'argomento previsto della conversazione si riflette sia nel titolo visualizzato sia nella condizione. Il contenuto del testo mostrato all'agente è definito nei dettagli di visualizzazione.

Input per il coach AI:

display_title: order cancellation
display_detail: Company cancellation policy: Orders cannot be canceled more than 30 days after they have been placed. Only the cancellation team can process order cancellations.
condition: the customer wants to cancel an order
agent_action: N/A

Azione dell'agente

Idealmente, puoi verificare ogni passaggio dell'azione dell'agente in base alle seguenti tre fonti di informazioni:

  • Istruzioni: vedi i dettagli nella sezione precedente.
  • Trascrizione della conversazione: documenta ciò che un agente e un cliente dicono durante una conversazione di assistenza clienti.
  • Dati importati: sono costituiti da dati dei clienti pertinenti che non si trovano direttamente nella conversazione, come transazioni recenti, fatture e promozioni in corso.

Un esempio di dati importati che AI Coach potrebbe utilizzare:

ingested_data_key: Product Recommendation
ingested_data_value:
* Microwave-safe, glass food container set, $29.99
* Gila Complete Window Film Application Kit, $19.99

Dati mancanti

Se un'azione dell'agente richiede informazioni mancanti nelle altre parti dell'istruzione e nella trascrizione della conversazione, anche l'API che fornisce i dati inseriti deve fornire le informazioni mancanti.

  • Evita di scrivere azioni che richiedono informazioni non presenti in queste fonti.

  • Se non riesci a trovare i dati corrispondenti, evita di:

    • Spiegare la fattura al cliente.
    • Informare il cliente del suo saldo, della data di scadenza o dello stato dell'ordine.

Più verbi

Mentre l'elenco precedente di azioni dell'agente contiene un solo verbo, che indica un'azione da intraprendere, un passaggio può avere più di un verbo. Ad esempio, se un'attività vuole che i suoi agenti consiglino un prodotto specifico e lo colleghino alla condizione in un'unica risposta, puoi scrivere un singolo passaggio dell'azione dell'agente come nell'input seguente.

display_title: recommend device protection
display_detail:
 trade-in process: [list steps for trade-in]
 device protection plan: [list plan details]
condition: the customer has issues/questions about trade-in
agent_action:
Recommend the device protection plan and tell the customer it can help them get better trade-in values in the future.

Esempio di output della risposta

Un'azione dell'agente può anche utilizzare i dati importati e specificare un modello per l'output della risposta di esempio. Ad esempio, se un'attività ha più prodotti da consigliare e vuole che i suoi agenti facciano consigli pertinenti al contesto della conversazione, l'azione dell'agente può chiedere all'AI Coach di fornire suggerimenti specifici negli output di risposta di esempio. Inoltre, questo esempio mostra come scrivere un'azione dell'agente che chiede all'AI Coach di generare risposte di esempio che seguono un modello.

display_title: cross-selling
display_detail: see `Product Recommendations` for a relevant product
condition: the customer is inquiring about product availability
agent_action:
Summarize to the customer what product you have been discussing, then recommend a relevant product from the section titled "Product Recommendation" and provide a brief explanation of how the two products are relevant to each other. Use this template for sample responses: "Since we've been talking about ..., I'd like to recommend ... because ...".

Some examples:
- For TVs, recommend TV stands.
- For storage, recommend label writers.
- For slow cookers and microwaves, recommend food container sets.
- For air conditioners, recommend humidifiers.

Azione in più passaggi

Infine, l'azione dell'agente può essere costituita da più di un passaggio. Un'azione dell'agente in più passaggi indica come l'agente deve procedere in una conversazione quando viene soddisfatta una singola condizione.

Considera il seguente esempio di conversazione di annullamento di un ordine in cui l'agente deve porre una serie di domande prima di poter elaborare l'annullamento. Ogni passaggio genererà una risposta di esempio separata.

display_title: order cancellation
display_detail:
 cancellation policy: [list policies]
 look up `[order number]` in ordering system
 how to cancel an order [list steps]
condition: the customer wants to cancel an order
agent_action:
1. Ask the customer for the order number.
2. Ask the customer why they want to cancel the order.
3. Inform the customer you are working on the cancellation.
4. Inform the customer that you have canceled the order.
5. Inform the customer that they will receive the refund in 5-7 business days.

Tieni presente che un passaggio come annulla l'ordine può essere difficile da verificare senza integrazioni aggiuntive. Nell'esempio precedente, lo sostituiamo con il passaggio comunica al cliente che stai lavorando alla cancellazione.

Azione di sistema

Nell'azione di sistema, possiamo fare riferimento a strumenti già definiti. Questa sezione di un'istruzione specifica quali strumenti prendere in considerazione quando la condizione dell'istruzione è soddisfatta. Il riferimento a uno strumento deve essere nel seguente formato: ${tool:tool_name|action_name}. Per informazioni dettagliate su come configurare gli strumenti, consulta la pagina Strumenti OpenAPI e Integration Connectors.

Di seguito sono riportati alcuni esempi di azioni di sistema:

Esempio 1: elenca i nomi degli strumenti e delle azioni. 

...
system_action:
${tool:order_management|cancel_order}, ${tool:order_management|check_order}

Esempio 2: aggiungi un comportamento condizionale.

...
system_action:
* if "RESPONSE TO ${TOOL:ORDER_MANAGEMENT|CANCEL_ORDER}" is already present without any error, skip ${tool:order_management|cancel_order} 
* if the order number has been provided, use ${tool:order_management|cancel_order} 
* if "RESPONSE TO ${TOOL:GETORDERDETAILS|GETORDERDETAILS}" shows errors or failures, retry ${tool: order_management | cancel_order}

Utilizzo delle indicazioni generali nel coach AI

AI Coach aggiunge una sezione di prompt configurabile chiamata indicazioni generali, che specifica quanto segue:

  • Glossario
  • Linee guida su stile, formato e tono per i suggerimenti di risposte di esempio
  • Note importanti su come utilizzare e seguire le istruzioni

Glossario

Il seguente glossario definisce chiaramente i termini cliente vulnerabile e autenticazione dell'account. Con questo glossario nelle linee guida generali, puoi utilizzare i termini nelle istruzioni senza doverli definire ripetutamente come nelle versioni precedenti di AI Coach.

#### Vulnerable customer

A customer is considered a vulnerable customer when at least one of the following is true:

- The customer is experiencing financial hardship.
- The customer has a physical disability or chronic health condition.
- The customer is facing domestic abuse or is in an unsafe situation.

#### Account authentication

Account authentication is considered completed if the account PIN provided by the customer matches the account PIN in the data section *Account PIN*.

Linee guida per stile, formato e tono

Segui queste linee guida per stile, formato e tono nelle risposte di esempio:

  • Sii sempre empatico, paziente e rassicurante.
  • Evita un linguaggio eccessivamente informale o slang. Mantieni un tono rispettoso ma cordiale.
  • Le risposte devono sempre riconoscere esplicitamente i sentimenti o le preoccupazioni del cliente (ad esempio: "Capisco la tua frustrazione").
  • Usa frasi brevi ed evita un linguaggio complesso o tecnico.
  • Non dare mai la colpa al cliente o contraddirlo. Guida invece l'utente verso informazioni corrette.
  • Inizia ogni risposta con un chiaro riconoscimento del problema principale del cliente.

Note sul rispetto delle istruzioni

Aggiungi note su come seguire le tue istruzioni. Per migliorare i suggerimenti automatici, puoi anche utilizzare le note per specificare il processo di pensiero o ragionamento.

Esempi

Esempio 1: configura il comportamento del modello

### Follow instructions
* An instruction is applicable if and only if both of the following are true:
  * The condition is met by the conversation and the contexts.
  * Some of the agent actions are not completed yet. (If all the agent actions are done, then the instruction no longer applies.)
* Notes on following the applicable instructions:
  * Do not suggest any sample responses or agent actions that are not specified in the applicable instructions.
  * Do not ask for information not specified in the instructions.
  * If an agent action step is to ask for information that the customer has already provided, then the step should be skipped.
  * **Your suggested responses should fit into the conversation flow**. For example, if the customer and the support agent has moved on to a new issue, you should stop making suggestions for the old issue.
* Each sample response (or agent action suggestion) must be concise and only carry out one step in the applicable instruction. Do not cover multiple steps within one sample response (or agent action suggestion).
* Avoid repetition:
  * Do not suggest sample responses or agent actions that the agent has already said or done earlier in the conversation.
  * Do not ask for information that is already available in the conversation or the contexts.
* For product names, when you provide parameters in system action suggestions, provide the full names, including available specs.
* If multiple instructions lead to the same or similar suggestion, give one suggestion, but with multiple sources.

Esempio 2: modifica le priorità delle istruzioni e specifica il processo di pensiero per ottenere suggerimenti più accurati

### Notes on how to use or follow instructions
If there are multiple instructions applicable at the same time, **suggest only one instruction as applicable based on the following priority (from highest to lowest)**:
* [Highest priority] security related

Example: Account authentication is required before anything else.

* [High priority] customer retention
* [Medium priority] issue resolution
* [Low priority] upselling or cross-selling

### Thinking process
Before you make any suggestions, answer the following questions in this output section:
* For each instruction, is it applicable? If yes, what is its priority?
* Which instruction has the highest priority?

L'esempio seguente illustra la stessa priorità delle istruzioni con esempi di ciò che il modello dovrebbe suggerire in determinate circostanze.

### Notes on how to use or follow instructions
If there are multiple instructions applicable at the same time, **suggest only one instruction as applicable based on the following priority (from highest to lowest)**:
* [Highest priority] security related

Examnple: Account authentication is required before anything else.

* [High priority] customer retention
* [Medium priority] issue resolution
* [Low priority] up-selling or cross-selling

#### Examples to follow
<example_1>
<instructions>
...
instruction I1
condition: the customer wants to inquire about their current plan
agent action: inform the customer of what plan they have and what features they get
...
instruction I2
condition: the authentication is not done yet
agent action: ask for the account PIN
...
</instructions>
<conversation>
customer: can you tell me what plan I have?
</conversation>
<good_suggestion>
may I have your account PIN, please?
</good_suggestion>
<bad_suggestion>
sure, let me pull up your account information.
</bad_suggestion>
<comment>
Both instructions I1 and I2 are applicable, but I1 should have the highest priority because it's security related. Therefore, asking for the account PIN is a good suggestion.
</comment>
</example_1>

Lingua di output del coach AI

L'AI Coach genera suggerimenti nella lingua di output specificata. Se la lingua di output non è specificata, il modello decide la lingua di output dei suggerimenti.

Output del coach AI

Il coach AI restituisce uno o entrambi i seguenti risultati:

  • Istruzioni applicabili: possono essere restituite più istruzioni applicabili e ciascuna ha il proprio titolo e i propri dettagli.

  • Risposte di esempio: AI Coach genera anche esempi di come un agente potrebbe rispondere in una conversazione. Queste risposte di esempio si basano sulle istruzioni, sui contesti delle conversazioni e sui dati inseriti. La risposta di esempio può anche essere vuota.

Casi d'uso

AI Coach ha tre casi d'uso principali:

  • Rilevamento dell'intent: in questo caso, vuoi mostrare agli agenti solo le istruzioni applicabili al momento e non hai bisogno delle risposte di esempio. Puoi fare affidamento sui dati inseriti (URL, webhook, cheat sheet e così via) archiviati nei dettagli della visualizzazione per fornire suggerimenti agli agenti o per attivare chiamate API inserite.

  • Guida passo passo: questa opzione è utile quando vuoi mostrare agli agenti una guida passo passo attraverso risposte di esempio.

  • Suggerimento di prodotti: in questo caso, vuoi utilizzare l'AI Coach per guidare gli agenti su quando consigliare i prodotti e quali consigliare ai clienti. I candidati per i consigli sui prodotti possono essere generati dal sistema di consigli dell'utente o da un catalogo statico.

Miglioramento della qualità

I seguenti consigli per scrivere le istruzioni del coach AI possono contribuire a migliorare la qualità delle risposte di esempio, ma non impediscono al coach AI di fornire suggerimenti inaspettati.

Formattazione del testo per i dettagli di visualizzazione

Utilizza la sintassi Markdown per visualizzare i dettagli in un formato RTF (link, testo in grassetto e così via). Questo viene visualizzato nel simulatore della console Google Cloud , ma aiuta anche a implementare l'interfaccia web.

Formattazione del testo per l'azione dell'agente

Quando il coach AI spesso non considera un determinato passaggio o requisito, utilizza il testo in grassetto per aiutare il modello a prestare maggiore attenzione a un testo specifico. Per creare testo in grassetto con la sintassi Markdown, aggiungi due asterischi su entrambi i lati del testo.

display_title: order cancellation
display_detail:
 cancellation policy: [list policies]
 look up `[order number]` in ordering system
 how to cancel an order [list steps]
condition: the customer wants to cancel an order
agent_action:
1. ask the customer for the order number
2. **ask the customer why they want to cancel the order**
3. inform the customer you are working on the cancellation
4. inform the customer that you have canceled the order
5. inform the customer that they will receive the refund in 5-7 business days

Il testo in grassetto diventa meno efficace se, ad esempio, ogni passaggio dell'azione dell'agente è in grassetto. Pertanto, utilizza questa tecnica con parsimonia.

Aggiunta di esempi concreti

Quando il coach AI non fornisce le risposte di esempio che ti aspetti, può essere utile aggiungere alcuni esempi di ciò che vuoi vedere all'azione dell'agente. Il seguente esempio dettagliato illustra come possono essere utilizzati gli esempi leggeri (evidenziati):

display_title: smartwatch recommendation
display_detail: see `Smartwatch Catalog` for a relevant smartwatch
condition: the customer recently purchased phones
agent action:
recommend a specific smartwatch from the section titled "Smartwatch Catalog"; the recommendation should match the recently purchased phones from the section titled "Recent Purchases".
Following are some examples:
- For Galaxy phones, recommend Galaxy watch.
- For iPhones, recommend Apple Watch.
- For Pixel phones, recommend Pixel Watch. 
- For other phones, recommend Fitbit Sense.

Senza gli esempi leggeri, il coach dell'AI suggerirebbe Apple Watch per Android o elencherebbe tutti gli smartwatch disponibili. Con gli esempi leggeri, i suggerimenti sono precisi.

Modelli di messaggi

Per controllare la formulazione e il formato delle risposte di esempio generate, aggiungi un modello di messaggio o anche un messaggio statico fisso all'azione dell'agente. A differenza degli esempi leggeri, questi modelli indicano la formulazione esatta da utilizzare in una risposta di esempio. Di seguito è riportato un esempio con i modelli di messaggio evidenziati.

display_title: bill explanation
display_detail:
 look up `[account number]`
 check `Recent Bills` to compare amounts
 https://www.[company name].com/promos
condition: the customer wonders why the bill is getting higher this month
agent_action:
1. ask the customer for the account number. use this fixed message for sample responses: "May I have your account number, please?"
2. compare the bills in the last two months from the section titled "Recent Bills" and inform the customer of the extra charge. use this template for sample responses: "Compared with last month, this month you have an extra charge for ..., which costs ..."

Ragionamento guidato

Se una o più istruzioni specificano un obiettivo senza passaggi sufficienti o senza chiarire il ragionamento nascosto per raggiungere l'obiettivo, modifica i passaggi per chiarezza. Ad esempio, quando viene chiesto a un agente di consigliare un prodotto, il prodotto suggerito deve essere pertinente alla conversazione. Aiuta il coach AI a fornire suggerimenti pertinenti aggiungendo una sottoattività all'inizio dell'azione dell'agente che si riferisce al contesto della conversazione.

display_title: cross-selling
display_detail: sample response
condition: the customer is inquiring about product availability
agent_action:
summarize to the customer what product you have been discussing, then recommend a relevant product from the section titled "Product Recommendation" and provide a brief explanation of how the two products are relevant to each other. Use this template for sample responses: "Since we've been talking about ..., I'd like to recommend ... because ...".

Nell'esempio, l'attività principale è suggerire un prodotto pertinente alla conversazione. L'AI Coach potrebbe non capire il punto e consigliare il primo prodotto elencato nella sezione Consigli sui prodotti. L'aggiunta dell'attività secondaria può migliorare notevolmente la pertinenza. Aggiungi anche un modello di messaggio alla fine dell'azione dell'agente in modo che il risultato della sottoattività si adatti perfettamente alle risposte di esempio.

Aggiungere la deduplicazione dei suggerimenti

La funzionalità di deduplicazione dei suggerimenti del coach AI impedisce agli agenti di visualizzare suggerimenti duplicati o molto simili. Utilizza il campo SuggestionDedupingConfig nel proto del generatore per confrontare i componenti del suggerimento (istruzioni, risposte di esempio e così via) con una cronologia dei suggerimenti recenti. Puoi regolare la sensibilità della somiglianza utilizzando una soglia configurabile. Il messaggio DuplicateCheckResult fornisce i risultati del controllo di deduplicazione all'interno della risposta di suggerimento.

Configura la deduplicazione dei suggerimenti

Per gestire i suggerimenti duplicati del coach AI, configura SuggestionDedupingConfig nella configurazione del generatore.

Campi di configurazione

SuggestionDedupingConfig contiene i seguenti campi:

  • enable_deduping: imposta questo campo booleano su true per attivare la funzionalità di deduplicazione dei suggerimenti. Se viene impostato su false o non viene configurato, la deduplicazione viene disattivata. Esempio:

    suggestion_deduping_config {
enable_deduping: true
}

  • similarity_threshold: utilizza questa soglia di tipo float per la deduplicazione basata sulla somiglianza in determinati campi. Il processo di deduplicazione considera i suggerimenti con un punteggio di similarità superiore a questo valore come duplicati. Il punteggio va da 0,0 a 1,0. Se questo campo viene impostato su 0.0 o se non viene configurato, viene utilizzata una soglia predefinita di 0.8. Esempio:

    suggestion_deduping_config {
enable_deduping: true
similarity_threshold: 0.85
}

Come funziona la deduplicazione

Quando enable_deduping è true, puoi confrontare i suggerimenti con quelli storici. Il processo di deduplicazione valuta la duplicazione per ciascuno dei seguenti campi dei suggerimenti:

  • Istruzioni (applicable_instructions): verifica le corrispondenze esatte con i suggerimenti della cronologia.
  • Risposte di esempio (sample_responses): verifica la somiglianza tra il suggerimento attuale e quelli della cronologia. I flag di deduplicazione contrassegnano i risultati duplicati se il punteggio di similarità supera la soglia di similarità.
  • Azioni dell'agente (agent_action_suggestions): verifica la somiglianza tra il suggerimento attuale e i suggerimenti della cronologia, in modo simile alle risposte di esempio. I flag di deduplicazione contrassegnano i risultati duplicati se il punteggio di similarità supera la soglia di similarità. I risultati dei controlli di deduplicazione vengono restituiti nel messaggio DuplicateCheckResult.

Output: DuplicateCheckResult

Il messaggio AgentCoachingSuggestion contiene campi per diversi tipi di suggerimenti (ad es. AgentActionSuggestion, SampleResponse). Ciascuno di questi campi includerà un messaggio DuplicateCheckResult per fornire informazioni sui potenziali duplicati trovati nella cronologia. Esempio:

// Example within AgentActionSuggestion
message AgentActionSuggestion {
  // ... other fields ...
  DuplicateCheckResult duplicate_check_result = 3;
}

// Duplication check for the suggestion.
message DuplicateCheckResult {
  // The duplicate suggestions.
  repeated DuplicateSuggestion duplicate_suggestions = 1 [
    (google.api.field_behavior) = OUTPUT_ONLY,
    (datapol.semantic_type) = ST_NOT_REQUIRED
  ];

  // The duplicate suggestion details.
  message DuplicateSuggestion {
    // The answer record ID of the past duplicate suggestion.
    string answer_record = 1 [
      (google.api.field_behavior) = OUTPUT_ONLY,
      (datapol.semantic_type) = ST_IDENTIFYING_ID
    ];
    // Sources for the suggestion.
    Sources sources = 2 [(google.api.field_behavior) = OUTPUT_ONLY];
    // The index of the duplicate suggestion in the past suggestion list.
    int32 suggestion_index = 3 [(google.api.field_behavior) = OUTPUT_ONLY];
    // The similarity score of between the past and current suggestion.
    // This is only populated for fields using similarity checks.
    float similarity_score = 4 [(google.api.field_behavior) = OUTPUT_ONLY];
  }
}

Configurazione di esempio

La configurazione del generatore di esempi attiva la funzionalità di deduplicazione dei suggerimenti impostando enable_deduping su true. Inoltre, imposta il valore similarity_threshold su 0,75. Ciò significa che se il testo di un nuovo suggerimento (per le risposte di esempio e le azioni dell'agente) ha un punteggio di similarità maggiore o uguale a 0,75 con uno dei suggerimenti storici, la deduplicazione lo contrassegna come duplicato con DuplicateCheckResult.

# Example Generator configuration with Deduping enabled
generator {
  # ... other generator fields ...

  suggestion_deduping_config {
    enable_deduping: true
    similarity_threshold: 0.75 # Optional: Adjusts sensitivity for similarity checks
  }

  # ... rest of generator config ...
}