AI 코치 추천을 최적화하려면 다음 정보를 제공해야 합니다.
- 일련의 서면 지침
- 대화 스크립트
- API의 데이터
그러면 AI 코치가 관련 지침과 추천 상담사 응답을 제공합니다.
권장 용도
가장 유용한 제안을 받으려면 다음 시나리오에서 AI 코치를 사용하세요.
업셀링 및 크로스셀(cross-sell)
고객센터 상담사가 다른 제품이나 서비스를 제공해야 하는 경우 AI 코치는 다음과 같은 유용한 정보를 제공할 수 있습니다.
- 판매를 시작해야 하는 시점과 판매를 시도하지 말아야 하는 시점을 제안해 줘.
- 고객의 니즈를 파악하기 위해 문제 파악을 위한 질문을 합니다.
- 대화 컨텍스트를 기반으로 짧은 목록에서 제품을 추천합니다.
- 부정적 반응에 대처하는 방법을 제안해 줘.
고객 유지
고객센터 상담사가 고객에게 회사를 계속 이용하도록 설득하려고 할 때 AI 코치는 다음과 같은 유용한 정보를 제공할 수 있습니다.
- 고객 유지 혜택을 제공할 시기를 제안합니다.
- 문제 파악을 위한 질문을 통해 고객의 취소 이유를 파악합니다.
- 대화 컨텍스트를 기반으로 유지 혜택을 추천합니다.
도구를 사용한 원스텝 자동화
AI 코치는 고객 서비스 대화를 기반으로 반복적인 비즈니스 프로세스를 자동으로 따를 수도 있습니다.
- 고객이 인증되고 주문 번호를 제공한 경우 주문 상태를 가져옵니다.
- 주문 번호와 취소 이유를 사용할 수 있는 경우 주문을 취소합니다.
- 위험한 자동화에 수동 검토 및 승인이 필요하도록 구성합니다.
위험한 작업
위험한 작업은 심각한 재정적 손실, 데이터 유출 또는 규정 미준수를 야기할 수 있는 자동화된 비즈니스 프로세스입니다. 인증 없이 데이터베이스를 작성하고 민감한 정보를 검색하는 것이 그 예입니다. AI 코치는 타이밍을 제안하고 대화에서 매개변수를 추출할 수 있지만 위험한 작업에는 수동 검토 및 승인이 필요하며 완전히 자동화해서는 안 됩니다.
AI 코치 안내
고객 서비스 대화 전반에서 상담사가 어떤 조치를 취해야 하는지, 언제 해당 조치가 필요한지 AI 코치에게 알려주는 일련의 안내를 작성합니다. 안내에는 고객에게 계정 PIN 요청, 주문 상태 확인 및 고객에게 알림, 취소 요청 제출과 같은 상담사 작업이 명시될 수 있습니다.
AI 코치 안내에는 다음 정보가 포함됩니다.
표시 제목: 여러 안내를 관리하는 데 도움이 됩니다. 표시 제목은 LLM에 표시되지 않습니다.
세부정보 표시: 명령어가 적용될 때 모델이 반환해야 하는 정적 콘텐츠를 지정합니다. 표시 세부정보에는 URL, 내부 도구 또는 시스템 바로가기, 상담사용 치트 시트, 백엔드 API 호출이 포함될 수 있습니다. 이러한 세부정보는 실제 상담사만 액세스할 수 있습니다. 표시 세부정보는 모델에 표시되지 않습니다.
조건: 대화에서 명령어가 적용되는 시점을 지정합니다. 조건이 모델에 표시됩니다.
에이전트 작업: 지침이 적용될 때 에이전트가 취해야 하는 단계를 지정합니다. 에이전트 작업이 모델에 표시됩니다.
시스템 작업: 명령어가 적용될 때 자동화에 사용할 도구를 지정합니다. 시스템 작업이 모델에 표시됩니다.
조건, 상담사 작업, 시스템 작업은 AI 코치의 추천에 영향을 미칩니다.
조건
조건은 명확하고 간결하며 독립적이어야 합니다. 고객 문제에 대한 간략한 설명을 사용할 수 있습니다. 제품에 익숙하지 않은 일반인에게 설명하는 것처럼 상태를 작성합니다. 다음은 유용한 조건의 몇 가지 예입니다.
- 고객이 주문을 취소하려고 합니다.
- 고객이 새 휴대전화를 구매하려고 합니다.
- 고객의 인터넷 연결이 매우 느립니다.
예
다음은 사용할 수 있는 조건과 에이전트 작업의 예입니다.
- 상태: 고객이 배송지 주소를 새 주소로 업데이트해 달라고 요청합니다.
- 상담사 조치: 아직 새 주소를 제공하지 않은 경우 고객에게 배송에 사용할 새 주소를 묻습니다.
일반적으로 관련 조건이 충족된 후에만 회사 정책의 텍스트를 표시합니다. 이 예시에서 AI 코치는 고객이 취소를 원한다고 말한 후에만 취소 정책을 표시합니다. 다음 예시 입력에서 대화의 의도된 주제는 표시 제목과 조건에 모두 반영됩니다. 에이전트에게 표시되는 텍스트의 콘텐츠는 표시 세부정보에 정의되어 있습니다.
AI 코치의 입력:
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
상담사 조치
다음 세 가지 정보 소스를 기반으로 에이전트 작업의 각 단계를 확인할 수 있습니다.
- 안내: 자세한 내용은 이전 섹션을 참고하세요.
- 대화 스크립트: 고객 서비스 대화 전반에 걸쳐 상담사와 고객이 말한 내용을 문서화합니다.
- 수집된 데이터: 최근 거래, 청구서, 진행 중인 프로모션 등 대화에서 직접 찾을 수 없는 관련 고객 데이터로 구성됩니다.
AI 코치가 사용할 수 있는 수집된 데이터의 예는 다음과 같습니다.
ingested_data_key: Product Recommendation ingested_data_value: * Microwave-safe, glass food container set, $29.99 * Gila Complete Window Film Application Kit, $19.99
데이터 누락
에이전트 작업에 다른 안내와 대화 스크립트에 누락된 정보가 필요한 경우, 수집된 데이터를 제공하는 API도 누락된 정보를 제공해야 합니다.
이러한 소스에서 찾을 수 없는 정보가 필요한 작업은 작성하지 마세요.
해당 데이터를 찾을 수 없는 경우 다음을 피하세요.
- 고객에게 청구서를 설명합니다.
- 고객에게 잔액, 기한 또는 주문 상태를 알립니다.
동사가 여러 개
위의 상담사 작업 목록에는 상담사가 취해야 하는 조치를 나타내는 동사가 하나만 포함되어 있지만 단계에는 동사가 두 개 이상 있을 수 있습니다. 예를 들어 비즈니스에서 상담사가 하나의 대답에서 특정 제품을 추천하고 해당 제품을 조건과 연결하기를 원하는 경우 다음 입력과 같이 단일 상담사 작업 단계를 작성할 수 있습니다.
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.
샘플 응답 출력
에이전트 작업은 수집된 데이터를 활용하고 샘플 응답 출력의 템플릿을 지정할 수도 있습니다. 예를 들어 추천할 제품이 여러 개 있고 상담사가 대화 맥락과 관련된 추천을 하도록 하려는 경우 상담사 작업은 AI 코치에게 샘플 응답 출력에서 구체적인 제안을 하도록 유도할 수 있습니다. 또한 이 예시에서는 AI 코치에게 템플릿을 따르는 샘플 응답을 생성하라는 메시지를 표시하는 에이전트 작업을 작성하는 방법을 보여줍니다.
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.
다단계 작업
마지막으로 에이전트 작업은 두 개 이상의 단계로 구성될 수 있습니다. 다단계 에이전트 작업은 단일 조건이 충족될 때 에이전트가 대화를 어떻게 진행해야 하는지 나타냅니다.
상담사가 취소를 처리하기 전에 일련의 질문을 해야 하는 주문 취소 대화의 다음 예를 참고하세요. 각 단계에서 별도의 샘플 응답이 생성됩니다.
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.
주문 취소와 같은 단계는 추가 통합 없이는 확인하기 어려울 수 있습니다. 이전 예시에서는 취소 작업을 진행 중임을 고객에게 알림 단계로 대체합니다.
시스템 작업
시스템 작업에서는 이미 정의된 도구를 참조할 수 있습니다. 명령어의 이 섹션에서는 명령어 조건이 충족될 때 고려해야 할 도구를 지정합니다. 도구에 대한 참조는 ${tool:tool_name|action_name} 형식이어야 합니다. 도구를 설정하는 방법에 관한 자세한 내용은 OpenAPI 및 통합 커넥터 도구 페이지를 참고하세요.
다음은 몇 가지 시스템 작업의 예입니다.
예 1: 도구 및 작업 이름을 나열합니다.
...
system_action:
${tool:order_management|cancel_order}, ${tool:order_management|check_order}
예 2: 조건부 동작 추가
...
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}
AI 코치에서 전반적인 안내 사용
AI 코치는 다음과 같은 사항을 지정하는 구성 가능한 프롬프트 섹션인 전반적인 안내를 추가합니다.
- 용어집
- 샘플 응답 제안의 스타일, 형식, 어조에 관한 가이드라인
- 안내 사용 및 준수에 관한 중요 참고사항
용어집
다음 용어집에서는 취약한 고객과 계정 인증을 명확하게 정의합니다. 전반적인 안내에 이 용어집이 포함되어 있으므로 이전 버전의 AI 코치처럼 반복적으로 정의하지 않고도 안내에서 용어를 사용할 수 있습니다.
#### 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*.
스타일, 형식, 어조 가이드라인
샘플 대답에서 다음 스타일, 형식, 어조 가이드라인을 따르세요.
- 항상 공감하고, 인내심을 갖고, 안심시켜 주세요.
- 지나치게 격식 없는 표현이나 속어를 사용하지 마세요. 존중하면서도 따뜻한 어조를 유지하세요.
- 대답에서는 항상 고객의 감정이나 우려를 명시적으로 언급해야 합니다 (예: '불편을 드려 죄송합니다').
- 짧은 문장을 사용하고 복잡한 표현이나 전문 용어는 피하세요.
- 고객을 비난하거나 반박하지 마세요. 대신 올바른 정보로 부드럽게 안내하세요.
- 고객의 주요 우려사항을 명확하게 인정하는 것으로 모든 대답을 시작합니다.
요청 사항 준수 참고사항
안내를 따르는 방법에 관한 메모를 추가합니다. 자동 추천을 개선하기 위해 메모를 사용하여 사고 또는 추론 과정을 지정할 수도 있습니다.
예시
예 1: 모델 동작 구성
### 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.
예 2: 더 정확한 추천을 위해 명령 우선순위 조정 및 사고 과정 지정
### 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?
다음 예에서는 동일한 요청 우선순위를 보여주며 특정 상황에서 모델이 제안해야 하는 내용을 예시로 보여줍니다.
### 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>
AI 코치 출력 언어
AI 코치는 지정된 출력 언어로 제안을 생성합니다. 출력 언어가 지정되지 않은 경우 모델이 추천의 출력 언어를 결정합니다.
AI 코치 출력
AI 코치는 다음 결과 중 하나 또는 둘 다를 반환합니다.
적용 가능한 안내: 적용 가능한 안내가 여러 개 반환될 수 있으며 각 안내에는 표시 제목과 세부정보가 있습니다.
샘플 응답: AI 코치는 상담사가 대화에서 응답할 수 있는 방법의 샘플도 생성합니다. 이러한 샘플 대답은 요청 사항, 대화 맥락, 수집된 데이터를 기반으로 합니다. 샘플 응답은 비어 있을 수도 있습니다.
사용 사례
AI 코치에는 세 가지 주요 사용 사례가 있습니다.
인텐트 감지: 현재 적용 가능한 안내만 에이전트에게 표시하고 샘플 응답은 필요하지 않은 경우입니다. 표시 세부정보에 저장된 수집된 데이터 (URL, 웹훅, 요약 등)를 사용하여 상담사에게 추천을 제공하거나 수집된 API 호출을 트리거할 수 있습니다.
단계별 안내: 샘플 응답을 통해 상담사에게 단계별 안내를 표시하려는 경우입니다.
제품 추천: AI 코치를 사용하여 상담사에게 제품을 추천해야 하는 시점과 고객에게 추천해야 하는 제품을 안내하려는 경우입니다. 제품 추천 후보는 사용자의 추천 시스템 또는 정적 카탈로그에 의해 생성될 수 있습니다.
품질 개선
다음은 AI 코치 안내 작성에 관한 권장사항으로, 샘플 대답의 품질을 개선하는 데 도움이 되지만 AI 코치가 예상치 못한 제안을 하는 것을 방지하지는 않습니다.
세부정보 표시를 위한 텍스트 서식
마크다운 문법을 사용하여 세부정보를 서식 있는 형식 (링크, 굵은 텍스트 등)으로 표시합니다. 이는 Google Cloud 콘솔 시뮬레이터에서 렌더링되지만 웹 인터페이스에서 구현하는 데도 도움이 됩니다.
에이전트 작업의 텍스트 서식
AI 코치가 특정 단계나 요구사항을 자주 놓치는 경우 굵은 텍스트를 사용하여 모델이 특정 텍스트에 더 주의를 기울이도록 안내하세요. 마크다운 문법으로 굵은 글꼴 텍스트를 만들려면 텍스트 양쪽에 별표 두 개를 추가합니다.
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
예를 들어 상담사 작업의 모든 단계가 굵게 표시되면 굵은 텍스트의 효과가 떨어집니다. 따라서 이 기법은 신중하게 사용해야 합니다.
구체적인 예시 추가
AI 코치가 예상한 샘플 응답을 제공하지 못하는 경우 에이전트 작업에 원하는 내용을 몇 가지 예시로 추가하면 도움이 될 수 있습니다. 다음 상세 예에서는 경량 예 (강조 표시됨)를 사용하는 방법을 보여줍니다.
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.
경량 예시가 없으면 AI 코치가 Android용 Apple Watch를 추천하거나 사용 가능한 모든 스마트워치를 나열합니다. 경량 예시를 사용하면 추천이 정확합니다.
메시지 템플릿
생성된 샘플 응답의 문구와 형식을 제어하려면 메시지 템플릿이나 고정된 정적 메시지를 에이전트 작업에 추가하세요. 경량 예시와 달리 이러한 템플릿은 샘플 응답에 사용해야 하는 정확한 문구를 나타냅니다. 다음은 메시지 템플릿이 강조 표시된 예시입니다.
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 ..."
유도된 추론
하나 이상의 지침에 충분한 단계가 없거나 목표를 달성하기 위한 숨겨진 이유가 명확하지 않은 목표가 지정된 경우 명확성을 위해 단계를 수정합니다. 예를 들어 상담사에게 제품을 추천하라고 하면 추천된 제품은 대화와 관련이 있어야 합니다. 대화 컨텍스트를 참조하는 하위 작업을 에이전트 작업의 시작 부분에 추가하여 AI 코치가 관련 제안을 할 수 있도록 지원하세요.
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 ...".
이 예에서 주요 작업은 대화와 관련된 제품을 추천하는 것입니다. AI 코치가 요점을 놓치고 제품 추천 섹션에 나열된 첫 번째 제품을 추천할 수 있습니다. 하위 작업을 추가하면 관련성을 크게 개선할 수 있습니다. 또한 하위 작업 결과가 샘플 응답에 원활하게 맞도록 에이전트 작업 끝에 메시지 템플릿을 추가합니다.
추천 중복 삭제 추가
AI 코치 제안 중복 제거 기능을 사용하면 상담사에게 중복되거나 매우 유사한 제안이 표시되지 않습니다. 생성기 프로토의 SuggestionDedupingConfig 필드를 사용하여 제안 구성요소 (안내, 샘플 응답 등)를 최근 제안의 기록과 비교합니다. 구성 가능한 임계값을 사용하여 유사성의 민감도를 조정할 수 있습니다. DuplicateCheckResult 메시지는 추천 응답 내에서 중복 삭제 확인 결과를 제공합니다.
추천 중복 제거 구성
AI 코치의 중복 제안을 관리하려면 생성기의 구성 내에서 SuggestionDedupingConfig를 구성하세요.
구성 필드
SuggestionDedupingConfig에는 다음과 같은 필드가 있습니다.
enable_deduping: 제안 중복 삭제 기능을 사용 설정하려면 이 불리언 필드를 true로 설정합니다. false로 설정하거나 설정하지 않으면 중복 삭제가 사용 중지됩니다. 예:suggestion_deduping_config { enable_deduping: true }similarity_threshold: 특정 필드에서 유사성 기반 중복 삭제를 위해 이 부동 소수점 유형 기준점을 사용합니다. 중복 제거 프로세스에서는 유사도 점수가 이 값보다 높은 추천을 중복으로 간주합니다. 점수 범위는 0.0~1.0입니다. 이 필드를 0.0으로 설정하거나 설정하지 않으면 기본 임곗값 0.8이 사용됩니다. 예:suggestion_deduping_config { enable_deduping: true similarity_threshold: 0.85 }
중복 제거 작동 방식
enable_deduping가 true인 경우 추천을 이전 추천과 비교할 수 있습니다. 중복 제거 프로세스에서는 다음 제안 필드 각각에 대해 중복을 평가합니다.
- 안내 (
applicable_instructions): 기록 추천과 정확히 일치하는지 확인합니다. - 샘플 응답 (
sample_responses): 현재 추천과 기록 추천 간의 유사성을 확인합니다. 유사성 점수가 유사성 기준점을 초과하면 중복 제거 플래그가 중복 결과를 표시합니다. - 상담사 작업(
agent_action_suggestions): 현재 제안과 이전 제안 간의 유사성을 확인합니다(샘플 응답과 유사). 유사성 점수가 유사성 기준점을 초과하면 중복 제거 플래그가 중복 결과를 표시합니다. 중복 삭제 확인 결과는DuplicateCheckResult메시지로 반환됩니다.
출력: DuplicateCheckResult
AgentCoachingSuggestion 메시지에는 다양한 유형의 추천 (예: AgentActionSuggestion, SampleResponse). 각 필드에는 기록에서 발견된 중복 가능성에 관한 정보를 제공하는 DuplicateCheckResult 메시지가 포함됩니다.
예:
// 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];
}
}
구성 예시
생성기 구성 예시에서는 enable_deduping를 true로 설정하여 추천 중복 제거 기능을 사용 설정합니다. 또한 similarity_threshold 값을 0.75로 설정합니다. 즉, 새 추천의 텍스트 (샘플 응답 및 상담사 작업)가 이전 추천과 유사도 점수가 0.75 이상이면 중복 제거에서 DuplicateCheckResult로 중복으로 표시합니다.
# 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 ...
}