Auf generativer KI basierende Wissensunterstützung

Generative Knowledge Assist liefert Antworten auf die Fragen Ihres Agenten auf Grundlage von Informationen in von Ihnen bereitgestellten Dokumenten. Sie können Ihren Domainnamen angeben oder Dokumente für einen flussbasierten Datenspeicher-Agenten oder einen playbookbasierten Datenspeicher-Agenten hochladen. Generative Knowledge Assist kombiniert diese Informationen mit der laufenden Unterhaltung und den verfügbaren Kundendaten, um Ihrem Agenten eine relevantere und zeitnahere Antwort zu geben.

Hinweis

Sofern Sie nicht der Projektinhaber sind, benötigen Sie diese Rollen, um einen Datenspeicher-Agenten zu erstellen:

- Dialogflow API Admin
- Discovery Engine Admin

Flussbasierten Datenspeicher-Agenten erstellen

  1. Aktivieren Sie die AI Applications API in der Vertex AI Console.

  2. Folgen Sie der Anleitung unter Flussbasierte Datenspeicher-Agenten, um den Agenten zu erstellen.

Playbookbasierten Datenspeicher-Agenten erstellen

  1. Aktivieren Sie die AI Applications API in der Vertex AI Console.

  2. Folgen Sie der Anleitung unter Playbookbasierte Datenspeicher-Agenten, um den Agenten zu erstellen.

  3. Wenn Sie den Agenten mit einem Datenspeicher verbinden möchten, erstellen Sie ein Datenspeicher-Tool. Weitere Informationen finden Sie unter Beispiele für Datenspeicher-Tools für Playbooks.

Fragen Ihrer Kundenservicemitarbeiter beantworten

Der flussbasierte oder playbookbasierte Datenspeicher-Agent kann die Fragen Ihrer Kundenservicemitarbeiter auf Grundlage der von Ihnen bereitgestellten Dokumente beantworten.

Schritt 1: Unterhaltungsprofil erstellen

Erstellen Sie ein Unterhaltungsprofil mit der Agent Assist Console oder der API.

Über die Console erstellen

  1. Sie müssen den Vorschlagstyp „Generative Knowledge Assist“ aktivieren und ihn mit dem flussbasierten oder playbookbasierten Datenspeicher-Agenten aus dem vorherigen Schritt verknüpfen.
  2. Optional: Mit dem Kästchen Protokollierung von Agent-Suchanfragen deaktivieren können Sie angeben, ob Google anonymisierte Suchanfragen zur potenziellen Qualitätsverbesserung erheben und speichern soll.
  3. Mit dem Kästchen Erweiterte Abfrage für Unterhaltung aktivieren können Sie angeben, ob der Unterhaltungskontext zwischen dem Kundenservicemitarbeiter und dem Nutzer bei der Generierung der Antwort auf die Suchanfrage berücksichtigt werden soll.

Über die API erstellen

In den folgenden Schritten wird veranschaulicht, wie Sie ein ConversationProfile-Objekt mit einem HumanAgentAssistantConfig-Objekt erstellen. Sie können diese Aktionen auch über die Agent Assist Console ausführen.

Zum Erstellen eines Unterhaltungsprofils rufen Sie die Methode „create“ für die Ressource „ConversationProfile“ auf.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:
  • PROJECT_ID: Ihre Projekt-ID.
  • LOCATION_ID: die ID Ihres Standorts.
  • AGENT_ID: die ID Ihres flussbasierten oder playbookbasierten Datenspeicher-Agenten aus dem vorherigen Schritt.
Das folgende Beispiel zeigt eine JSON-Anfrage: 
  {
    "displayName": "my-conversation-profile-display-name",
    "humanAgentAssistantConfig": {
      "humanAgentSuggestionConfig": {
        "featureConfigs": [
          {
            "suggestionFeature": {
              "type": "KNOWLEDGE_SEARCH"
            },
            "queryConfig": {
              "dialogflowQuerySource": {
                "humanAgentSideConfig": {
                  "agent": "projects/PROJECT_ID/locations/LOCATION_ID/agents/AGENT_ID"
                }
              }
            },
            "disableAgentQueryLogging": false,
            "enableConversationAugmentedQuery": false,
          }
        ]
      }
    }
  }

Wenn Sie in der Agent Assist Console ein Unterhaltungsprofil erstellen, aktiviert Agent Assist automatisch Generative Knowledge Assist.

Schritt 2: Datenspeicher-Agenten verwenden

Optional können Sie die SearchKnowledge API verwenden, um die Antworten vom Datenspeicher-Agenten abzurufen. Sie können auch die folgenden Konfigurationen als Teil Ihrer SearchKnowledge-Anfrage verwenden:

  • querySource: Legen Sie dieses Feld fest, um anzugeben, ob ein Agent die Abfrage eingegeben oder Generative Knowledge Assist sie automatisch vorgeschlagen hat.
  • exactSearch: Legen Sie dieses Feld fest, um anzugeben, ob die genaue Eingabeabfrage ohne Umschreibung der Abfrage durchsucht werden soll.
  • endUserMetadata: Legen Sie dieses Feld fest, um zusätzliche Informationen zum Endnutzer einzufügen, die die generierte Antwort verbessern. Weitere Informationen finden Sie auf der Seite Personalisierung der Leistung von Datenspeicher-Agenten.
  • searchConfig: Legen Sie dieses Feld fest, um zusätzliche Kontrolle zu erhalten und Wissensdokumente zu optimieren und zu filtern. Weitere Informationen finden Sie auf der Seite Suchkonfiguration für die Leistung von Datenspeicher-Agenten.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • PROJECT_ID: Ihre Projekt-ID.
  • LOCATION_ID: die ID Ihres Standorts.
  • CONVERSATION_PROFILE_ID: die ID Ihres Unterhaltungsprofils aus dem vorherigen Schritt.
  • SESSION_ID: die ID Ihrer Suchsitzung.
    • Der Suchverlauf derselben Sitzung kann sich auf das Suchergebnis auswirken. Sie können die folgende Unterhaltungs-ID für die Sitzungs-ID verwenden.
  • CONVERSATION_ID: die Unterhaltung (zwischen Kundenservicemitarbeiter und Endnutzer), in der die Suchanfrage ausgelöst wird.
  • MESSAGE_ID: die letzte Unterhaltungsnachricht, als die Suchanfrage ausgelöst wurde.

Hier ein Beispiel für eine JSON-Anfrage:

{
  "parent": "projects/PROJECT_ID/locations/LOCATION_ID"
  "query": {
    "text": "What is the return policy?"
  }
  "conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID"
  "sessionId": "SESSION_ID
  "conversation": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID"
  "latestMessage": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID
  "querySource": AGENT_QUERY
  "exactSearch": false
  "searchConfig": {
    "filterSpecs": {
      "filter": "category: ANY(\"persona_B\")"
    }
  }
  "endUserMetadata": {
    "deviceOwned": "Google Pixel 7"
  }
}

Optional können Sie Ressourcennamen für conversation und latest_message angeben, wenn die Suche des Agenten während einer Unterhaltung mit einem Nutzer erfolgt. Diese beiden Felder sind erforderlich, wenn Sie die Option enable_conversation_augmented_query aktivieren und die Antwort auf die Abfrage mit dem Unterhaltungskontext zwischen Ihrem Agenten und dem Nutzer verbessern möchten.

Simulator

Testen Sie Ihren flussbasierten oder playbookbasierten Datenspeicher-Agenten im Agent Assist-Simulator.

Im vorherigen Beispiel beantwortet der flussbasierte Datenspeicher-Agent die Nutzeranfrage What is the refund processing time? mit den folgenden Informationen:

  • Von generativer KI generierte Antwort: When the package with your return arrives at the seller's return center, it may take up to 7 additional business days to process. Check the status of your refund with the return tracking number found on your orders page.
  • Titel des relevanten Wissensdokuments: Returns & refunds.

Feedback geben

Eine Anleitung zum Senden von Feedback finden Sie unter Feedback an Agent Assist senden.

Fragen des Agenten beantworten

Das folgende Beispiel zeigt eine JSON-Anfrage zum Senden von Feedback zum Beantworten von Agentenfragen.

{
  "name": "projects/PROJECT_ID/locations/LOCATION_ID/answerRecords/ANSWER_RECORD_ID",
  "answerFeedback": {
    "displayed": true
    "clicked": true
    "correctnessLevel": "FULLY_CORRECT"
    "agentAssistantDetailFeedback": {
      "knowledgeSearchFeedback": {
        "answerCopied": true
        "clickedUris": [
          "url_1",
          "url_2",
          "url_3",
        ]
      }
    }
  }
}

Metadaten

Wenn Sie Metadaten für ein Wissensdokument konfigurieren, geben sowohl Generative Knowledge Assist als auch Proaktive generative Wissensunterstützung die Metadaten des Dokuments zusammen mit der Antwort zurück.

Sie können Metadaten beispielsweise verwenden, um anzugeben, ob es sich bei dem Wissensdokument um einen internen privaten Artikel oder einen externen öffentlichen Artikel handelt. Sowohl im Agent Assist-Simulator als auch in den UI-Modulen zeigen die generative Knowledge Assist und die proaktive generative Knowledge Assist automatisch einen Wert für die Dokumentmetadaten für bestimmte Schlüssel an.

  • gka_source_label: Der Wert wird direkt auf der Vorschlagskarte angezeigt.
  • gka_source_tooltip: Wenn der Wert vom Typ struct ist, wird der Wert in einem Tooltip angezeigt, wenn Sie den Mauszeiger über den Quelllink bewegen.

Wenn Sie die folgenden Metadaten für ein Wissensdokument haben, wird die Quelle auf der Vorschlagskarte als External Doc aufgeführt und im Tooltip wird doc_visibility: public doc hinzugefügt.

Metadaten: None { "title": "Public Sample Doc", "gka_source_label": "External Doc", "gka_source_tooltip": { "doc_visibility": "public doc" } }

Metadaten zu Endnutzern

Fügen Sie Metadaten zu Endnutzern hinzu, um die von Datastore-Agenten generierte Antwort zu verbessern und zu personalisieren. Für Generative Knowledge Assist können Sie Metadaten zu Endnutzern an das Feld end_user_metadata anhängen oder sie mit der IngestContextReferences API in eine Unterhaltung aufnehmen. Sie können aufgenommene Metadaten zu Endnutzern sowohl für die generative Wissensunterstützung als auch für die proaktive generative Wissensunterstützung verwenden.

Beispiel 1: Metadaten zu Endnutzern anhängen

{
  "query": {
     "text": "test query"
  },
  "conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
  "sessionId": "SESSION_ID",
  "conversation": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID",
  "querySource": "AGENT_QUERY",
  "endUserMetadata": {
    "Name": "Jack",
    "Age": 33,
    "City": "Tokyo"
  }
}

Beispiel 2: Metadaten zu Endnutzern aufnehmen

{
  "conversation": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID",
  "contextReferences": {
   "gka_end_user_metadata": {
      "contextContents": [{
"content": "{\"Name\":\"Jack\",\"Age\":33,\"city\":\"Tokyo\"}",
        "contentFormat": "JSON"
      }],
      "updateMode": "OVERWRITE",
      "languageCode": "en-US"
    }
  }
}

Weitere Informationen zu Metadaten zu Endnutzern in Datastore finden Sie unter Dialogflow-Personalisierung.

Sprachunterstützung

Vollständige Liste der unterstützten Sprachen anzeigen.