Filter für den Wissensassistenten

Mit Filtern können Sie eine Suche eingrenzen und dafür sorgen, dass der Generator für Wissensunterstützung nützliche Vorschläge liefert. Filtern Sie Dokumente in einem Datastore, um eine Kategorie von Dokumenten für den Verweis in der generativen Wissensunterstützung (Generative Knowledge Assist, GKA) und der proaktiven generativen Wissensunterstützung (Proactive Generative Knowledge Assist, PGKA) anzugeben. Passen Sie die Sicherheitsfilter für generierte Inhalte an, damit PGKA-Vorschläge für Ihre geschäftlichen Anforderungen möglichst hilfreich und möglichst wenig schädlich sind.

Dokumentfilter

Filtern Sie Dokumente für die Wissensunterstützung sowohl für GKA als auch für PGKA mit SearchConfig.

Schritt 1: Datastore mit Metadaten einrichten

Importieren Sie mit Metadaten, um einen Datenspeicher für GKA und PGKA zu erstellen. Sie müssen Metadaten als eine oder mehrere JSONL-Dateien bereitstellen, die sich im übergeordneten Ordner der für den Import verwendeten Inhalte befinden.

  1. Folgen Sie der Anleitung auf der Seite Datastore-Tools, um einem Agent einen Datastore hinzuzufügen.
  2. Klicken Sie auf der Seite „KI-Anwendungen“ auf Datenspeicher > + Datenspeicher erstellen.
  3. Rufen Sie Cloud Storage auf und klicken Sie auf Auswählen.
  4. Klicken Sie auf Datei und geben Sie den Pfad zu Ihrer Datei in Cloud Storage ein oder klicken Sie auf Durchsuchen, um die Datei auszuwählen.
  5. Rufen Sie Welche Art von Daten importieren Sie? auf und wählen Sie Verknüpfte unstrukturierte Dokumente (JSONL mit Metadaten) aus.
  6. Rufen Sie Optionen für den Datenimport auf und wählen Sie Vollständig aus.
  7. Klicken Sie auf Importieren.
  8. Nachdem Sie Datastore erstellt haben, rufen Sie die Tabelle „Dokumente“ auf. In der Tabelle werden alle Ihre Dokumente mit den folgenden Details aufgeführt.
    • ID
    • URI-Link
    • Indexierungsstatus
    • Aktionen
  9. Klicken Sie auf Dokument ansehen , um die Eigenschaften eines Dokuments zu prüfen.

Das folgende Beispiel zeigt eine JSONL-Datei. Sie können Metadaten auch im Feld structData angeben.

{ "id": "d001", "content": {"mimeType": "text/html", "uri": "gs://example-import/unstructured/first_doc.html"}, "structData": {"property0": "value0", "property1": "value1", "property2": "value2"} }
{ "id": "d002", "content": {"mimeType": "application/pdf", "uri": "gs://example-import/unstructured/second_doc.pdf"}, "structData": {"property0": "value0", "property1": "value3", "property2": "value4"} }

Schritt 2: Filter konfigurieren

Wenn Sie Filterwerte direkt auf eine GKA-Suche anwenden möchten, rufen Sie die SearchKnowledge API auf. Sie können auch ein SearchConfig-Feld in der Anfrage anwenden. Weitere Beispiele für Filterausdrücke finden Sie in der Dokumentation zu Vertex AI Search.

{
  "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",
  "searchConfig": 
    "filterSpecs": [{
      "dataStores": ["projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID"],
      "filter": "property1 : ANY(\"value1\")" 
      }]
    }
  }
}

Wenn Sie Filterwerte auf alle Wissenssuchanfragen und -vorschläge in einer einzelnen Unterhaltung anwenden möchten, verwenden Sie IngestContextReferences und fügen Sie die Unterhaltungs-ID dem SearchKnowledge Aufruf hinzu.

PGKA-Dokumentfilter

Wenden Sie eine SearchConfig auf PGKA-Aufrufe an, indem Sie entweder die IngestContextReferences API oder den Simulator in der Agent Assist Console verwenden.

API

Rufen Sie die IngestContextReferences API auf, um eine SearchConfig auf PGKA-Aufrufe anzuwenden.

  1. Rufen Sie CreateConversation > IngestContextReferences auf.
  2. Die Konfiguration wird automatisch auf alle nachfolgenden PGKA-Anfragen und Antwortvorschläge in derselben Unterhaltung angewendet.

Das folgende Beispiel zeigt, wie die IngestContextReferences API verwendet wird.

{
  "conversation": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID",
  "contextReferences": {
   "gka_search_config": {
      "contextContents": [{
"content": "{ \"filterSpecs\": [{ \"dataStores\": [\"projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID\"], \"filter\": \"property1: ANY    (\\\"value1\\\")\" }] }",
        "contentFormat": "JSON"
      }],
      "updateMode": "OVERWRITE",
      "languageCode": "en-US"
    }
  }
}

Console

  1. Rufen Sie die Agent Assist Console auf, melden Sie sich an und wählen Sie Ihr Projekt aus.

    Zur Konsole

  2. Klicken Sie auf Simulator und wählen Sie Ihr Unterhaltungsprofil aus.

  3. Klicken Sie auf Start > Kontext einfügen.

  4. Geben Sie den Schlüssel und den Inhalt ein und wählen Sie eines der folgenden Formate aus.

    • Nur Text
    • JSON

  5. Klicken Sie auf Speichern.

Das folgende Beispiel zeigt den Kontext für den Simulator.

  • Schlüssel: gka_search_config
  • Format: JSON
  • Inhalt:
{ "filterSpecs": [{"dataStores" : ["projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID"], "filter" : "property1 : ANY(\"value1\")" }] }

Sicherheitsfilter

Die generativen Funktionen in Agent Assist verfügen über integrierte Sicherheitsfilter für verantwortungsbewusste KI (Responsible AI, RAI). Diese Filter sind unerlässlich, um die Generierung potenziell schädlicher oder unangemessener Inhalte zu verhindern. Die Standardsicherheitsstufen können jedoch für bestimmte Branchen zu restriktiv sein. Ein Gesundheitsdienstleister muss beispielsweise auf legitime Anfragen zu sensiblen Gesundheitsthemen antworten, die von Standardfiltern blockiert werden. Um das Verhalten des Generators an Ihre geschäftlichen Anforderungen und Anwendungsfälle anzupassen, können Sie die Empfindlichkeit der Sicherheitsfilter für die PGKA-Funktion anpassen.

Grundlagen

Sicherheitsfilter haben zwei Hauptkomponenten:

  • Die Kategorie der zu filternden Inhalte
  • Die Empfindlichkeitsstufe des Filters

RAI-Kategorien

Sie können eine Empfindlichkeitsstufe für die folgenden Inhaltstypen festlegen:

  • Gefährliche Inhalte: Inhalte, die sich auf Selbstverletzung oder auf illegale, regulierte oder gefährliche Dinge beziehen.
  • Sexuell explizite Inhalte: Inhalte, die sexuell explizit sind oder pornografisches Material enthalten.
  • Belästigung: Inhalte, die beleidigend, einschüchternd oder missbräuchlich sind.
  • Hassrede: Inhalte, die Gewalt fördern oder Hass gegen Einzelpersonen oder Gruppen aufgrund bestimmter Attribute schüren.

Empfindlichkeitsstufen

Für jede RAI-Kategorie können Sie einen der folgenden Empfindlichkeitsschwellenwerte auswählen:

  • BLOCK_MOST: Blockiert eine breite Palette von Inhalten, die potenziell in die Kategorie fallen könnten.
  • BLOCK_SOME: Blockiert Inhalte, die eindeutig als zur Kategorie gehörend identifiziert wurden.
  • BLOCK_FEW: Blockiert nur die schwerwiegendsten Fälle von Inhalten für die Kategorie.
  • BLOCK_NONE: Deaktiviert alle Filter für die angegebene Kategorie.

Standardeinstellungen

Wenn Sie keine benutzerdefinierte Konfiguration für eine Kategorie angeben, verwendet die proaktive generative Wissensunterstützung die folgenden Standardempfindlichkeitsstufen:

  • Gefährliche Inhalte:BLOCK_FEW
  • Sexuell explizite Inhalte:BLOCK_SOME
  • Belästigung:BLOCK_SOME
  • Hassrede:BLOCK_SOME

Sicherheitsfilter konfigurieren

Konfigurieren Sie Sicherheitsfilter in Ihrem Unterhaltungsprofil. Sie können eine Empfindlichkeitsstufe für eine oder mehrere RAI-Kategorien angeben, indem Sie der Feature-Konfiguration für KNOWLEDGE_ASSIST ein rai_settings-Objekt hinzufügen. Die Einstellungen für Sicherheitsfilter finden Sie im feature_configs-Array für die Vorschlagsfunktion KNOWLEDGE_ASSIST.

{
  "name": "projects/PROJECT_ID/locations/LOCATION/conversationProfiles/PROFILE_ID",
  "human_agent_assistant_config": {
    "human_agent_suggestion_config": {
      "feature_configs": [
        {
          "suggestion_feature": {
            "type": "KNOWLEDGE_ASSIST"
          },
          "rai_settings": {
            "rai_category_configs": [
              {
                "category": "DANGEROUS_CONTENT",
                "sensitivity_level": "BLOCK_FEW"
              },
              {
                "category": "HARASSMENT",
                "sensitivity_level": "BLOCK_MOST"
              }
            ]
          }
        }
      ]
    }
  }
}

Konfigurationsbeispiele

Die folgenden Beispiele veranschaulichen, wie Sie die Empfindlichkeitsstufe für eine einzelne Kategorie entsprechend Ihren geschäftlichen Anforderungen erhöhen oder verringern.

Beispiel 1: Sensible Anfragen im Gesundheitswesen zulassen

Als Gesundheitsdienstleister möchten Sie sicherstellen, dass Anfragen zu sensiblen Themen im Bereich der psychischen Gesundheit nicht blockiert werden. Sie können die Empfindlichkeit für die Kategorie „Gefährliche Inhalte“ wie folgt verringern.

"rai_settings": {
  "rai_category_configs": [
    {
      "category": "DANGEROUS_CONTENT",
      "sensitivity_level": "BLOCK_NONE"
    }
  ]
}

Mit dieser Einstellung verarbeitet die proaktive generative Wissensunterstützung eine Anfrage wie Was sind die Warnzeichen für Suizid? mit größerer Wahrscheinlichkeit und liefert eine hilfreiche Antwort.

Beispiel 2: Strengen Modus aktivieren

Wenn Ihr Unternehmen besonders vorsichtig in Bezug auf Belästigung sein möchte, können Sie die Empfindlichkeit für diese Kategorie erhöhen, während die anderen auf den Standardstufen bleiben.

"rai_settings": {
  "rai_category_configs": [
    {
      "category": "HARASSMENT",
      "sensitivity_level": "BLOCK_MOST"
    }
  ]
}