הגדרות הסוכן

יש הרבה הגדרות שמשפיעות על ההתנהגות של הסוכנים, ובכל מסוף יש הגדרות שונות.

הגדרות הסוכן במסוף של כלי ליצירת סוכנים בממשק שיחה

כדי לגשת להגדרות הסוכן:

המסוף

  1. פותחים את מסוף הצ'אט בוטים.
  2. בוחרים את הפרויקט.
  3. בוחרים את הסוכן.
  4. לוחצים על סמל ההגדרות בפינה השמאלית העליונה.
  5. מעדכנים את ההגדרות לפי הצורך.
  6. לוחצים על Save.

API

אפשר לעיין בשיטות get ו-patch/update של הסוג Agent.

בוחרים פרוטוקול וגרסה להפניה לסוכן:

פרוטוקול V3 V3beta1
REST משאב של נציג משאב של נציג
RPC ממשק לנציגים ממשק לנציגים
C++‎ AgentsClient לא זמין
C#‎ AgentsClient לא זמין
המשך AgentsClient לא זמין
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP לא זמין לא זמין
Python AgentsClient AgentsClient
Ruby לא זמין לא זמין

בקטעי המשנה הבאים מתוארות הקטגוריות השונות של הגדרות הסוכן.

הגדרות כלליות

ההגדרות הכלליות הבאות זמינות לסוכנים:

  • שם לתצוגה

    שם שקריא לאנשים לסוכן.

  • אזור זמן

    אזור הזמן שמוגדר כברירת מחדל לסוכן.

  • התחלת שיחה

    ההגדרה הזו קובעת אם הסוכן יתחיל את השיחה עם רכיב גנרטיבי או עם זרימה דטרמיניסטית.

  • מיקום הנציג

    האזור של הסוכן שבחרתם כשנוצר הסוכן.

  • נעילת סוכן

    • נעילת הסוכן: מציין אם הסוכן נעול. אי אפשר לערוך סוכן נעול.

  • הגדרות רישום ביומן

    • הפעלה של רישום ביומן בענן: מציין אם רישום ביומן בענן מופעל עבור הסוכן.

    • הפעלת היסטוריית השיחות: מציין אם רוצים ש-Google תאסוף ותשמור שאילתות של משתמשי קצה שעברו צנזורה כדי לשפר את האיכות.

    • ציון URI של Cloud Storage לאחסון ולהפעלה של שיחות קוליות: כשמפעילים את היסטוריית השיחות, אפשר לספק URI של Cloud Storage, ואודיו של השיחות יישמר במיקום הזה. השדה הזה מסונכרן עם הגדרות מתקדמות של דיבור עבור דלי לייצוא אודיו. אפשר גם להשתמש בכפתור Browse Google cloud storage כדי לפתוח חלונית לבחירת קטגוריה.

    • הפעלת צנזורה של קלט ממשתמשי קצה על סמך הסכמה: אם ההגדרה הזו מופעלת, אפשר להשתמש בפרמטר מיוחד של סשן כדי לקבוע אם הקלט והפרמטרים של משתמשי הקצה יצונזרו מהיסטוריית השיחות ומרישום הפעולות ביומן ב-Cloud. כברירת מחדל, פרמטר הסשן הוא true. אם ההגדרה הזו מושבתת, לא מתבצעת צנזורה.

      הסכמת המשתמשים נאספת באמצעות פרמטר בוליאני של סשן: $session.params.conversation-redaction. אם ההגדרה הזו מופעלת, והפרמטר של הסשן מוגדר לערך false, לא מתבצעת הסתרה (אסטרטגיות הסתרה אחרות עדיין חלות). אם ההגדרה הזו מופעלת, והפרמטר של הסשן מוגדר לערך true, מתבצעת הסרה של פרטים מזהים.

      דוגמה לתהליך בקשת הסכמה: קודם שואלים את המשתמש אם הוא רוצה לשמור את הקלט של משתמש הקצה, ומתאימים את התשובה לשתי כוונות – אחת היא 'כוונת הסכמה' והשנייה היא 'כוונת סירוב'. לאחר מכן, מגדירים את פרמטר הסשן לערך false (ללא צנזורה) בהגדרות הקבועות מראש של הפרמטרים של הנתיב 'yes intent' בfulfillment, ולערך true (מתבצעת צנזורה) בהגדרות הקבועות מראש של הפרמטרים של הנתיב 'no intent'.

  • ייצוא ל-BigQuery

    • הפעלת ייצוא ל-BigQuery: מציין אם BigQuery Export מופעל.
    • מערך נתונים ב-BigQuery: השם של מערך הנתונים ב-BigQuery.
    • טבלת BigQuery: שם הטבלה ב-BigQuery.

  • הצעות לרציונל

    אפשר להפעיל הצעות לגבי כוונות.

  • משוב ממשתמשים

    אתם יכולים להפעיל את ההגדרה הזו כדי לספק משוב על איכות התשובות של הסוכן, כולל סימון לייק או דיסלייק.

  • שילוב Git

    ההגדרה הזו מאפשרת להוסיף שילוב של Git.

הגדרות של AI גנרטיבי

אלו ההגדרות של AI גנרטיבי שזמינות:

  • כללי:

    • בחירת מודל גנרטיבי

    בוחרים את המודל שבו רוצים להשתמש בתכונות הגנרטיביות. מידע נוסף זמין במאמר בנושא גרסאות של מודלים.

  • מגבלות על טוקנים:

    • מגבלת אסימונים לקלט

      בוחרים את מגבלת הטוקנים של הקלט עבור המודל הגנרטיבי. זהו גודל האסימון המקסימלי של הקלט שיישלח למודל. בהתאם למודל, טוקן יכול להיות בין תו אחד למילה אחת. השהייה נמוכה יותר במגבלות קטנות יותר של טוקנים, אבל גודל הקלט של המודל מוגבל. מכסות גדולות יותר של טוקנים גורמות לזמן אחזור ארוך יותר, אבל גודל הקלט של המודל יכול להיות גדול יותר.

    • מגבלת אסימונים בפלט

      בוחרים את מגבלת הטוקנים של הפלט עבור המודל הגנרטיבי. זהו גודל הטוקן המקסימלי לפלט שמתקבל מהמודל. בהתאם למודל, טוקן יכול להיות בין תו אחד למילה אחת. מגבלות קטנות יותר על טוקנים מביאות לזמן אחזור קצר יותר, אבל גודל הפלט של המודל מוגבל. מגבלות טוקנים גדולות יותר מובילות לזמן אחזור ארוך יותר, אבל גודל הפלט של המודל יכול להיות גדול יותר.

    • טמפרטורה

      הטמפרטורה של LLM מאפשרת לכם לקבוע את מידת היצירתיות של התשובות. ערך נמוך יניב תשובות צפויות יותר. ערך גבוה מספק תשובות יצירתיות או אקראיות יותר.

    • מגבלות על טוקנים של הקשר

      ההגדרה הזו מסירה חלק מהתורות הקודמות מההנחיה למודל שפה גדול כדי למנוע את הגידול בגודל ההנחיה עם כל תור עוקב שמטפל בו הסוכן. התכונה הזו מאפשרת לצמצם את הגידול הלא רצוי בגודל ההנחיה.

      בדרך כלל, בלי חיתוך, כל תור בהמשך יצורף ל'היסטוריית השיחות' של הנחיית ה-LLM, בלי קשר לשאלה אם הוא רלוונטי לתור הנוכחי. בסופו של דבר, ההנחיה תגדל בכל תור. ככל שההיסטוריה של השיחה תופסת יותר מקום בפרומפט, כך יש פחות מקום בפרומפט לדוגמאות של פרומפט עם כמה דוגמאות (few-shot) (ולכן יכול להיות שהן יושמטו). בסופו של דבר, יכול להיות שההנחיה תעבור גם את מגבלות הטוקנים הנוכחיות. אפשר להגדיל את גודל הטוקנים כדי להתאים את עצמם לזה, אבל חשוב לזכור שהגדלת גודל ההנחיות מוסיפה גם לזמן האחזור של התגובה של מודל שפה גדול (LLM).

      קיטוע של ההקשר מאפשר לכם להגדיר אחוז מסוים מהתקציב של הטוקנים שיוקצה להיסטוריית השיחות, כערך מקסימלי. התורות בשיחה נשמרות בסדר מהעדכנית ביותר לישנה ביותר. ההגדרה הזו יכולה לעזור לכם למנוע חריגה ממגבלות האסימונים. לא משנה איזו הגדרה תבחרו, יישמרו לפחות שני תורות בשיחה, מהחדש לישן ביותר.

      כדי לשנות את ההגדרה הזו, צריך קודם להגדיר מגבלת טוקנים.

      חיתוך ההקשר עלול לגרום לאובדן לא מכוון של פרמטרים מסוימים אם הם חלק מפניות שצומצמו. אחרי שמפעילים את האפשרות הזו, חשוב לבדוק בקפידה את האינטראקציות עם ספר ההפעלה.

      התקציב של קלט האסימון משמש גם למטרות הבאות:

      • הוראות ודוגמאות של המערכת: נוספות אוטומטית להנחיה. אי אפשר לשנות את ההתנהגות הזו.
      • הוראות ויעדים של תוכנית הפעולה: כל ההוראות והיעדים שתכתבו יתווספו להנחיה במלואם.
      • דוגמאות לפרומפט עם כמה דוגמאות (few-shot) ב-Playbook: מתווספות לפי הסדר (כברירת מחדל) או לפי אלגוריתם שאתם בוחרים (למשל, התאמה הכי טובה של ביטוי רגולרי). הדוגמאות נבחרות כך שיתאימו למגבלת האסימונים של הקלט אחרי שכל הפריטים האחרים נכללים.
      • היסטוריית השיחות מורכבת מהתבטאויות של המשתמש והסוכן, מההקשר של המעבר בין רצף הפעולות וספר ההפעלה, מהפעלות של כלים ומהפלט שלהם באותה סשן מכל הפעולות הקודמות שטופלו ברצף על ידי ספר ההפעלה הנוכחי.

    • ביטויים אסורים

    רשימה של ביטויים שאסורים לשימוש ב-AI גנרטיבי. אם ביטוי אסור מופיע בהנחיה או בתשובה שנוצרה, היצירה תיכשל. חשוב לדעת שהרשימה של הביטויים האסורים משפיעה על כל שאילתה ועל כל קריאה ל-LLM, ותגרום להגדלת זמן האחזור.

    • מסנני בטיחות

    הגדרת רמות רגישות של מסנני בטיחות ביחס לקטגוריות שונות של אתיקה של בינה מלאכותית (RAI). התוכן ייבדק לפי ארבע הקטגוריות הבאות:

    קטגוריה תיאור
    דברי שטנה תגובות שליליות או פוגעניות שמכוונות לזהות ו/או למאפיינים מוגנים.
    תוכן מסוכן קידום או מתן גישה לפעילויות, מוצרים ו/או שירותים מזיקים
    תוכן מיני בוטה מכיל התייחסויות למעשים מיניים ו/או תוכן מגונה אחר
    הטרדה תגובות זדוניות, מאיימות, בריוניות או פוגעניות שמכוונות כלפי אדם אחר

    התוכן נחסם על סמך הסבירות שהוא פוגעני. אפשר להתאים אישית את רמת הרגישות על ידי בחירה באחת מהאפשרויות הבאות לכל קטגוריה: ללא חסימה, חסימה של מעט, חסימה של חלק וחסימה של רוב.

    מידע נוסף זמין במאמר בנושא הגדרת מאפייני בטיחות.

    • אבטחת הנחיות

    אפשר לסמן את ההגדרה הפעלת בדיקת אבטחה להנחיות כדי להפעיל בדיקות אבטחה להנחיות. אם ההגדרה הזו מופעלת, הסוכן ידחה שאילתות של משתמשים שמפעילות את מסנן האבטחה, כולל מתקפות החדרת פרומפטים. התקפות כאלה יכולות לשמש לחשיפת חלקים מההנחיה של הסוכן או למתן תשובות שהסוכן לא אמור לספק. הבדיקה הזו מתבצעת על ידי שליחת הנחיה נוספת של LLM שבודקת אם השאילתה של המשתמש עלולה להיות זדונית. אם האפשרות הזו מופעלת, תוכלו לספק את האפשרויות הבאות:

    • הגדרות אבטחה של הנחיות: אפשר לבחור באפשרות ברירת מחדל כדי להשתמש בהגדרות האבטחה שמוגדרות כברירת מחדל, או באפשרות התאמה אישית כדי להגדיר אילו שאילתות של משתמשים ייחשבו בטוחות ואילו לא.
    • בחירת מודל גנרטיבי: כאן בוחרים את מודל השפה הגדול שמשמש לסיווג. אם בוחרים באפשרות ברירת מחדל (מומלץ), המערכת תבחר בשבילכם מודל ברירת מחדל, שיכול להשתנות אוטומטית כשיהיו זמינים מודלים חדשים ומשופרים יותר.
    • הנחיית אבטחה: אפשר לבחור באפשרות ברירת מחדל כדי להשתמש בהנחיית אבטחה שמוגדרת כברירת מחדל, או באפשרות התאמה אישית כדי לספק הוראות שיעזרו לסווג שאילתות זדוניות של משתמשים. אם בוחרים באפשרות ברירת מחדל, יכול להיות שההנחיה תתעדכן אוטומטית כדי לשפר את התוצאות.
    • סף קלט: אורך התווים המינימלי בשאילתת משתמש לפני שמבוצעות בדיקות אבטחה. שאילתות קצרות הן יותר דו-משמעיות, ויכול להיות שהן יסווגו בצורה שגויה. שאילתות קטנות יותר מסף הקלט ייחשבו כבטוחות באופן מובנה.

  • מענה גנרטיבי כגיבוי:

  • מאגר נתונים:

    מידע נוסף זמין במאמר בנושא הגדרות של סוכן מאגר נתונים.

תהליכים דטרמיניסטיים

ההגדרות האלה חלות על כל התהליכים בסוכן הזה, חוץ מהגדרות ה-ML שחלות על כל תהליך בנפרד. כדי לערוך הגדרות אחרות שספציפיות לרצף פעולות, עוברים לרצף הפעולות במסוף ועורכים את ההגדרות שם.

  • אימון כוונות: התכונה 'תזרים' משתמשת באלגוריתמים של למידת מכונה (ML) כדי להבין את הקלט של משתמשי הקצה, להתאים אותו לכוונות ולחלץ נתונים מובְנים. תזריםים לומדים ממשפטי אימון שאתם מספקים וממודלים של שפה שמוטמעים בתזריםים. על סמך הנתונים האלה, המערכת בונה מודל לקבלת החלטות לגבי הכוונה שצריכה להתאים לקלט של משתמש הקצה. אתם יכולים להחיל הגדרות ייחודיות של ML על כל זרימה של סוכן.

    אלה ההגדרות הזמינות לאימון כוונות:

    • תיקון שגיאות כתיב

    אם האפשרות הזו מופעלת וקלט ממשתמש הקצה מכיל שגיאת איות או שגיאה דקדוקית, המערכת תתאים כוונה כאילו היא נכתבה בצורה נכונה. התגובה של detect intent תכיל את הקלט המתוקן של משתמש הקצה. לדוגמה, אם משתמש קצה יזין את הטקסט "I want an applle", המערכת תעבד את זה כאילו משתמש הקצה הזין את הטקסט "I want an apple". ההגדרה הזו חלה גם על התאמות שכוללות ישויות מערכת וישויות מותאמות אישית.

    תיקוני איות זמינים באנגלית, בצרפתית, בגרמנית, בספרדית ובאיטלקית. הם זמינים בכל האזורים של Dialogflow CX.

    אזהרות ושיטות מומלצות:

    • אי אפשר לתקן שגיאות ב-ASR (זיהוי אוטומטי של דיבור) באמצעות תיקון איות, ולכן לא מומלץ להפעיל אותו לסוכנים שמשתמשים בקלט ASR.
      • יכול להיות שהקלט המתוקן יתאים לכוונת משתמש שגויה. כדי לפתור את הבעיה, אפשר להוסיף דוגמאות שליליות של ביטויים נפוצים שגורמים לחוסר התאמה.

    • תיקון האיות מאריך מעט את זמן התגובה של הנציג.

      • אם סוכן מוגדר באמצעות ז'רגון ספציפי לדומיין, יכול להיות שהתיקונים לא יהיו רצויים.

    • הגדרות למידת מכונה ספציפיות לזרימת העבודה:

      אחת מהאפשרויות הבאות:

      • NLU מתקדם: (ברירת מחדל) טכנולוגיית NLU מתקדמת. סוג ה-NLU הזה פועל טוב יותר מהרגיל, במיוחד בסוכנים ובזרימות גדולים.
      • NLU רגיל: טכנולוגיית NLU רגילה. לא יקבלו יותר שיפורים באיכות או תכונות חדשות.

      • אימון אוטומטי

        אם האפשרות הזו מופעלת, המערכת מאמנת את רצף הפעולות בכל פעם שהוא מתעדכן באמצעות המסוף. בתהליכים גדולים, ההגדרה הזו עלולה לגרום לעיכובים בממשק המשתמש של המסוף, ולכן מומלץ להשבית אותה ולאמן את התהליכים הגדולים באופן ידני לפי הצורך.

      • סף סיווג

        כדי לסנן תוצאות חיוביות כוזבות ועדיין לקבל מגוון של קלטים תואמים בשפה טבעית עבור הסוכן, אפשר לשנות את סף הסיווג של למידת המכונה. ההגדרה הזו קובעת את רמת הוודאות המינימלית של זיהוי הכוונה שנדרשת כדי שהכוונה תזוהה.

        אם ציון רמת הביטחון להתאמה של כוונת המשתמש נמוך מערך הסף, יופעל אירוע של אי-התאמה.

        אפשר להגדיר ערך סף נפרד לסיווג לכל זרימה בכל שפה שמופעלת לסוכן. הסיבה לכך היא ששפות שונות מניבות את הביצועים הכי טובים בספי סיווג שונים. מידע נוסף על יצירת סוכן רב-לשוני זמין במאמרי העזרה בנושא סוכנים רב-לשוניים.

      • סטטוס ההדרכה

        השדה הזה מציין אם התבצע אימון של התהליך מאז העדכון האחרון של נתוני התהליך.

      • רכבת

        משתמשים בכפתור הזה כדי לאמן את התהליך באופן ידני.

    • שפה

      השפות שבהן הסוכן שלכם תומך. אחרי שיוצרים סוכן, אי אפשר לשנות את שפת ברירת המחדל. עם זאת, אפשר לבצע את הפעולות הבאות:

      1. מייצאים את הסוכן לפורמט JSON.
      2. מחלצים את הקובץ שהורד.
      3. מאתרים את הקובץ agent.json.
      4. מעדכנים את השדות defaultLanguageCode ו-supportedLanguageCodes לערכים הרצויים.
      5. משחזרים את הסוכן לאותו סוכן או לסוכן אחר משלב 1.
      6. לעדכן לפי הצורך את ביטויי ההדרכה ואת ערכי הישויות שספציפיים לשפה.

      אפשר גם להפעיל זיהוי אוטומטי של השפה ומעבר אוטומטי בין שפות.

קישוריות

  • תבנית מותאמת אישית של מטען ייעודי (payload)

    בקטע הזה אפשר ליצור תיאורים ומטענים ייעודיים (payload) עבור תבניות מטענים ייעודיים בהתאמה אישית.

  • הגדרת פרמטר

    צריך לציין בבירור אילו פרמטרים מתוך הפרמטרים של הסשן יישלחו ל-webhook, ואילו פרמטרים של הסשן אפשר להגדיר באמצעות התגובה של ה-webhook.

  • הגדרות של אישורי לקוח

    משמש להעלאת אישורי SSL.

דיבור ו-IVR

  • אפשרויות דיבור:

    • המרת טקסט לדיבור (TTS)

    • שפות וקולות

      אתם יכולים לבחור את השפה והקול שבהם תרצו להשתמש לסינתזת דיבור.

      כדי להפעיל קול בהתאמה אישית לסוכן, בוחרים באפשרות של קול בהתאמה אישית מתוך התפריט הנפתח של שם הקול ומציינים את השם של הקול בהתאמה אישית בשדה המתאים. שם הקול המותאם אישית צריך להיות בתבנית הבאה: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      אפשר גם להשתמש בשיבוט קולי.

      • אם אתם משתמשים ב-Telephony Gateway, חשוב לוודא שלחשבון השירות Dialogflow Service Agent‏ service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com יש הרשאה של AutoML Predictor בפרויקט ה-Custom Voice בהתאמה אישית.

      • עבור קריאות רגילות ל-API, מוודאים שחשבון השירות שמשמש לקריאה ל-Dialogflow CX קיבל את התפקיד AutoML Predictor בפרויקט הקול המותאם אישית.

      • גובה הקול

        שליטה בגובה הטון של הדיבור.

      • מהירות הדיבור

        שליטה במהירות הדיבור של הקול.

      • שינוי ההגדרה של דיבור מסונתז ברמת הבקשה

        אם ההגדרה מופעלת, הגדרת הדיבור המסונתז שצוינה בהגדרות הסוכן מבטלת את ההגדרה שצוינה ב-API, בשילוב עם השותף או בפרופיל השיחה.

      • הגייה

        משתמשים בהגדרות האלה כדי לספק לסוכן את ההגייה של ביטויים מסוימים, באמצעות קידוד פונטי X-SAMPA.

    • המרת דיבור לטקסט (STT)

      • הפעלת התאמה אוטומטית של הדיבור

      איך משתמשים בהתאמה אוטומטית של דיבור

  • Call companion: מידע נוסף על Call companion

הגדרות ממשק המשתמש

אתם יכולים להשתמש בהגדרות האלה כדי להתאים אישית את ממשקי המשתמש של Messenger ושל האפליקציה הנלווית לשיחות.

אבטחה

מידע נוסף זמין במאמרים הגדרות אבטחה ובקרת גישה.

הגדרות הסוכן במסוף Dialogflow CX

כדי לגשת להגדרות הסוכן:

המסוף

  1. פותחים את המסוף.
  2. בוחרים את הפרויקט.
  3. בוחרים את הסוכן.
  4. לוחצים על הגדרות הסוכן.
  5. מעדכנים את ההגדרות לפי הצורך.
  6. לוחצים על Save.

API

מידע נוסף זמין במאמרים על השיטות get ו-patch/update עבור הסוג Agent.

בוחרים פרוטוקול וגרסה להפניה לסוכן:

פרוטוקול V3 V3beta1
REST משאב של נציג משאב של נציג
RPC ממשק לנציגים ממשק לנציגים
C++‎ AgentsClient לא זמין
C#‎ AgentsClient לא זמין
המשך AgentsClient לא זמין
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP לא זמין לא זמין
Python AgentsClient AgentsClient
Ruby לא זמין לא זמין

הגדרות כלליות

ההגדרות הכלליות הבאות זמינות לסוכנים:

  • השם המוצג: שם של הסוכן שקריא לבני-אדם.
  • אזור זמן: אזור הזמן שמוגדר כברירת מחדל לסוכן.

  • שפת ברירת מחדל: שפת ברירת המחדל שבה הסוכן תומך. אחרי שיוצרים סוכן, אי אפשר לשנות את שפת ברירת המחדל. עם זאת, אפשר לבצע את הפעולות הבאות:

    1. מייצאים את הסוכן לפורמט JSON.
    2. מחלצים את הקובץ שהורד.
    3. מאתרים את הקובץ agent.json.
    4. מעדכנים את השדות defaultLanguageCode ו-supportedLanguageCodes לערכים הנדרשים.
    5. משחזרים את הסוכן לאותו סוכן או לסוכן אחר משלב 1.
    6. לעדכן לפי הצורך את ביטויי ההדרכה ואת ערכי הישויות שספציפיים לשפה.

  • נעילת הנציג:

    • נעילת הסוכן: מציין אם הסוכן נעול. אי אפשר לערוך סוכן נעול.

  • הגדרות רישום ביומן:

    • הפעלת Cloud Logging: מציין אם Cloud Logging מופעל עבור הסוכן.
    • הפעלת היסטוריית השיחות: מציין אם רוצים ש-Google תאסוף ותשמור שאילתות של משתמשי קצה שעברו צנזורה כדי לשפר את האיכות.
    • הפעלת צנזורה של קלט ממשתמשי קצה על סמך הסכמה:

    אם ההגדרה הזו מופעלת, אפשר להשתמש בפרמטר מיוחד של סשן כדי לשלוט בהסרת פרטים מזהים של קלט ופרמטרים של משתמשי קצה מהיסטוריית השיחות ומיומני Cloud. כברירת מחדל, פרמטר הסשן הוא true. אם ההגדרה הזו מושבתת, לא מתבצעת צנזורה.

    הסכמת המשתמשים נאספת באמצעות פרמטר בוליאני של סשן: $session.params.conversation-redaction. אם ההגדרה הזו מופעלת, והפרמטר של הסשן מוגדר לערך false, לא מתבצעת הסתרה (אסטרטגיות הסתרה אחרות עדיין חלות). אם ההגדרה הזו מופעלת, והפרמטר של הסשן מוגדר לערך true, מתבצעת הסרה של פרטים מזהים.

    דוגמה לתהליך בקשת הסכמה: קודם שואלים את המשתמש אם הוא רוצה לשמור את הקלט של משתמש הקצה, ומתאימים את התשובה לשתי כוונות, אחת היא 'כוונת הסכמה' והשנייה היא 'כוונת סירוב'. לאחר מכן, מגדירים את פרמטר הסשן לערך false (ללא צנזורה) בהגדרות הקבועות מראש של הפרמטרים של המסלול 'yes intent' בfulfillment, ולערך true (מתבצעת צנזורה) בהגדרות הקבועות מראש של הפרמטרים של המסלול 'no intent'.

  • ייצוא ל-BigQuery:

    • הפעלת ייצוא ל-BigQuery: מציין אם BigQuery Export מופעל.
    • מערך נתונים ב-BigQuery: השם של מערך הנתונים ב-BigQuery.
    • טבלת BigQuery: שם הטבלה ב-BigQuery.

  • הצעות לגבי כוונות: אתם יכולים להפעיל הצעות לגבי כוונות.

  • תבנית מטען ייעודי (payload) בהתאמה אישית: בקטע הזה אפשר ליצור תיאורים ומטענים ייעודיים (payloads) עבור תבניות של מטענים ייעודיים בהתאמה אישית.

הגדרות ML

‫Dialogflow CX משתמש באלגוריתמים של למידת מכונה (ML) כדי להבין את הקלט של משתמשי הקצה, להתאים אותו לכוונות ולחלץ נתונים מובְנים. ‫Dialogflow CX לומד ממשפטי אימון שאתם מספקים וממודלים של שפה שמוטמעים ב-Dialogflow CX. על סמך הנתונים האלה, המערכת בונה מודל לקבלת החלטות לגבי הכוונה שצריכה להתאים לקלט של משתמש קצה. אפשר להחיל הגדרות ייחודיות של ML על כל זרימה של סוכן, והמודל שנוצר על ידי Dialogflow CX הוא ייחודי לכל זרימה.

אלו ההגדרות של ML ברמת הסוכן שזמינות:

  • התרת שימוש ב-ML לתיקון איות:

    אם האפשרות הזו מופעלת וקלט ממשתמש הקצה מכיל שגיאת איות או שגיאה דקדוקית, המערכת תתאים כוונה כאילו היא נכתבה בצורה נכונה. התגובה של detect intent תכיל את הקלט המתוקן של משתמש הקצה. לדוגמה, אם משתמש קצה מזין את הטקסט "I want an applle", המערכת תעבד את זה כאילו משתמש הקצה הזין את הטקסט "I want an apple". ההגדרה הזו חלה גם על התאמות שכוללות ישויות מערכת וישויות מותאמות אישית.

    תיקון האיות זמין באנגלית, בצרפתית, בגרמנית, בספרדית ובאיטלקית. היא זמינה בכל האזורים של Dialogflow CX.

    אזהרות ושיטות מומלצות:

    • תיקון איות לא יכול לתקן שגיאות ב-ASR (זיהוי דיבור אוטומטי), ולכן לא מומלץ להפעיל אותו לסוכנים שמשתמשים בקלט ASR.
    • יכול להיות שהקלט המתוקן יתאים לכוונת משתמש שגויה. כדי לפתור את הבעיה, אפשר להוסיף דוגמאות שליליות של צירופי מילים נפוצים שגורמים לחוסר התאמה.
    • תיקון האיות מאריך מעט את זמן התגובה של הנציג.
    • אם סוכן מוגדר באמצעות ז'רגון ספציפי לדומיין, יכול להיות שהתיקונים לא יהיו רצויים.

אלו ההגדרות של למידת מכונה שזמינות לכל זרימת נתונים:

  • סוג NLU:

    אחת מהאפשרויות הבאות:

  • אימון אוטומטי: אם האפשרות הזו מופעלת, התהליך מתאמן בכל פעם שהוא מתעדכן באמצעות המסוף. בזרימות גדולות, ההגדרה הזו עלולה לגרום לעיכובים בממשק המשתמש של המסוף, ולכן מומלץ להשבית אותה ולאמן את המודל באופן ידני לפי הצורך בזרימות גדולות.

  • סף סיווג:

    כדי לסנן תוצאות חיוביות שגויות ועדיין לקבל מגוון של קלטים תואמים בשפה טבעית עבור הסוכן, אפשר לשנות את סף הסיווג של למידת המכונה. ההגדרה הזו קובעת את רמת הביטחון המינימלית בזיהוי כוונת המשתמש שנדרשת כדי שיהיה זיהוי של כוונת המשתמש.

    אם ציון רמת הביטחון להתאמה של כוונת המשתמש נמוך מערך הסף, תופעל הודעה על אי-התאמה.

    אפשר להגדיר ערך סף סיווג נפרד לכל זרימה בכל שפה שהופעלה לסוכן. הסיבה לכך היא ששפות שונות מניבות את התוצאות הטובות ביותר בספי סיווג שונים. מידע נוסף על יצירת סוכן רב-לשוני זמין במסמכי התיעוד בנושא סוכנים רב-לשוניים.

  • סטטוס האימון: מציין אם התהליך אומן מאז העדכון האחרון של נתוני התהליך.

  • Train NLU: משתמשים בלחצן הזה כדי לאמן את התהליך באופן ידני.

הגדרות של AI גנרטיבי

אלו ההגדרות של AI גנרטיבי שזמינות:

  • כללי:

    • ביטויים אסורים: רשימה של ביטויים שאסור להשתמש בהם ב-AI גנרטיבי. אם ביטוי אסור מופיע בהנחיה או בתשובה שנוצרה, היצירה תיכשל.
    • מסנני בטיחות: הגדרה של רמות הרגישות של מסנני הבטיחות ביחס לקטגוריות שונות של אתיקה של בינה מלאכותית (RAI). התוכן ייבדק בהתאם לארבע הקטגוריות הבאות:
    קטגוריה תיאור
    דברי שטנה תגובות שליליות או פוגעניות שמכוונות לזהות ו/או למאפיינים מוגנים.
    תוכן מסוכן קידום או מתן גישה למוצרים, שירותים ופעילויות מזיקים
    תוכן מיני בוטה מכיל התייחסויות למעשים מיניים או תוכן מגונה אחר
    הטרדה תגובות זדוניות, מאיימות, בריוניות או פוגעניות שמכוונות לאדם אחר

    התוכן נחסם על סמך הסבירות שהוא פוגעני. אפשר להתאים אישית את רמת הרגישות על ידי בחירה באחת מהאפשרויות הבאות לכל קטגוריה: ללא חסימה, חסימה של מעט, חסימה של חלק וחסימה של רוב.

    מידע נוסף זמין במאמר הגדרת מאפייני בטיחות.

    • אבטחת הנחיות: אפשר לסמן את ההגדרה הפעלת בדיקת אבטחה של הנחיות כדי להפעיל בדיקות אבטחה של הנחיות. אם האפשרות הזו מופעלת, הסוכן ינסה למנוע מתקפות של החדרת פרומפטים. יכול להיות שהתוקפים ישתמשו בהתקפות האלה כדי לחשוף חלקים מההנחיה לסוכן או כדי לקבל תשובות שהסוכן לא אמור לספק. הבדיקה הזו מתבצעת על ידי שליחת הנחיה נוספת למודל שפה גדול (LLM) כדי לבדוק אם השאילתה של המשתמש עלולה להיות זדונית.

  • סוכן גנרטיבי:

    • בחירת מודל גנרטיבי: בוחרים את המודל שבו נעשה שימוש בתכונות גנרטיביות. מידע נוסף זמין במאמר בנושא גרסאות של מודלים.
    • חיתוך ההקשר של המדריך: המערכת חותכת חלק מהתורות הקודמות מההנחיה של המדריך כדי למנוע את הגדלת גודל ההנחיה עם כל תורה רציפה שהמדריך מטפל בה. התכונה הזו מאפשרת לצמצם את הגידול הלא רצוי בגודל ההנחיה.

    בדרך כלל, בלי חיתוך, כל תור בהמשך יצורף ל'היסטוריית השיחות' של הנחיית ה-LLM, בלי קשר לשאלה אם הוא רלוונטי לתור הנוכחי. בסופו של דבר, ההנחיה תגדל בכל תור. ככל שההיסטוריה של השיחה תופסת יותר מקום בפרומפט, נשאר פחות מקום בפרומפט לדוגמאות של פרומפט עם כמה דוגמאות (few-shot) (ולכן יכול להיות שהן יושמטו). בסופו של דבר, יכול להיות שההנחיה תעבור גם את המגבלות הנוכחיות של הטוקנים. אפשר להגדיל את גודל הטוקנים כדי להתאים את עצמם לזה, אבל חשוב לזכור שהגדלת גודל ההנחיה מוסיפה גם לזמן האחזור של התגובה של מודל ה-LLM.

    קיצוץ ההקשר של מדריך ההפעלה מאפשר להגדיר אחוז ממכסת הטוקנים שיוקצה להיסטוריית השיחות, כערך מקסימלי. התורות בשיחה נשמרות בסדר מהעדכנית ביותר לישנה ביותר. ההגדרה הזו יכולה לעזור לכם למנוע חריגה ממגבלות האסימונים. לא משנה איזו הגדרה תבחרו, יישמרו לפחות שני תורות בשיחה, מהחדש לישן.

    כדי לשנות את ההגדרה הזו, צריך קודם להגדיר מגבלת טוקנים.

    חשוב: קיטוע של ההקשר עלול לגרום לאובדן לא מכוון של פרמטרים מסוימים אם הם חלק מהתורות שנחתכו. אחרי שמפעילים את האפשרות הזו, חשוב לבדוק בקפידה את האינטראקציות עם ספר ההפעלה.

    התקציב של קלט האסימון משמש גם למטרות הבאות:

    • הוראות ודוגמאות של המערכת נוספות אוטומטית להנחיה. אי אפשר לשנות את ההתנהגות הזו.
    • הוראות ויעדים של תוכנית הפעולה: כל ההוראות והיעדים שתכתבו יתווספו להנחיה במלואם.
    • נוספו דוגמאות לשימוש ב-Playbook עם מעט נתונים, בסדר מסוים (כברירת מחדל) או לפי אלגוריתם שתבחרו (למשל, סדר התאמה מיטבי של ביטוי רגולרי). הדוגמאות נבחרות כך שיתאימו למגבלת האסימונים של הקלט אחרי שכל הפריטים האחרים נכללים.
    • היסטוריית השיחות שמורכבת מהתבטאויות של המשתמש והסוכן, מההקשר של המעבר בין רצף הפעולות ובין מדריך ההפעלה, מהקריאות לכלים ומהפלט באותו סשן מכל התורות הקודמות שטופלו ברצף על ידי מדריך ההפעלה הנוכחי.

  • מענה גנרטיבי כגיבוי:

  • מאגר נתונים: מידע נוסף זמין במאמר הגדרות של סוכן מאגר נתונים.

הגדרות של דיבור ותגובה קולית אינטראקטיבית (IVR)

אלה ההגדרות של דיבור ו-IVR שזמינות:

  • Text-to-Speech:

    • בחירת קול:

    אתם יכולים לבחור את השפה והקול שבהם תרצו להשתמש לסינתזת דיבור.

    כדי להפעיל קול בהתאמה אישית לסוכן, בוחרים באפשרות של קול בהתאמה אישית בתפריט הנפתח של בחירת הקול ומציינים את השם של הקול בהתאמה אישית בשדה המתאים. שם הקול המותאם אישית צריך להיות בתבנית הבאה: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • אם אתם משתמשים ב-Telephony Gateway, חשוב לוודא שלחשבון השירות Dialogflow Service Agent‏ service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com יש הרשאה של AutoML Predictor בפרויקט ה-Custom Voice בהתאמה אישית.
    • לקריאות רגילות ל-API, צריך לוודא שלחשבון השירות שמשמש לקריאה ל-Dialogflow CX יש את התפקיד AutoML Predictor בפרויקט הקול המותאם אישית.

  • Speech-to-Text:

DTMF

מידע נוסף על DTMF לשילובים עם טלפוניה זמין במאמר DTMF לשילובים עם טלפוניה.

מולטי-מודאלי

מידע נוסף מופיע במאמר בנושא עוזר לשיחות.

שיתוף ההגדרות

מידע נוסף מופיע במאמר בנושא בקרת גישה.

הגדרות שפה

להוסיף תמיכה בשפות נוספות לסוכן. הרשימה המלאה של השפות

זיהוי שפה אוטומטי

כשמגדירים זיהוי שפה אוטומטי, סוכן הצ'אט מזהה באופן אוטומטי את השפה של משתמש הקצה ועובר לשפה הזו. לקבלת פרטים, אפשר לעיין במסמכי התיעוד בנושא זיהוי שפה אוטומטי.

הגדרות אבטחה

הגדרות אבטחה

הגדרות מתקדמות

ההגדרה המתקדמת היחידה היא ניתוח סנטימנט.

הגדרות של הכלי לפיתוח אפליקציות של AI גנרטיבי

בקטע הזה מתוארות ההגדרות שזמינות לאפליקציות של סוכנים.

כללי

ההגדרות הכלליות הבאות זמינות באפליקציות של סוכנים:

  • שם מוצג: שם קריא לאפליקציית הסוכן.
  • מיקום: האזור של אפליקציית הסוכן.
  • נעילת האפליקציה: אם ההגדרה הזו מופעלת, אי אפשר לבצע שינויים באפליקציית הסוכן.

רישום ביומן

אלו הגדרות הרישום ביומן שזמינות לאפליקציות של סוכנים:

  • הפעלת Cloud Logging: אם ההגדרה הזו מופעלת, היומנים יישלחו אל Cloud Logging.
  • הפעלת היסטוריית השיחות: אם ההגדרה הזו מופעלת, היסטוריית השיחות תהיה זמינה. מציין אם רוצים ש-Google תאסוף ותאחסן שאילתות של משתמשי קצה שעברו צנזורה כדי לשפר את האיכות. ההגדרה הזו לא משפיעה על השימוש בהיסטוריית השיחות ליצירת תשובות של הסוכן.
  • הפעלת BigQuery Export: אם האפשרות הזו מופעלת, היסטוריית השיחות מיוצאת ל-BigQuery. צריך גם להפעיל את ההגדרה הפעלת היסטוריית השיחות.

GenAI

ההגדרות הבאות של AI גנרטיבי זמינות לאפליקציות של סוכנים:

  • בחירת מודל גנרטיבי: בוחרים את המודל הגנרטיבי שסוכנים צריכים להשתמש בו כברירת מחדל.
  • מגבלת טוקנים של קלט: בוחרים את מגבלת הטוקנים של הקלט עבור המודל הגנרטיבי. זהו הגודל המקסימלי של טוקנים לקלט שאפשר לשלוח למודל. בהתאם למודל, טוקן יכול להיות באורך של תו אחד עד מילה אחת. מגבלות קטנות יותר על טוקנים מובילות לזמן אחזור קצר יותר, אבל גודל הקלט של המודל מוגבל. למגבלות גדולות יותר של טוקנים יש חביון גבוה יותר, אבל גודל הקלט של המודל יכול להיות גדול יותר.
  • Output token limit (מגבלת טוקנים של פלט): בוחרים את מגבלת הטוקנים של הפלט עבור המודל הגנרטיבי. זהו גודל הטוקן המקסימלי של הפלט שמתקבל מהמודל. בהתאם למודל, טוקן יכול להיות בין תו אחד למילה אחת. למגבלות קטנות יותר של טוקנים יש זמן אחזור נמוך יותר, אבל גודל הפלט של המודל מוגבל. למכסות גדולות יותר של טוקנים יש זמן אחזור גבוה יותר, אבל גודל הפלט של המודל יכול להיות גדול יותר.
  • טמפרטורה: הטמפרטורה של מודל שפה גדול מאפשרת לכם לשלוט במידת היצירתיות של התשובות. ערך נמוך יניב תשובות צפויות יותר. ערך גבוה מספק תשובות יצירתיות או אקראיות יותר.
  • ביטויים אסורים: רשימה של ביטויים שאסור להשתמש בהם ב-AI גנרטיבי. אם ביטוי אסור מופיע בהנחיה או בתשובה שנוצרה, הסוכן יחזיר במקום זאת תשובה חלופית.

  • מסנני בטיחות: הגדרה של רמות הרגישות של מסנני הבטיחות ביחס לקטגוריות שונות של אתיקה של בינה מלאכותית (RAI). התוכן ייבדק לפי ארבע הקטגוריות הבאות:

    קטגוריה תיאור
    דברי שטנה תגובות שליליות או פוגעניות שמכוונות לזהות ו/או למאפיינים מוגנים.
    תוכן מסוכן קידום או מתן גישה למוצרים, שירותים ופעילויות מזיקים
    תוכן מיני בוטה מכיל התייחסויות למעשים מיניים או תוכן מגונה אחר
    הטרדה תגובות זדוניות, מאיימות, בריוניות או פוגעניות שמכוונות לאדם אחר

    התוכן נחסם על סמך הסבירות שהוא פוגעני. אפשר להתאים אישית את רמת הרגישות על ידי בחירה באחת מהאפשרויות הבאות לכל קטגוריה: Block none (חסימת תוכן לא מופעלת), Block few (חסימת מקרים של תוכן מזיק עם הסתברות גבוהה בלבד), Block some (חסימת מקרים עם הסתברות בינונית וגבוהה) ו-Block most (חסימת מקרים עם הסתברות נמוכה, בינונית וגבוהה).

    מידע נוסף זמין במאמר בנושא הגדרת מאפייני בטיחות.

  • אבטחת הנחיות: אפשר לסמן את ההגדרה הפעלת בדיקת אבטחה של הנחיות כדי להפעיל בדיקות אבטחה של הנחיות. אם ההגדרה מופעלת, הסוכן ינסה למנוע מתקפות של החדרת פרומפטים. אפשר להשתמש במתקפות האלה כדי לחשוף חלקים מההנחיה לסוכן או כדי לספק תשובות שהסוכן לא אמור לספק. הבדיקה הזו מתבצעת על ידי שליחת הנחיה נוספת למודל שפה גדול (LLM) כדי לבדוק אם השאילתה של משתמש הקצה עלולה להיות זדונית.

Git

ההגדרות האלה מספקות שילוב של Git. פועלים לפי ההוראות להגדרת השילוב.

הקודם
איסוף מיקודים
הבא
מודלים של דיבור