Agent-Einstellungen

Agenten haben viele Einstellungen, die das Verhalten beeinflussen, und jede Konsole bietet unterschiedliche Einstellungen.

Agenteneinstellungen in der Conversational Agents-Konsole

So rufen Sie Agent-Einstellungen auf:

Console

  1. Öffnen Sie die Konsole für Konversations-Agenten.
  2. Wählen Sie Ihr Projekt aus.
  3. Wählen Sie den Agent aus.
  4. Klicken Sie oben rechts auf das Symbol für die Einstellungen.
  5. Aktualisieren Sie die Einstellungen nach Bedarf.
  6. Klicken Sie auf Speichern.

API

Siehe die Methoden get und patch/update für den Typ Agent.

Wählen Sie ein Protokoll und eine Version für die Agent-Referenz aus:

Protokoll V3 V3beta1
REST Agentenressource Agentenressource
RPC Agentenoberfläche Agentenoberfläche
C++ AgentsClient Nicht verfügbar
C# AgentsClient Nicht verfügbar
Go AgentsClient Nicht verfügbar
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Nicht verfügbar Nicht verfügbar
Python AgentsClient AgentsClient
Ruby Nicht verfügbar Nicht verfügbar

In folgenden Unterabschnitten werden die verschiedenen Kategorien der Agent-Einstellungen beschrieben.

Allgemeine Einstellungen

Für Agents sind folgende allgemeine Einstellungen verfügbar:

  • Anzeigename

    Ein menschenlesbarer Name für Ihren KI-Agenten.

  • Zeitzone

    Die Standardzeitzone für Ihren Agenten.

  • Gesprächsbeginn

    Mit dieser Einstellung wird festgelegt, ob Ihr KI-Agent die Unterhaltung mit einem generativen Playbook oder einem deterministischen Ablauf beginnt.

  • Standort des Agenten

    Die Agentenregion, die Sie beim Erstellen des Agenten ausgewählt haben.

  • Agentensperre

    • Agent sperren:Gibt an, ob der Agent gesperrt ist. Ein gesperrter Agent kann nicht bearbeitet werden.

  • Logging-Einstellungen

    • Cloud Logging aktivieren: Gibt an, ob Cloud Logging für den Agent aktiviert ist.

    • Unterhaltungsprotokoll aktivieren: Gibt an, ob Google entfernte Endnutzeranfragen zur Qualitätsverbesserung erfassen und speichern soll.

    • Cloud Storage-URI zum Speichern und Wiedergeben von Sprachunterhaltungen angeben: Wenn der Unterhaltungsverlauf aktiviert ist, können Sie einen Cloud Storage-URI angeben. Die Audioaufnahmen der Unterhaltung werden dann an diesem Speicherort gespeichert. Dieses Feld wird mit den erweiterten Spracheinstellungen für den Bucket für den Audioexport synchronisiert. Sie können optional auf den Button Google Cloud Storage durchsuchen klicken, um einen Bereich zur Bucketauswahl zu öffnen.

    • Einwilligungsbasierte Entfernung von Endnutzereingaben aktivieren: Wenn diese Einstellung aktiviert ist, können Sie mit einem speziellen Sitzungsparameter steuern, ob Endnutzereingaben und ‑parameter aus dem Unterhaltungsverlauf und aus Cloud Logging entfernt werden. Standardmäßig ist der Sitzungsparameter true. Wenn diese Einstellung deaktiviert ist, wird nichts entfernt.

      Die Nutzereinwilligung wird mit dem booleschen Sitzungsparameter $session.params.conversation-redaction eingeholt. Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf false gesetzt ist, wird keine Entfernung vorgenommen (andere Entfernungsstrategien gelten weiterhin). Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf true gesetzt ist, wird die Entfernung durchgeführt.

      Ein Beispiel für einen Ablauf zur Einholung der Einwilligung könnte so aussehen: Fragen Sie den Nutzer zuerst, ob er die Eingabe des Endnutzers beibehalten möchte, und ordnen Sie die Antwort zwei Intents zu, einem „Ja-Intent“ und einem „Nein-Intent“. Legen Sie dann in den Parametervoreinstellungen der Route „yes intent“ im Fulfillment den Sitzungsparameter auf false (keine Entfernung) und in der Parametervoreinstellung der Route „no intent“ auf true (Entfernung erfolgt) fest.

  • BigQuery-Export

    • BigQuery-Export aktivieren: Gibt an, ob der BigQuery-Export aktiviert ist.
    • BigQuery-Dataset: Der Name des BigQuery-Datasets.
    • BigQuery-Tabelle: Der Name der BigQuery-Tabelle.

  • Intent-Vorschläge

    Sie können Intent-Vorschläge aktivieren.

  • Nutzerfeedback

    Sie können diese Einstellung aktivieren, um Feedback zur Qualität der Antworten des KI-Agenten zu geben, einschließlich „Mag ich“/„Mag ich nicht“.

  • Git-Integration

    Mit dieser Einstellung können Sie eine Git-Integration hinzufügen.

Einstellungen für generative KI

Die folgenden Einstellungen für generative KI sind verfügbar:

  • Allgemein:

    • Auswahl des generativen Modells

    Wählen Sie das Modell aus, das von generativen Funktionen verwendet werden soll. Weitere Informationen finden Sie unter Modellversionen.

  • Token limits:

    • Limit für Eingabetokens

      Wählen Sie das Eingabe-Token-Limit für das generative Modell aus. Dies ist die maximale Tokengröße für die Eingabe, die an das Modell gesendet werden soll. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort lang sein. Kleinere Tokenlimits haben eine geringere Latenz, aber die Größe der Modelleingabe ist begrenzt. Größere Tokenlimits haben eine höhere Latenz, aber die Eingabegröße des Modells kann größer sein.

    • Tokenausgabelimit

      Wählen Sie das Ausgabetokenlimit für das generative Modell aus. Dies ist die maximale Tokengröße für die vom Modell empfangene Ausgabe. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort lang sein. Kleinere Tokenlimits haben eine geringere Latenz, aber die Größe der Modellausgabe ist begrenzt. Größere Tokenlimits haben eine höhere Latenz, aber die Modellausgabegröße kann größer sein.

    • Temperatur

      Mit der Temperatur für ein LLM können Sie steuern, wie kreativ die Antworten sind. Ein niedriger Wert führt zu vorhersehbareren Antworten. Ein hoher Wert führt zu kreativeren oder zufälligeren Antworten.

    • Limits für Kontext-Tokens

      Mit dieser Einstellung werden einige frühere Turns aus dem LLM-Prompt entfernt, damit die Prompt-Größe nicht mit jedem sequenziellen Turn, der vom Agenten verarbeitet wird, zunimmt. Mit dieser Funktion können Sie ein unerwünschtes Wachstum der Prompt-Größe reduzieren.

      Normalerweise wird ohne Kürzung jede nachfolgende Runde an den „Unterhaltungsverlauf“ des LLM-Prompts angehängt, unabhängig davon, ob sie für die aktuelle Runde relevant ist. Das kann letztendlich dazu führen, dass der Prompt mit jeder Runde größer wird. Je mehr Platz im Prompt durch den Unterhaltungsverlauf belegt wird, desto weniger Platz bleibt für Few-Shot-Beispiele, die dann möglicherweise weggelassen werden. Irgendwann könnte der Prompt auch die aktuellen Tokenlimits überschreiten. Sie können die Tokengrößen erhöhen, um dies zu berücksichtigen. Beachten Sie jedoch, dass größere Prompts auch die Latenz der LLM-Antwort erhöhen.

      Mit der Kontextkürzung können Sie einen Prozentsatz des Tokenbudgets festlegen, der maximal für den Unterhaltungsverlauf reserviert werden soll. Die Unterhaltungsrunden werden in der Reihenfolge von der neuesten zur ältesten beibehalten. Mit dieser Einstellung können Sie verhindern, dass Tokenlimits überschritten werden. Unabhängig von der gewählten Einstellung werden mindestens zwei Gesprächsrunden in der Reihenfolge von der neuesten zur ältesten beibehalten.

      Sie müssen zuerst ein Tokenlimit festlegen, bevor Sie diese Einstellung ändern können.

      Das Kürzen des Kontexts kann dazu führen, dass einige Parameter versehentlich verloren gehen, wenn sie Teil von entfernten Turns sind. Prüfen Sie Ihre Playbook-Interaktionen sorgfältig, nachdem Sie diese Option aktiviert haben.

      Das Token-Eingabebudget wird auch von Folgendem verwendet:

      • Systemanweisungen und Beispiele: Werden dem Prompt automatisch hinzugefügt. Dieses Verhalten kann nicht geändert werden.
      • Anweisungen und Ziele des Playbooks: Alle von Ihnen verfassten Anweisungen und Ziele werden dem Prompt vollständig hinzugefügt.
      • Few-Shot-Beispiele für Playbooks: Werden entweder in der Reihenfolge (standardmäßig) oder durch einen von Ihnen ausgewählten Algorithmus (z. B. Sortierung nach bester Übereinstimmung mit regulären Ausdrücken) hinzugefügt. Beispiele werden so ausgewählt, dass sie in das Eingabe-Token-Budget passen, nachdem alle anderen Elemente berücksichtigt wurden.
      • Unterhaltungsverlauf, der aus Äußerungen von Nutzern und Agenten, Kontext zu Ablauf- und Playbook-Übergängen, Toolaufrufen und Ausgaben in derselben Sitzung aus allen vorherigen Runden besteht, die nacheinander vom aktuellen Playbook verarbeitet wurden.

    • Verbotene Wortgruppen

    Eine Liste von Ausdrücken, die für generative KI verboten sind. Wenn eine verbotene Wortgruppe im Prompt oder in der generierten Antwort vorkommt, schlägt die Generierung fehl. Die Liste der gesperrten Wortgruppen hat Auswirkungen auf jede Abfrage und jeden LLM-Aufruf und erhöht die Latenz.

    • Sicherheitsfilter

    Konfigurieren Sie die Empfindlichkeitsstufen von Sicherheitsfiltern für verschiedene Kategorien der verantwortungsbewussten Anwendung von KI (RAI). Inhalte werden anhand der folgenden vier Kategorien bewertet:

    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und/oder Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen und/oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende und/oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Die Empfindlichkeitsstufe kann für jede Kategorie angepasst werden, indem Sie eine der folgenden Optionen auswählen: Keine blockieren, Wenige blockieren, Einige blockieren und Meiste blockieren.

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

    • Prompt-Sicherheit

    Sie können die Einstellung Prompt-Sicherheitsprüfung aktivieren aktivieren, um Prompt-Sicherheitsprüfungen zu aktivieren. Wenn diese Option aktiviert ist, lehnt der KI-Agent Nutzeranfragen ab, die den Sicherheitsfilter auslösen, einschließlich Prompt-Injection-Angriffen. Diese Angriffe können verwendet werden, um Teile des Agenten-Prompts offenzulegen oder Antworten zu liefern, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Nutzeranfrage möglicherweise schädlich ist. Wenn diese Option aktiviert ist, können Sie die folgenden Optionen angeben:

    • Sicherheitseinstellungen für Prompts: Sie können entweder Standard für die Standardsicherheitseinstellungen auswählen oder Anpassen, um festzulegen, welche Nutzeranfragen als sicher oder unsicher gelten sollen.
    • Generatives Modell auswählen: Hiermit wird das LLM für die Klassifizierung festgelegt. Wenn Sie Standard (empfohlen) auswählen, wird ein Standardmodell für Sie ausgewählt, das sich automatisch ändern kann, wenn neuere und verbesserte Modelle verfügbar werden.
    • Sicherheits-Prompt: Sie können entweder Standard für einen Standard-Sicherheits-Prompt oder Anpassen auswählen, um Anweisungen zur Klassifizierung bösartiger Nutzeranfragen bereitzustellen. Wenn Sie Standard auswählen, wird der Prompt möglicherweise automatisch aktualisiert, um Verbesserungen zu erzielen.
    • Eingabeschwellenwert: Die Mindestzeichenlänge für eine Nutzeranfrage, bevor Sicherheitsprüfungen angewendet werden. Kurze Suchanfragen sind mehrdeutig und werden möglicherweise falsch klassifiziert. Alle Abfragen, die kleiner als der Eingabegrenzwert sind, werden als inhärent sicher behandelt.

  • Generativer Fallback:

  • Datenspeicher:

    Weitere Informationen finden Sie unter Einstellungen für Datenspeicher-Agenten.

Deterministische Abläufe

Diese Einstellungen gelten für alle Abläufe in diesem Agent, mit Ausnahme der ML-Einstellungen, die pro Ablauf angewendet werden. Wenn Sie andere flowspezifische Einstellungen bearbeiten möchten, rufen Sie den Flow in der Console auf und bearbeiten Sie die Einstellungen dort.

  • Intent-Training: Abläufe verwenden Algorithmen für maschinelles Lernen (ML), um Endnutzereingaben zu verstehen, sie Intents zuzuordnen und strukturierte Daten zu extrahieren. Abläufe lernen aus den von Ihnen bereitgestellten Trainingsformulierungen und den in Abläufe integrierten Sprachmodellen. Anhand dieser Daten wird ein Modell erstellt, um zu entscheiden, welche Intent einer Endnutzereingabe zugeordnet werden soll. Sie können für jeden Ablauf eines Agenten eindeutige ML-Einstellungen anwenden.

    Die folgenden Einstellungen für das Intent-Training sind verfügbar:

    • Rechtschreibkorrektur

    Wenn diese Option aktiviert ist und die Eingabe des Endnutzers einen Rechtschreib- oder Grammatikfehler enthält, wird ein Intent so abgeglichen, als wäre er richtig geschrieben. Die Antwort zur Intent-Erkennung enthält die korrigierte Endnutzereingabe. Wenn ein Endnutzer beispielsweise „Ich möchte einen Apfel“ eingibt, wird dies so verarbeitet, als hätte der Endnutzer „Ich möchte einen Apfel“ eingegeben. Dies gilt auch für Übereinstimmungen, die sowohl System- als auch benutzerdefinierte Entitäten betreffen.

    Rechtschreibkorrekturen sind auf Deutsch, Englisch, Französisch, Spanisch und Italienisch verfügbar. Sie sind in allen Dialogflow CX-Regionen verfügbar.

    Warnungen und Best Practices:

    • Mit der Rechtschreibkorrektur können keine ASR-Fehler (Automated Speech Recognition, automatische Spracherkennung) korrigiert werden. Bei Verwendung von ASR-Eingaben sollte daher die Rechtschreibkorrektur deaktiviert sein.
      • Es ist möglich, dass die korrigierte Eingabe der falschen Absicht zugeordnet wird. Sie können dies beheben, indem Sie häufig falsch zugeordnete Wortgruppen zu negativen Beispielen hinzufügen.

    • Durch die Rechtschreibkorrektur verlängert sich die Antwortzeit des Agents geringfügig.

      • Wenn ein Agent mit domainspezifischem Jargon definiert ist, sind die Korrekturen möglicherweise unerwünscht.

    • Ablaufspezifische ML-Einstellungen:

      Dies kann einer der folgenden sein:

      • Erweitertes NLU: (Standard) Erweiterte NLU-Technologie. Dieser NLU-Typ funktioniert besser als der Standardtyp, insbesondere bei großen Agents und Abläufen.
      • Standard-NLU: Standard-NLU-Technologie. Keine Qualitätsverbesserungen oder neuen Funktionen mehr

      • Automatisch trainieren

        Wenn diese Option aktiviert ist, wird der Ablauf jedes Mal trainiert, wenn er über die Console aktualisiert wird. Bei großen Abläufen kann dies zu Verzögerungen in der Console-UI führen. Sie sollten diese Einstellung daher deaktivieren und bei Bedarf manuell für große Abläufe trainieren.

      • Klassifizierungsschwellenwert

        Wenn Sie falsch positive Ergebnisse herausfiltern und dennoch eine Vielzahl von übereinstimmenden Eingaben in natürlicher Sprache für Ihren Agenten erhalten möchten, können Sie den Klassifizierungsschwellenwert für das maschinelle Lernen anpassen. Mit dieser Einstellung wird die Mindestkonfidenz für die Intent-Erkennung festgelegt, die für eine Intent-Übereinstimmung erforderlich ist.

        Wenn der Konfidenzwert für eine Intent-Übereinstimmung unter dem Schwellenwert liegt, wird ein No-Match-Ereignis aufgerufen.

        Sie können für jeden Ablauf in jeder für den Agenten aktivierten Sprache einen separaten Klassifizierungsschwellenwert festlegen. So können verschiedene Sprachen berücksichtigt werden, die bei unterschiedlichen Klassifizierungsschwellenwerten am besten funktionieren. Weitere Informationen zum Erstellen eines mehrsprachigen KI-Agenten finden Sie in der Dokumentation zu mehrsprachigen KI-Agenten.

      • Trainingsstatus

        Gibt an, ob der Ablauf seit der letzten Aktualisierung der Ablaufdaten trainiert wurde.

      • Trainieren

        Mit diesem Button können Sie den Ablauf manuell trainieren.

    • Sprache

      Die von Ihrem Agenten unterstützten Sprachen. Nachdem ein Agent erstellt wurde, kann die Standardsprache nicht mehr geändert werden. Sie haben jedoch folgende Möglichkeiten:

      1. Exportieren Sie Ihren Agenten in das JSON-Format.
      2. Extrahieren Sie die heruntergeladene Datei.
      3. Suchen Sie die Datei agent.json.
      4. Aktualisieren Sie die Felder defaultLanguageCode und supportedLanguageCodes auf die ausgewählten Werte.
      5. Stellen Sie den Agenten wieder her, entweder auf demselben oder einem anderen Agenten aus Schritt 1.
      6. Aktualisieren Sie bei Bedarf sprachspezifische Trainingsformulierungen und Entitätswerte.

      Sie können auch die automatische Spracherkennung und -umschaltung aktivieren.

Verbindung

  • Benutzerdefinierte Nutzlastvorlage

    In diesem Abschnitt können Sie Beschreibungen und Nutzlasten für benutzerdefinierte Nutzlastvorlagen erstellen.

  • Parameter definition

    Geben Sie klar an, welche Parameter aus den Sitzungsparametern an den Webhook gesendet werden und welche Sitzungsparameter durch die Webhook-Antwort festgelegt werden können.

  • Einstellungen für Clientzertifikate

    Wird zum Hochladen von SSL-Zertifikaten verwendet.

Sprache und IVR

  • Sprachoptionen:

    • Text-to-Speech

    • Sprachen und Stimmen

      Sie können die Sprache und Stimme für die Sprachsynthese auswählen.

      Sie können Benutzerdefinierte Stimme für Ihren Agenten aktivieren, indem Sie die Option für benutzerdefinierte Stimmen aus dem Drop-down-Menü für Stimmennamen auswählen und den Namen der benutzerdefinierten Stimme im entsprechenden Feld angeben. Der Name der benutzerdefinierten Stimme muss dem folgenden Muster entsprechen: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      Sie können auch das Klonen von Stimmen verwenden.

      • Wenn Sie ein Telefonie-Gateway verwenden, muss dem Dienstkonto Dialogflow Service Agent service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com in Ihrem benutzerdefinierten Sprachprojekt die Rolle „AutoML Predictor“ zugewiesen sein.

      • Achten Sie bei regulären API-Aufrufen darauf, dass dem Dienstkonto, das zum Aufrufen von Dialogflow CX verwendet wird, in Ihrem Projekt für benutzerdefinierte Stimmen die Rolle „AutoML Predictor“ zugewiesen ist.

      • Stimmhöhe

        Steuert die relative Höhe oder Tiefe des Sprachtons.

      • Sprechgeschwindigkeit

        Steuert die Sprechgeschwindigkeit der Stimme.

      • Konfiguration für synthetisierte Sprache auf Anfrageebene überschreiben

        Wenn diese Option aktiviert ist, überschreibt die in den Agent-Einstellungen angegebene Konfiguration für synthetisierte Sprache die in der API, der Partnerintegration oder dem Konversationsprofil angegebene Konfiguration.

      • Aussprache

        Mit diesen Einstellungen können Sie dem Agenten die Aussprache bestimmter Wortgruppen mithilfe der phonetischen X-SAMPA-Codierung vorgeben.

    • Speech-to-Text

      • Automatische Sprachanpassung aktivieren

      Weitere Informationen finden sich unter Automatische Sprachanpassung.

  • Anrufassistent:Weitere Informationen finden Sie unter Anrufassistent.

UI-Einstellungen

Mit diesen Einstellungen können Sie die Benutzeroberflächen von Messenger und Anruf-Companion anpassen.

Sicherheit

Weitere Informationen finden Sie unter Sicherheitseinstellungen und Zugriffssteuerung.

Agenteneinstellungen in der Dialogflow CX-Konsole

So rufen Sie Agent-Einstellungen auf:

Console

  1. Öffnen Sie die Konsole.
  2. Wählen Sie Ihr Projekt aus.
  3. Wählen Sie den Agent aus.
  4. Klicken Sie auf Agent-Einstellungen.
  5. Aktualisieren Sie die Einstellungen nach Bedarf.
  6. Klicken Sie auf Speichern.

API

Weitere Informationen finden Sie in den Methoden get und patch/update für den Typ Agent.

Wählen Sie ein Protokoll und eine Version für die Agent-Referenz aus:

Protokoll V3 V3beta1
REST Agentenressource Agentenressource
RPC Agentenoberfläche Agentenoberfläche
C++ AgentsClient Nicht verfügbar
C# AgentsClient Nicht verfügbar
Go AgentsClient Nicht verfügbar
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Nicht verfügbar Nicht verfügbar
Python AgentsClient AgentsClient
Ruby Nicht verfügbar Nicht verfügbar

Allgemeine Einstellungen

Für Agents sind folgende allgemeine Einstellungen verfügbar:

  • Anzeigename: Ein menschenlesbarer Name für Ihren KI-Agenten.
  • Zeitzone: Die Standardzeitzone für Ihren KI-Agenten.

  • Standardsprache: Die vom KI-Agenten unterstützte Standardsprache. Nachdem ein Agent erstellt wurde, kann die Standardsprache nicht mehr geändert werden. Sie haben jedoch folgende Möglichkeiten:

    1. Exportieren Sie Ihren Agenten in das JSON-Format.
    2. Extrahieren Sie die heruntergeladene Datei.
    3. Suchen Sie die Datei agent.json.
    4. Aktualisieren Sie die Felder defaultLanguageCode und supportedLanguageCodes auf die erforderlichen Werte.
    5. Stellen Sie den Agenten wieder her, und zwar auf denselben oder einen anderen Agenten aus Schritt 1.
    6. Aktualisieren Sie bei Bedarf sprachspezifische Trainingsformulierungen und Entitätswerte.

  • Agentensperre:

    • Agent sperren:Gibt an, ob der Agent gesperrt ist. Ein gesperrter Agent kann nicht bearbeitet werden.

  • Logging-Einstellungen:

    • Cloud Logging aktivieren: Gibt an, ob Cloud Logging für den Agent aktiviert ist.
    • Unterhaltungsprotokoll aktivieren: Gibt an, ob Google entfernte Endnutzeranfragen zur Qualitätsverbesserung erfassen und speichern soll.
    • Einwilligungsbasierte Entfernung von Endnutzereingaben aktivieren:

    Wenn diese Einstellung aktiviert ist, können Sie mit einem speziellen Sitzungsparameter steuern, ob Eingaben und Parameter von Endnutzern aus dem Unterhaltungsverlauf und dem Cloud-Logging entfernt werden. Standardmäßig ist der Sitzungsparameter true. Wenn diese Einstellung deaktiviert ist, werden keine Daten entfernt.

    Die Nutzereinwilligung wird mit dem booleschen Sitzungsparameter $session.params.conversation-redaction eingeholt. Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf false gesetzt ist, wird keine Entfernung vorgenommen (andere Entfernungsstrategien gelten weiterhin). Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf true gesetzt ist, wird die Entfernung durchgeführt.

    Ein Beispiel für einen Ablauf zur Einholung der Einwilligung könnte so aussehen: Fragen Sie den Nutzer zuerst, ob er die Eingabe des Endnutzers beibehalten möchte, und ordnen Sie die Antwort zwei Intents zu, einem „Ja-Intent“ und einem „Nein-Intent“. Legen Sie dann den Sitzungsparameter in den Parametervoreinstellungen der „Ja-Intent“-Route im Fulfillment auf false (keine Bearbeitung) und in der Parametervoreinstellung der „Nein-Intent“-Route auf true (Bearbeitung erfolgt) fest.

  • BigQuery-Export:

    • BigQuery-Export aktivieren: Gibt an, ob der BigQuery-Export aktiviert ist.
    • BigQuery-Dataset: Der Name des BigQuery-Datasets.
    • BigQuery-Tabelle: Der Name der BigQuery-Tabelle.

  • Intent-Vorschläge:Sie können Intent-Vorschläge aktivieren.

  • Benutzerdefinierte Nutzlastvorlage: In diesem Abschnitt können Sie Beschreibungen und Nutzlasten für benutzerdefinierte Nutzlastvorlagen erstellen.

ML-Einstellungen

Dialogflow CX verwendet Algorithmen für maschinelles Lernen (ML), um Eingaben von Endnutzern zu verstehen, sie Intents zuzuordnen und strukturierte Daten zu extrahieren. Dialogflow CX lernt aus den von Ihnen bereitgestellten Trainingsformulierungen und den in Dialogflow CX integrierten Sprachmodellen. Anhand dieser Daten wird ein Modell erstellt, um zu entscheiden, welche Intent-Zuordnung für eine Endnutzereingabe erfolgen soll. Sie können für jeden Ablauf eines Agenten eindeutige ML-Einstellungen anwenden. Das von Dialogflow CX erstellte Modell ist für jeden Ablauf eindeutig.

Die folgenden Agent-weiten ML-Einstellungen sind verfügbar:

  • Rechtschreibkorrektur durch ML zulassen:

    Wenn diese Option aktiviert ist und die Eingabe des Endnutzers einen Rechtschreib- oder Grammatikfehler enthält, wird ein Intent so abgeglichen, als wäre er richtig geschrieben. Die Antwort zur Intent-Erkennung enthält die korrigierte Endnutzereingabe. Wenn ein Endnutzer beispielsweise „Ich möchte einen Apfel“ eingibt, wird dies so verarbeitet, als hätte der Endnutzer „Ich möchte einen Apfel“ eingegeben. Dies gilt auch für Übereinstimmungen, die sowohl System- als auch benutzerdefinierte Entitäten betreffen.

    Die Rechtschreibkorrektur ist auf Deutsch, Englisch, Französisch, Spanisch und Italienisch verfügbar. Es ist in allen Dialogflow CX-Regionen verfügbar.

    Warnungen und Best Practices:

    • Die Rechtschreibkorrektur kann keine ASR-Fehler (automatische Spracherkennung) korrigieren. Daher empfehlen wir nicht, sie für Agenten zu aktivieren, die ASR-Eingaben verwenden.
    • Es ist möglich, dass die korrigierte Eingabe der falschen Absicht zugeordnet wird. Sie können dies beheben, indem Sie häufig falsch zugeordnete Wortgruppen zu negativen Beispielen hinzufügen.
    • Durch die Rechtschreibkorrektur verlängert sich die Antwortzeit des Agents geringfügig.
    • Wenn ein Agent mit domainspezifischem Jargon definiert ist, sind die Korrekturen möglicherweise unerwünscht.

Die folgenden ablaufspezifischen ML-Einstellungen sind verfügbar:

  • NLU-Typ:

    Dies kann einer der folgenden sein:

  • Automatisches Training: Wenn diese Option aktiviert ist, wird der Ablauf jedes Mal trainiert, wenn er über die Console aktualisiert wird. Bei großen Abläufen kann dies zu Verzögerungen in der Console-UI führen. Sie sollten diese Einstellung daher deaktivieren und bei Bedarf manuell trainieren.

  • Klassifizierungsschwellenwert:

    Wenn Sie falsch positive Ergebnisse herausfiltern und dennoch eine Vielzahl von übereinstimmenden Eingaben in natürlicher Sprache für Ihren Agenten erhalten möchten, können Sie den Klassifizierungsschwellenwert für das maschinelle Lernen anpassen. Mit dieser Einstellung wird die Mindestkonfidenz für die Intent-Erkennung festgelegt, die für eine Intent-Übereinstimmung erforderlich ist.

    Wenn der Konfidenzwert für eine Intent-Übereinstimmung unter dem Schwellenwert liegt, wird ein Ereignis ohne Übereinstimmung aufgerufen.

    Sie können für jeden Ablauf in jeder für den Agenten aktivierten Sprache einen separaten Klassifizierungsschwellenwert festlegen. So wird berücksichtigt, dass verschiedene Sprachen bei unterschiedlichen Klassifizierungsschwellenwerten am besten funktionieren. Weitere Informationen zum Erstellen eines mehrsprachigen Agenten finden Sie in der Dokumentation zu mehrsprachigen Agenten.

  • Trainingsstatus: Gibt an, ob der Ablauf seit der letzten Aktualisierung der Ablaufdaten trainiert wurde.

  • NLU trainieren: Mit diesem Button können Sie den Ablauf manuell trainieren.

Einstellungen für generative KI

Die folgenden Einstellungen für generative KI sind verfügbar:

  • Allgemein:

    • Verbotene Ausdrücke:Eine Liste von Ausdrücken, die für generative KI verboten sind. Wenn eine verbotene Wortgruppe im Prompt oder in der generierten Antwort vorkommt, schlägt die Generierung fehl.
    • Sicherheitsfilter: Konfigurieren Sie die Empfindlichkeitsstufen von Sicherheitsfiltern für verschiedene Kategorien der verantwortungsbewussten Anwendung von KI. Inhalte werden anhand der folgenden vier Kategorien bewertet:
    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Die Empfindlichkeitsstufe kann angepasst werden, indem Sie für jede Kategorie eine der folgenden Optionen auswählen: Keine blockieren, Wenige blockieren, Einige blockieren und Meiste blockieren.

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

    • Prompt-Sicherheit: Sie können die Einstellung Prompt-Sicherheitsprüfung aktivieren aktivieren, um Prompt-Sicherheitsprüfungen zu aktivieren. Wenn diese Option aktiviert ist, versucht der Agent, Prompt-Injection-Angriffe zu verhindern. Diese Angriffe können verwendet werden, um Teile des Agenten-Prompts offenzulegen oder Antworten zu liefern, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Nutzeranfrage möglicherweise schädlich ist.

  • Generativer Agent:

    • Auswahl des generativen Modells: Wählen Sie das Modell aus, das von generativen Funktionen verwendet wird. Weitere Informationen finden Sie unter Modellversionen.
    • Kürzung des Playbook-Kontexts: Einige frühere Turns werden aus dem Playbook-Prompt entfernt, damit die Prompt-Größe nicht mit jedem sequenziellen Turn, der vom Playbook verarbeitet wird, zunimmt. Mit dieser Funktion können Sie ein unerwünschtes Wachstum der Prompt-Größe reduzieren.

    Normalerweise wird ohne Kürzung jede nachfolgende Runde an den „Unterhaltungsverlauf“ des LLM-Prompts angehängt, unabhängig davon, ob sie für die aktuelle Runde relevant ist. Das kann letztendlich dazu führen, dass der Prompt mit jeder Runde größer wird. Je mehr der Prompt durch den Unterhaltungsverlauf belegt wird, desto weniger kann er für Few-Shot-Beispiele verwendet werden (daher werden diese möglicherweise verworfen). Irgendwann könnte der Prompt auch die aktuellen Tokenlimits überschreiten. Sie können die Tokengrößen erhöhen, um dies zu berücksichtigen. Beachten Sie jedoch, dass größere Prompts auch die Latenz der LLM-Antwort erhöhen.

    Mit der Playbook-Kontextkürzung können Sie einen Prozentsatz des Tokenbudgets festlegen, der maximal für den Unterhaltungsverlauf reserviert werden soll. Die Unterhaltungsrunden werden in der Reihenfolge von der neuesten zur ältesten beibehalten. Mit dieser Einstellung können Sie verhindern, dass Tokenlimits überschritten werden. Unabhängig von der gewählten Einstellung werden mindestens zwei Unterhaltungsrunden aufbewahrt, in der Reihenfolge von der neuesten zur ältesten.

    Sie müssen zuerst ein Tokenlimit festlegen, bevor Sie diese Einstellung ändern können.

    Wichtig: Wenn Sie den Kontext kürzen, gehen möglicherweise einige Parameter verloren, wenn sie Teil der entfernten Turns sind. Prüfen Sie Ihre Playbook-Interaktionen sorgfältig, nachdem Sie diese Option aktiviert haben.

    Das Token-Eingabebudget wird auch von Folgendem verwendet:

    • Systemanweisungen und Beispiele, die dem Prompt automatisch hinzugefügt werden. Dieses Verhalten kann nicht geändert werden.
    • Anweisungen und Ziele für das Playbook: Alle von Ihnen verfassten Anweisungen und Ziele werden dem Prompt vollständig hinzugefügt.
    • Few-Shot-Beispiele für Playbooks, die entweder in der Reihenfolge (standardmäßig) oder durch einen von Ihnen ausgewählten Algorithmus (z. B. die beste Übereinstimmung mit regulären Ausdrücken) hinzugefügt werden. Beispiele werden so ausgewählt, dass sie in das Eingabe-Token-Budget passen, nachdem alle anderen Elemente berücksichtigt wurden.
    • Unterhaltungsverlauf, bestehend aus Nutzer- und Agentenäußerungen, Kontext zu Ablauf- und Playbook-Übergängen, Toolaufrufen und Ausgaben in derselben Sitzung aus allen vorherigen Runden, die nacheinander vom aktuellen Playbook verarbeitet wurden.

  • Generativer Fallback:

  • Datenspeicher: Weitere Informationen finden Sie unter Einstellungen für Datenspeicher-Agenten.

Einstellungen für Sprache und IVR

Die folgenden Sprach- und IVR-Einstellungen sind verfügbar:

  • Text-to-Speech:

    • Stimmenauswahl:

    Sie können die Sprache und Stimme für die Sprachsynthese auswählen.

    Sie können Benutzerdefinierte Stimme für Ihren Agenten aktivieren, indem Sie die Option für benutzerdefinierte Stimmen aus dem Drop-down-Menü für die Stimmenauswahl auswählen und den Namen der benutzerdefinierten Stimme im entsprechenden Feld angeben. Der Name der benutzerdefinierten Stimme muss dem folgenden Muster entsprechen: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • Wenn Sie ein Telefonie-Gateway verwenden, muss dem Dienstkonto Dialogflow Service Agent service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com in Ihrem benutzerdefinierten Sprachprojekt die Rolle „AutoML Predictor“ zugewiesen sein.
    • Achten Sie bei regulären API-Aufrufen darauf, dass dem Dienstkonto, das zum Aufrufen von Dialogflow CX verwendet wird, in Ihrem benutzerdefinierten Sprachprojekt die Rolle „AutoML Predictor“ zugewiesen ist.

  • Speech-to-Text:

DTMF

Weitere Informationen finden Sie unter DTMF für Telefonieintegrationen.

Multimodal

Weitere Informationen finden Sie unter Anruf-Companion.

Freigabeeinstellungen

Weitere Informationen finden sich unter Zugriffssteuerung.

Spracheinstellungen

Fügen Sie Ihrem Agent zusätzliche Sprachunterstützung hinzu. Eine vollständige Liste der Sprachen finden Sie in der Sprachreferenz.

Automatische Spracherkennung

Wenn Sie die automatische Spracherkennung konfigurieren, erkennt Ihr Chat-Agent automatisch die Sprache des Endnutzers und wechselt zu dieser Sprache. Weitere Informationen finden Sie in der Dokumentation zur automatischen Spracherkennung.

Sicherheitseinstellungen

Weitere Informationen finden Sie unter Sicherheitseinstellungen.

Erweiterte Einstellungen

Die einzige erweiterte Einstellung ist die Sentimentanalyse.

Generative AI App Builder-Einstellungen

In diesem Abschnitt werden die für Agent-Anwendungen verfügbaren Einstellungen beschrieben.

Allgemein

Die folgenden allgemeinen Einstellungen sind für KI-Agenten-Apps verfügbar:

  • Anzeigename: Ein menschenlesbarer Name für Ihre KI-Agenten-App.
  • Standort: Die Region der KI-Agenten-App.
  • App-Sperre:Wenn diese Option aktiviert ist, sind Änderungen an der Agenten-App nicht zulässig.

Logging

Die folgenden Logging-Einstellungen sind für KI-Agenten-Anwendungen verfügbar:

  • Cloud Logging aktivieren: Wenn diese Option aktiviert ist, werden Logs an Cloud Logging gesendet.
  • Unterhaltungsverlauf aktivieren: Wenn diese Option aktiviert ist, ist der Unterhaltungsverlauf verfügbar. Gibt an, ob Google anonymisierte Endnutzeranfragen zur Qualitätsverbesserung erfassen und speichern soll. Diese Einstellung hat keinen Einfluss darauf, ob der Unterhaltungsverlauf zum Generieren von Agentenantworten verwendet wird.
  • BigQuery-Export aktivieren: Wenn diese Option aktiviert ist, wird der Unterhaltungsverlauf nach BigQuery exportiert. Die Einstellung Unterhaltungsverlauf aktivieren muss ebenfalls aktiviert sein.

GenAI

Die folgenden Einstellungen für generative KI sind für Agent-Anwendungen verfügbar:

  • Auswahl des generativen Modells: Wählen Sie das generative Modell aus, das Agenten standardmäßig verwenden sollen.
  • Limit für Eingabetokens: Wählen Sie das Limit für Eingabetokens für das generative Modell aus. Dies ist die maximale Tokengröße für die Eingabe, die an das Modell gesendet werden soll. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort lang sein. Kleinere Tokenlimits haben eine geringere Latenz, aber die Größe der Modelleingabe ist begrenzt. Größere Tokenlimits haben eine höhere Latenz, aber die Eingabegröße des Modells kann größer sein.
  • Tokenausgabelimit: Wählen Sie das Tokenausgabelimit für das generative Modell aus. Dies ist die maximale Tokengröße für die Ausgabe, die vom Modell empfangen werden soll. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort lang sein. Kleinere Tokenlimits haben eine geringere Latenz, aber die Größe der Modellausgabe ist begrenzt. Größere Tokenlimits haben eine höhere Latenz, aber die Modellausgabegröße kann größer sein.
  • Temperatur: Mit der Temperatur für ein LLM können Sie steuern, wie kreativ die Antworten sind. Ein niedriger Wert führt zu vorhersehbareren Antworten. Ein hoher Wert führt zu kreativeren oder zufälligeren Antworten.
  • Verbotene Ausdrücke:Eine Liste von Ausdrücken, die für generative KI verboten sind. Wenn ein verbotener Ausdruck im Prompt oder in der generierten Antwort vorkommt, gibt der Agent stattdessen eine Fallback-Antwort zurück.

  • Sicherheitsfilter: Konfigurieren Sie die Empfindlichkeitsstufen von Sicherheitsfiltern für verschiedene Kategorien der verantwortungsbewussten Anwendung von KI. Inhalte werden anhand der folgenden vier Kategorien bewertet:

    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Die Empfindlichkeitsstufe kann für jede Kategorie angepasst werden. Wählen Sie dazu eine der folgenden Optionen aus: Keine blockieren (Prüfungen auf verantwortungsbewusste Anwendung von KI deaktivieren), Wenige blockieren (nur Instanzen mit hoher Wahrscheinlichkeit für schädliche Inhalte blockieren), Einige blockieren (Instanzen mit mittlerer und hoher Wahrscheinlichkeit) und Meiste blockieren (niedrige, mittlere und hohe Wahrscheinlichkeit).

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

  • Prompt-Sicherheit: Sie können die Einstellung Prompt-Sicherheitsprüfung aktivieren aktivieren, um Prompt-Sicherheitsprüfungen zu aktivieren. Wenn diese Option aktiviert ist, versucht der Agent, Prompt-Injection-Angriffe zu verhindern. Diese Angriffe können verwendet werden, um Teile des Agenten-Prompts offenzulegen oder Antworten zu liefern, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Anfrage des Endnutzers möglicherweise schädlich ist.

Git

Diese Einstellungen ermöglichen eine Git-Integration. Folgen Sie der Anleitung, um die Integration zu konfigurieren.

Zurück
Postleitzahlerhebung
Weiter
Sprachmodelle