Paramètres de l'agent

Les agents disposent de nombreux paramètres qui influencent leur comportement, et chaque console fournit des paramètres différents.

Paramètres de l'agent dans la console Conversational Agents

Pour accéder aux paramètres de l'agent :

Console

  1. Ouvrez la console Conversational Agents.
  2. Sélectionnez votre projet.
  3. Sélectionnez votre agent.
  4. Cliquez sur l'icône Paramètres en haut à droite.
  5. Modifiez les paramètres si nécessaire.
  6. Cliquez sur Enregistrer.

API

Consultez les méthodes get et patch/update pour le type Agent.

Sélectionnez un protocole et une version pour la référence de l'agent :

Protocole V3 V3beta1
REST Ressource d'agent Ressource d'agent
RPC Interface de l'agent Interface de l'agent
C++ AgentsClient Non disponible
C# AgentsClient Non disponible
Go AgentsClient Non disponible
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Non disponible Non disponible
Python AgentsClient AgentsClient
Ruby Non disponible Non disponible

Les sous-sections suivantes décrivent les différentes catégories de paramètres d'agent.

Paramètres généraux

Les paramètres généraux suivants sont disponibles pour les agents :

  • Nom à afficher

    Nom de votre agent lisible par l'humain.

  • Fuseau horaire

    Le fuseau horaire par défaut de votre agent.

  • Début de conversation

    Ce paramètre détermine si votre agent commence la conversation avec un playbook génératif ou un flux déterministe.

  • Emplacement de l'agent

    Région de l'agent que vous avez sélectionnée lors de la création de l'agent.

  • Verrouillage de l'agent

    • Verrouiller l'agent : indique si l'agent est verrouillé. Un agent verrouillé ne peut pas être modifié.

  • Paramètres de journalisation

    • Activer Cloud Logging : indique si Cloud Logging est activé pour l'agent.

    • Activer l'historique des conversations : indique si vous souhaitez que Google collecte et stocke les requêtes des utilisateurs finaux masquées pour améliorer la qualité.

    • Spécifiez un URI Cloud Storage pour stocker et lire les conversations vocales : lorsque l'historique des conversations est activé, vous pouvez fournir un URI Cloud Storage, et l'audio des conversations sera enregistré à cet emplacement. Ce champ est synchronisé avec les paramètres vocaux avancés pour le bucket d'exportation audio. Vous pouvez éventuellement utiliser le bouton Parcourir Google Cloud Storage, qui ouvre un panneau de sélection de bucket.

    • Activer la suppression des entrées de l'utilisateur final basée sur le consentement : si ce paramètre est activé, il vous permet d'utiliser un paramètre de session spécial pour contrôler si les entrées et les paramètres de l'utilisateur final sont supprimés de l'historique des conversations et de Cloud Logging. Par défaut, le paramètre de session est true. Si ce paramètre est désactivé, aucune occultation n'est effectuée.

      Le consentement de l'utilisateur est recueilli à l'aide d'un paramètre de session booléen : $session.params.conversation-redaction. Si ce paramètre est activé et que le paramètre de session est défini sur false, aucune occultation n'est effectuée (les autres stratégies d'occultation s'appliquent toujours). Si ce paramètre est activé et que le paramètre de session est défini sur true, l'occultation est effectuée.

      Voici un exemple de flux de demande de consentement : demandez d'abord à l'utilisateur s'il souhaite conserver les entrées de l'utilisateur final, puis faites correspondre la réponse à deux intents, l'un étant "intent oui" et l'autre "intent non". Ensuite, définissez le paramètre de session sur false (pas d'occultation) dans les préréglages des paramètres du routage "yes intent" dans le fulfillment, et sur true (occultation) dans le préréglage des paramètres du routage "no intent".

  • Exportation BigQuery

    • Activer l'exportation BigQuery : indique si l'exportation BigQuery est activée.
    • Ensemble de données BigQuery : nom de l'ensemble de données BigQuery.
    • Table BigQuery : nom de la table BigQuery.

  • Suggestions d'intents

    Vous pouvez activer les suggestions d'intentions.

  • Commentaires des utilisateurs

    Vous pouvez activer ce paramètre pour donner votre avis sur la qualité des réponses de l'agent, y compris en utilisant les boutons "J'aime" et "Je n'aime pas".

  • Intégration de Git

    Utilisez ce paramètre pour ajouter une intégration Git.

Paramètres d'IA générative

Les paramètres d'IA générative suivants sont disponibles :

  • Généralités :

    • Sélection du modèle génératif

    Sélectionnez le modèle à utiliser pour les fonctionnalités génératives. Pour en savoir plus, consultez Versions de modèle.

  • Limites de jetons :

    • Limite de jetons d'entrée

      Sélectionnez la limite de jetons d'entrée pour le modèle génératif. Il s'agit de la taille maximale des jetons pour l'entrée à envoyer au modèle. Selon le modèle, un jeton peut correspondre à un caractère ou à un mot. Les limites de jetons plus petites ont une latence plus faible, mais la taille d'entrée du modèle est limitée. Les limites de jetons plus élevées ont une latence plus élevée, mais la taille d'entrée du modèle peut être plus importante.

    • Limite de jetons de sortie

      Sélectionnez la limite de jetons de sortie pour le modèle génératif. Il s'agit de la taille maximale des jetons pour la sortie reçue du modèle. Selon le modèle, un jeton peut correspondre à un caractère ou à un mot. Les limites de jetons plus petites ont une latence plus faible, mais la taille de sortie du modèle est limitée. Les limites de jetons plus élevées entraînent une latence plus importante, mais la taille de sortie du modèle peut être plus grande.

    • Température

      La température d'un LLM vous permet de contrôler le degré de créativité des réponses. Une valeur faible fournit des réponses plus prévisibles. Une valeur élevée fournit des réponses plus créatives ou aléatoires.

    • Limites de jetons de contexte

      Ce paramètre supprime certains tours précédents de la requête LLM pour éviter que la taille de la requête n'augmente à chaque tour séquentiel géré par l'agent. Cette fonctionnalité permet de limiter l'augmentation indésirable de la taille des requêtes.

      Normalement, sans troncature, chaque tour suivant est ajouté à l'historique des conversations du prompt du LLM, qu'il soit pertinent ou non pour le tour actuel. Cela peut entraîner une augmentation de la taille de la requête à chaque tour. Plus l'historique des conversations occupe de place dans la requête, moins il reste de place pour les exemples de requêtes few-shot (qui peuvent donc être supprimés). À terme, la requête peut également dépasser les limites actuelles de jetons. Vous pouvez augmenter la taille des jetons pour tenir compte de ce problème, mais n'oubliez pas que l'augmentation de la taille des prompts augmente également la latence de réponse du LLM.

      La troncature du contexte vous permet de définir un pourcentage du budget de jetons à réserver à l'historique des conversations, en tant que maximum. Les tours de conversation sont conservés du plus récent au moins récent. Ce paramètre peut vous aider à éviter de dépasser les limites de jetons. Quel que soit le paramètre que vous choisissez, au moins deux tours de conversation sont conservés, du plus récent au moins récent.

      Vous devez d'abord définir une limite de jetons avant de pouvoir modifier ce paramètre.

      La troncature du contexte peut entraîner la perte involontaire de certains paramètres s'ils font partie des tours supprimés. Évaluez soigneusement les interactions de votre playbook après avoir activé cette option.

      Le budget de jetons d'entrée est également utilisé par les éléments suivants :

      • Instructions système et exemples : ajoutés automatiquement au prompt. Ce comportement ne peut pas être modifié.
      • Instructions et objectifs du playbook : toutes les instructions et tous les objectifs que vous écrivez seront ajoutés au prompt dans leur intégralité.
      • Exemples few-shot de playbook : ils sont ajoutés soit dans l'ordre (par défaut), soit par un algorithme que vous choisissez (par exemple, l'ordre de correspondance optimale des expressions régulières). Les exemples sont sélectionnés pour s'adapter au budget de jetons d'entrée une fois que tous les autres éléments ont été inclus.
      • Historique de la conversation composé des énoncés de l'utilisateur et de l'agent, du contexte de transition du flux et du playbook, des appels d'outils et des sorties de la même session pour tous les tours précédents gérés de manière séquentielle par le playbook actuel.

    • Expressions interdites

    Liste des expressions interdites pour l'IA générative. Si une expression interdite apparaît dans le prompt ou la réponse générée, la génération échouera. Sachez que la liste des expressions interdites a des conséquences sur chaque requête et appel de LLM, et qu'elle augmente la latence.

    • Filtres de sécurité

    Configurez les niveaux de sensibilité des filtres de sécurité pour différentes catégories d'IA responsable. Le contenu sera évalué en fonction des quatre catégories suivantes :

    Catégorie Description
    Incitation à la haine Commentaires négatifs ou offensants ciblant l'identité et/ou les attributs protégés.
    Contenu dangereux Encourage ou facilite l'accès à des activités, produits et/ou services dangereux
    Contenu à caractère sexuel explicite Contient des références à des actes sexuels et/ou à d'autres contenus obscènes
    Harcèlement Commentaires malveillants, intimidants et/ou abusifs ciblant une autre personne

    Le contenu est bloqué s'il est susceptible d'être nuisible. Le niveau de sensibilité peut être personnalisé en choisissant l'une des options suivantes pour chaque catégorie : Ne rien bloquer, Bloquer quelques éléments, Bloquer certains éléments et Bloquer la plupart des éléments.

    Pour en savoir plus, consultez Configurer les attributs de sécurité.

    • Sécurité des requêtes

    Vous pouvez cocher le paramètre Activer la vérification de sécurité des requêtes pour activer les vérifications de sécurité des requêtes. Si cette option est activée, l'agent rejettera les requêtes utilisateur qui déclenchent le filtre de sécurité, y compris les attaques par injection de prompt. Ces attaques peuvent être utilisées pour révéler des parties de la requête de l'agent ou pour fournir des réponses que l'agent n'est pas censé fournir. Pour ce faire, une requête LLM supplémentaire est envoyée pour vérifier si la requête utilisateur est potentiellement malveillante. Si cette option est activée, vous pouvez fournir les options suivantes :

    • Paramètres de sécurité des requêtes : vous pouvez sélectionner Par défaut pour les paramètres de sécurité par défaut ou Personnaliser pour clarifier les requêtes utilisateur qui doivent être considérées comme sûres ou non.
    • Sélectionner un modèle génératif : contrôle le LLM utilisé pour la classification. Si vous sélectionnez Par défaut (recommandé), un modèle par défaut est choisi pour vous. Il peut changer automatiquement à mesure que des modèles plus récents et améliorés deviennent disponibles.
    • Requête de sécurité : vous pouvez sélectionner Par défaut pour une requête de sécurité par défaut ou Personnaliser pour fournir des instructions permettant de classer les requêtes utilisateur malveillantes. Si vous sélectionnez Par défaut, la requête peut être automatiquement mise à jour pour être améliorée.
    • Seuil d'entrée : longueur minimale des caractères d'une requête utilisateur avant l'application des contrôles de sécurité. Les requêtes courtes sont plus ambiguës et peuvent être classées de manière incorrecte. Toutes les requêtes inférieures au seuil d'entrée seront traitées comme intrinsèquement sûres.

  • Remplacement génératif :

  • Datastore :

    Consultez Paramètres de l'agent de datastore.

Flux déterministes

Ces paramètres s'appliquent à tous les flux de cet agent, à l'exception des paramètres de ML, qui sont appliqués par flux. Pour modifier d'autres paramètres spécifiques au flux, accédez au flux dans la console et modifiez-y les paramètres.

  • Entraînement des intents : Flows utilise des algorithmes de machine learning (ML) pour comprendre les entrées des utilisateurs finaux, les faire correspondre à des intents et extraire des données structurées. Les flux apprennent à partir des phrases d'entraînement que vous fournissez et des modèles de langage intégrés aux flux. Sur la base de ces données, il crée un modèle permettant de décider quel intent doit être mis en correspondance avec une entrée de l'utilisateur final. Vous pouvez appliquer des paramètres de ML uniques pour chaque flux d'un agent.

    Les paramètres d'entraînement des intents suivants sont disponibles :

    • Correction orthographique

    Si cette option est activée et que l'entrée de l'utilisateur final comporte une faute d'orthographe ou de grammaire, une intention est mise en correspondance comme si elle était écrite correctement. La réponse de détection d'intent contiendra l'entrée corrigée de l'utilisateur final. Par exemple, si un utilisateur final saisit "Je veux une pomme", la requête est traitée comme si l'utilisateur final avait saisi "Je veux une pomme". Cela s'applique également aux correspondances impliquant à la fois des entités système et personnalisées.

    Les corrections orthographiques sont disponibles en allemand, anglais, espagnol, français et italien. Ils sont disponibles dans toutes les régions Dialogflow CX.

    Avertissements et bonnes pratiques :

    • La correction orthographique ne permet pas de corriger les erreurs de reconnaissance vocale automatique. Nous vous déconseillons donc de l'activer pour les agents utilisant ce type d'entrées.
      • Il est possible que l'entrée corrigée corresponde à la mauvaise intention. Pour résoudre ce problème, vous pouvez ajouter des expressions fréquemment confondues aux exemples négatifs.

    • La correction orthographique augmente légèrement le temps de réponse de l'agent.

      • Si un agent est défini à l'aide d'un jargon spécifique au domaine, les corrections peuvent ne pas être souhaitées.

    • Paramètres de ML spécifiques au flux :

      Il peut s'agir d'un des éléments suivants :

      • NLU avancée (par défaut) : technologie de NLU avancée. Ce type de NLU fonctionne mieux que le type standard, en particulier pour les agents et les flux volumineux.
      • NLU standard : technologie de NLU standard. ne recevra plus d'améliorations de la qualité ni de nouvelles fonctionnalités.

      • Entraînement automatique

        Si cette option est activée, le flux est entraîné chaque fois qu'il est mis à jour avec la console. Pour les flux volumineux, cela peut entraîner des retards dans l'interface utilisateur de la console. Vous devez donc désactiver ce paramètre et entraîner manuellement les flux volumineux, si nécessaire.

      • Seuil de classification

        Pour filtrer les faux positifs tout en obtenant une variété d'entrées en langage naturel correspondantes pour votre agent, vous pouvez ajuster le seuil de classification du machine learning. Ce paramètre contrôle le niveau de confiance minimal de détection d'intent requis pour une correspondance d'intent.

        Si le score de confiance d'une correspondance d'intent est inférieur à la valeur de seuil, un événement de non-correspondance est appelé.

        Vous pouvez définir une valeur de seuil de classification distincte pour chaque flux dans chaque langue activée pour l'agent. Cela permet de s'adapter aux différentes langues qui fonctionnent mieux avec différents seuils de classification. Pour en savoir plus sur la création d'un agent multilingue, consultez la documentation sur les agents multilingues.

      • État de l'entraînement

        Indique si le flux a été entraîné depuis la dernière mise à jour des données du flux.

      • Train

        Utilisez ce bouton pour entraîner manuellement le flux.

    • Langue

      Langues acceptées par votre agent. Une fois l'agent créé, la langue par défaut ne peut plus être modifiée. Toutefois, vous pouvez effectuer les opérations suivantes :

      1. Exportez votre agent au format JSON.
      2. Extrayez le fichier téléchargé.
      3. Recherchez le fichier agent.json.
      4. Mettez à jour les champs defaultLanguageCode et supportedLanguageCodes avec les valeurs choisies.
      5. Restaurez l'agent sur le même agent ou sur un agent différent de celui de l'étape 1.
      6. Mettez à jour les expressions d'entraînement et les valeurs d'entité spécifiques à la langue, si nécessaire.

      Vous pouvez également activer la détection et le changement automatiques de langue.

Connectivité

  • Modèle de charge utile personnalisée

    Dans cette section, vous pouvez créer des descriptions et des charges utiles pour les modèles de charge utile personnalisée.

  • Définition du paramètre

    Indiquez clairement quels paramètres de session seront envoyés au webhook et quels paramètres de session peuvent être définis par la réponse du webhook.

  • Paramètres des certificats client

    Utilisé pour importer des certificats SSL.

Reconnaissance vocale et réponse vocale interactive

  • Options de synthèse vocale :

    • Text-to-Speech

    • Langues et voix

      Vous pouvez sélectionner la langue et la voix utilisées pour la synthèse vocale.

      Vous pouvez activer la voix personnalisée pour votre agent en sélectionnant l'option de voix personnalisée dans la liste déroulante des noms de voix et en spécifiant le nom de la voix personnalisée dans le champ correspondant. Le nom de la voix personnalisée doit respecter le format suivant : projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      Vous pouvez également utiliser le clonage de voix.

      • Si vous utilisez une passerelle de téléphonie, assurez-vous que le compte de service Agent de service Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com dispose du rôle "AutoML Predictor" dans votre projet de voix personnalisée.

      • Pour les appels d'API standards, assurez-vous que le compte de service utilisé pour appeler Dialogflow CX dispose du rôle "AutoML Predictor" dans votre projet de voix personnalisée.

      • Hauteur de la voix

        Contrôle la hauteur relative du ton de la voix.

      • Vitesse d'élocution

        Contrôle la vitesse d'élocution de la voix.

      • Remplacer la configuration de la synthèse vocale au niveau de la requête

        Si cette option est activée, la configuration de la synthèse vocale spécifiée dans les paramètres de l'agent remplace celle spécifiée dans l'API, l'intégration du partenaire ou le profil de conversation.

      • Prononciation

        Utilisez ces paramètres pour fournir à l'agent la prononciation de certaines expressions, à l'aide de l'encodage phonétique X-SAMPA.

    • Speech-to-Text

      • Activer l'adaptation vocale automatique

      Consultez l'adaptation vocale automatique.

  • Compagnon d'appel : consultez Compagnon d'appel.

Paramètres de l'interface utilisateur

Vous pouvez utiliser ces paramètres pour personnaliser les interfaces utilisateur de Messenger et de l'outil d'appel.

Sécurité

Pour en savoir plus, consultez Paramètres de sécurité et Contrôle des accès.

Paramètres de l'agent dans la console Dialogflow CX

Pour accéder aux paramètres de l'agent :

Console

  1. Ouvrez la console.
  2. Sélectionnez votre projet.
  3. Sélectionnez votre agent.
  4. Cliquez sur Agent Settings (Paramètres de l'agent).
  5. Modifiez les paramètres si nécessaire.
  6. Cliquez sur Enregistrer.

API

Pour en savoir plus, consultez les méthodes get et patch/update pour le type Agent.

Sélectionnez un protocole et une version pour la référence de l'agent :

Protocole V3 V3beta1
REST Ressource d'agent Ressource d'agent
RPC Interface de l'agent Interface de l'agent
C++ AgentsClient Non disponible
C# AgentsClient Non disponible
Go AgentsClient Non disponible
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Non disponible Non disponible
Python AgentsClient AgentsClient
Ruby Non disponible Non disponible

Paramètres généraux

Les paramètres généraux suivants sont disponibles pour les agents :

  • Nom à afficher : nom lisible par l'humain pour votre agent.
  • Fuseau horaire : fuseau horaire par défaut de votre agent.

  • Langue par défaut : langue par défaut compatible avec votre agent. Une fois l'agent créé, la langue par défaut ne peut plus être modifiée. Cependant, vous pouvez effectuer les opérations suivantes :

    1. Exportez votre agent au format JSON.
    2. Extrayez le fichier téléchargé.
    3. Recherchez le fichier agent.json.
    4. Mettez à jour les champs defaultLanguageCode et supportedLanguageCodes avec les valeurs nécessaires.
    5. Restaurez l'agent sur le même agent ou sur un autre agent à partir de l'étape 1.
    6. Mettez à jour les expressions d'entraînement et les valeurs d'entité spécifiques à la langue, si nécessaire.

  • Verrouillage de l'agent :

    • Verrouiller l'agent : indique si l'agent est verrouillé. Un agent verrouillé ne peut pas être modifié.

  • Paramètres de journalisation :

    • Activer Cloud Logging : indique si Cloud Logging est activé pour l'agent.
    • Activer l'historique des conversations : indique si vous souhaitez que Google collecte et stocke les requêtes des utilisateurs finaux masquées pour améliorer la qualité.
    • Activer le masquage des entrées de l'utilisateur final basé sur le consentement :

    Si ce paramètre est activé, il vous permet d'utiliser un paramètre de session spécial pour contrôler si les entrées et les paramètres de l'utilisateur final sont masqués dans l'historique des conversations et Cloud Logging. Par défaut, le paramètre de session est true. Si ce paramètre est désactivé, aucune occultation n'est effectuée.

    Le consentement de l'utilisateur est recueilli à l'aide d'un paramètre de session booléen : $session.params.conversation-redaction. Si ce paramètre est activé et que le paramètre de session est défini sur false, aucune occultation n'est effectuée (les autres stratégies d'occultation s'appliquent toujours). Si ce paramètre est activé et que le paramètre de session est défini sur true, l'occultation est effectuée.

    Voici un exemple de flux de demande de consentement : demandez d'abord à l'utilisateur s'il souhaite conserver les entrées de l'utilisateur final, puis faites correspondre la réponse à deux intents, l'un étant "intent oui" et l'autre "intent non". Ensuite, définissez le paramètre de session sur false (pas de masquage) dans les préréglages des paramètres de la route "yes intent" dans fulfillment, et sur true (masquage) dans le préréglage des paramètres de la route "no intent".

  • Exportation BigQuery :

    • Activer l'exportation BigQuery : indique si l'exportation BigQuery est activée.
    • Ensemble de données BigQuery : nom de l'ensemble de données BigQuery.
    • Table BigQuery : nom de la table BigQuery.

  • Suggestions d'intentions : vous pouvez activer les suggestions d'intentions.

  • Modèle de charge utile personnalisé : dans cette section, vous pouvez créer des descriptions et des charges utiles pour les modèles de charge utile personnalisés.

Paramètres de ML

Dialogflow CX utilise des algorithmes de machine learning (ML) pour comprendre les entrées des utilisateurs finaux, les faire correspondre à des intents et extraire des données structurées. Dialogflow CX apprend à partir des phrases d'entraînement que vous fournissez et des modèles de langage intégrés à Dialogflow CX. À partir de ces données, il crée un modèle permettant de prendre des décisions concernant l'intention à mettre en correspondance avec une entrée de l'utilisateur final. Vous pouvez appliquer des paramètres de ML uniques pour chaque flux d'un agent, et le modèle créé par Dialogflow CX est unique pour chaque flux.

Les paramètres de ML suivants à l'échelle de l'agent sont disponibles :

  • Autoriser le ML à corriger l'orthographe :

    Si cette option est activée et que l'entrée de l'utilisateur final comporte une faute d'orthographe ou de grammaire, un intent est mis en correspondance comme s'il était écrit correctement. La réponse de détection d'intent contiendra l'entrée corrigée de l'utilisateur final. Par exemple, si un utilisateur final saisit "Je veux une pomme", la requête sera traitée comme si l'utilisateur final avait saisi "Je veux une pomme". Cela s'applique également aux correspondances impliquant à la fois des entités système et personnalisées.

    La correction orthographique est disponible en allemand, anglais, espagnol, français et italien. Il est disponible dans toutes les régions Dialogflow CX.

    Avertissements et bonnes pratiques :

    • La correction orthographique ne peut pas corriger les erreurs de reconnaissance vocale automatique (ASR). Nous vous déconseillons donc de l'activer pour les agents utilisant des entrées ASR.
    • Il est possible que l'entrée corrigée corresponde à la mauvaise intention. Pour résoudre ce problème, ajoutez les expressions fréquemment confondues aux exemples négatifs.
    • La correction orthographique augmente légèrement le temps de réponse de l'agent.
    • Si un agent est défini à l'aide d'un jargon spécifique à un domaine, les corrections peuvent ne pas être souhaitées.

Les paramètres de ML suivants spécifiques au flux sont disponibles :

  • Type de NLU :

    Il peut s'agir d'un des éléments suivants :

  • Entraînement automatique : si cette option est activée, le flux est entraîné chaque fois qu'il est mis à jour avec la console. Pour les flux volumineux, cela peut entraîner des retards dans l'interface utilisateur de la console. Vous devez donc désactiver ce paramètre et entraîner manuellement les flux volumineux, si nécessaire.

  • Seuil de classification :

    Pour filtrer les résultats faux positifs tout en obtenant une variété d'entrées en langage naturel correspondantes pour votre agent, vous pouvez ajuster le seuil de classification du machine learning. Ce paramètre contrôle le niveau de confiance minimal de détection d'intent requis pour une correspondance d'intent.

    Si le score de confiance d'une correspondance d'intent est inférieur à la valeur seuil, un événement de non-correspondance est appelé.

    Vous pouvez définir une valeur de seuil de classification distincte pour chaque flux dans chaque langue activée pour l'agent. Cela permet de s'adapter aux différentes langues qui fonctionnent mieux à différents seuils de classification. Pour en savoir plus sur la création d'un agent multilingue, consultez la documentation sur les agents multilingues.

  • État de l'entraînement : indique si le flux a été entraîné depuis la dernière mise à jour des données du flux.

  • Entraîner la NLU : utilisez ce bouton pour entraîner manuellement le flux.

Paramètres d'IA générative

Les paramètres d'IA générative suivants sont disponibles :

  • Généralités :

    • Expressions interdites : liste d'expressions interdites pour l'IA générative. Si une expression interdite apparaît dans le prompt ou la réponse générée, la génération échoue.
    • Filtres de sécurité : configurez les niveaux de sensibilité des filtres de sécurité pour différentes catégories d'IA responsable. Le contenu sera évalué en fonction des quatre catégories suivantes :
    Catégorie Description
    Incitation à la haine Commentaires négatifs ou offensants ciblant l'identité et/ou les attributs protégés.
    Contenu dangereux Encourage ou facilite l'accès à des activités, produits et services dangereux
    Contenu à caractère sexuel explicite Contient des références à des actes sexuels ou à d'autres contenus obscènes
    Harcèlement Commentaires malveillants, intimidants ou abusifs ciblant une autre personne

    Le contenu est bloqué s'il est susceptible d'être nuisible. Le niveau de sensibilité peut être personnalisé en choisissant l'une des options suivantes pour chaque catégorie : Ne rien bloquer, Bloquer quelques éléments, Bloquer certains éléments et Bloquer la plupart des éléments.

    Pour en savoir plus, consultez Configurer les attributs de sécurité.

    • Sécurité des requêtes : vous pouvez cocher le paramètre Activer la vérification de la sécurité des requêtes pour activer les vérifications de la sécurité des requêtes. Si cette option est activée, l'agent tentera d'empêcher les attaques par injection de prompt. Ces attaques peuvent être utilisées pour révéler des parties de la requête de l'agent ou pour fournir des réponses que l'agent n'est pas censé fournir. Pour cela, une requête LLM supplémentaire est envoyée pour vérifier si la requête de l'utilisateur est potentiellement malveillante.

  • Agent génératif :

    • Sélection du modèle génératif : sélectionnez le modèle utilisé par les fonctionnalités génératives. Pour en savoir plus, consultez Versions de modèle.
    • Troncation du contexte du playbook : supprime certains tours précédents de la requête du playbook pour éviter que la taille de la requête n'augmente à chaque tour séquentiel géré par le playbook. Cette fonctionnalité permet de limiter l'augmentation indésirable de la taille des requêtes.

    Normalement, sans troncature, chaque tour suivant est ajouté à l'historique des conversations du prompt du LLM, qu'il soit pertinent ou non pour le tour actuel. Cela peut entraîner une augmentation de la taille de la requête à chaque tour. Plus l'historique des conversations occupe de place dans la requête, moins il reste de place pour les exemples few-shot (qui peuvent donc être supprimés). À terme, la requête peut également dépasser les limites de jetons actuelles. Vous pouvez augmenter la taille des jetons pour tenir compte de ce point, mais n'oubliez pas que l'augmentation de la taille des requêtes augmente également la latence de réponse du LLM.

    La troncature du contexte du playbook vous permet de définir un pourcentage du budget de jetons à réserver pour l'historique des conversations, en tant que maximum. Les tours de conversation sont conservés du plus récent au moins récent. Ce paramètre peut vous aider à éviter de dépasser les limites de jetons. Quel que soit le paramètre que vous choisissez, au moins deux tours de conversation sont conservés, du plus récent au moins récent.

    Vous devez d'abord définir une limite de jetons avant de pouvoir modifier ce paramètre.

    Important : La troncature du contexte peut entraîner la perte involontaire de certains paramètres s'ils font partie de tours de conversation supprimés. Évaluez soigneusement les interactions de votre playbook après avoir activé cette option.

    Le budget de jetons d'entrée est également utilisé par les éléments suivants :

    • Instructions système et exemples ajoutés automatiquement au prompt. Ce comportement ne peut pas être modifié.
    • Instructions et objectifs du playbook : toutes les instructions et tous les objectifs que vous écrivez seront ajoutés au prompt dans leur intégralité.
    • Exemples few-shot de playbook ajoutés soit dans l'ordre (par défaut), soit par un algorithme de votre choix (comme l'ordre de correspondance optimale des expressions régulières). Les exemples sont sélectionnés pour s'adapter au budget de jetons d'entrée une fois que tous les autres éléments sont inclus.
    • Historique de la conversation composé des énoncés de l'utilisateur et de l'agent, du contexte de transition du flux et du playbook, des appels d'outils et des sorties de la même session, pour tous les tours précédents gérés de manière séquentielle par le playbook actuel.

  • Remplacement génératif :

  • Datastore : consultez Paramètres de l'agent de datastore.

Paramètres vocaux et de réponse vocale interactive

Les paramètres de reconnaissance vocale et de réponse vocale interactive suivants sont disponibles :

  • Text-to-Speech:

    • Sélection de la voix :

    Vous pouvez sélectionner la langue et la voix utilisées pour la synthèse vocale.

    Vous pouvez activer l'option Voix personnalisée pour votre agent en sélectionnant l'option de voix personnalisée dans la liste déroulante de sélection de voix et en spécifiant le nom de la voix personnalisée dans le champ correspondant. Le nom de la voix personnalisée doit respecter le format suivant : projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • Si vous utilisez une passerelle de téléphonie, assurez-vous que le compte de service Agent de service Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com dispose du rôle "AutoML Predictor" dans votre projet de voix personnalisée.
    • Pour les appels d'API standards, assurez-vous que le compte de service utilisé pour appeler Dialogflow CX dispose du rôle "Prédiction AutoML" dans votre projet de voix personnalisée.

  • Speech-to-Text:

DTMF

Consultez DTMF pour les intégrations téléphoniques.

Multimodal

Consultez Appel d'un contact.

Paramètres de partage

Consultez la page Contrôle des accès.

Paramètres linguistiques

Ajoutez des langues supplémentaires à votre agent. Pour obtenir la liste complète des langues, consultez la documentation de référence sur les langues.

Détection automatique de la langue

Lorsque vous configurez la détection automatique de la langue, votre agent de chat détecte automatiquement la langue de l'utilisateur final et passe à cette langue. Pour en savoir plus, consultez la documentation sur la détection automatique de la langue.

Paramètres de sécurité

Consultez la section Paramètres de sécurité.

Paramètres avancés

Le seul paramètre avancé concerne l'analyse des sentiments.

Paramètres de Generative AI App Builder

Cette section décrit les paramètres disponibles pour les applications d'agent.

Général

Les paramètres généraux suivants sont disponibles pour les applications d'agent :

  • Nom à afficher : nom lisible par l'humain pour votre application d'agent.
  • Emplacement : région de l'application de l'agent.
  • Verrouillage d'application : si cette option est activée, l'application de l'agent ne peut pas être modifiée.

Journalisation

Les paramètres de journalisation suivants sont disponibles pour les applications d'agent :

  • Activer Cloud Logging : si cette option est activée, les journaux sont envoyés à Cloud Logging.
  • Activer l'historique des conversations : si cette option est activée, l'historique des conversations sera disponible. Indique si vous souhaitez que Google collecte et stocke les requêtes des utilisateurs finaux masquées pour améliorer la qualité. Ce paramètre n'a pas d'incidence sur l'utilisation de l'historique des conversations pour générer les réponses de l'agent.
  • Activer BigQuery Export : si cette option est activée, l'historique des conversations est exporté vers BigQuery. Le paramètre Activer l'historique des conversations doit également être activé.

IAgén

Les paramètres d'IA générative suivants sont disponibles pour les applications d'agent :

  • Sélection du modèle génératif : sélectionnez le modèle génératif que les agents doivent utiliser par défaut.
  • Limite de jetons d'entrée : sélectionnez la limite de jetons d'entrée pour le modèle génératif. Il s'agit de la taille maximale des jetons pour l'entrée à envoyer au modèle. Selon le modèle, un jeton peut correspondre à un caractère ou à un mot. Les limites de jetons plus petites ont une latence plus faible, mais la taille d'entrée du modèle est limitée. Les limites de jetons plus élevées ont une latence plus élevée, mais la taille d'entrée du modèle peut être plus importante.
  • Limite de jetons de sortie : sélectionnez la limite de jetons de sortie pour le modèle génératif. Il s'agit de la taille maximale des jetons pour la sortie à recevoir du modèle. Selon le modèle, un jeton peut être compris entre un caractère et un mot. Les limites de jetons plus petites ont une latence plus faible, mais la taille de sortie du modèle est limitée. Les limites de jetons plus élevées ont une latence plus élevée, mais la taille de sortie du modèle peut être plus importante.
  • Température : la température d'un LLM vous permet de contrôler le degré de créativité des réponses. Une valeur faible fournit des réponses plus prévisibles. Une valeur élevée fournit des réponses plus créatives ou aléatoires.
  • Expressions interdites : liste d'expressions interdites pour l'IA générative. Si une expression interdite apparaît dans le prompt ou la réponse générée, l'agent renverra une réponse de remplacement à la place.

  • Filtres de sécurité : configurez les niveaux de sensibilité des filtres de sécurité pour différentes catégories d'IA responsable. Le contenu sera évalué en fonction des quatre catégories suivantes :

    Catégorie Description
    Incitation à la haine Commentaires négatifs ou offensants ciblant l'identité et/ou les attributs protégés.
    Contenu dangereux Encourage ou facilite l'accès à des activités, produits et services dangereux
    Contenu à caractère sexuel explicite Contient des références à des actes sexuels ou à d'autres contenus obscènes
    Harcèlement Commentaires malveillants, intimidants ou abusifs ciblant une autre personne

    Le contenu est bloqué s'il est susceptible d'être nuisible. Le niveau de sensibilité peut être personnalisé en choisissant l'une des options suivantes pour chaque catégorie : Ne rien bloquer (désactivation des vérifications d'IA responsable), Bloquer quelques éléments (blocage uniquement des instances de contenu nuisible à forte probabilité), Bloquer certains éléments (instances à probabilité moyenne et élevée) et Bloquer la plupart des éléments (probabilité faible, moyenne et élevée).

    Pour en savoir plus, consultez Configurer les attributs de sécurité.

  • Sécurité des requêtes : vous pouvez cocher le paramètre Activer la vérification de la sécurité des requêtes pour activer les vérifications de la sécurité des requêtes. Si cette option est activée, l'agent tentera d'empêcher les attaques par injection de prompt. Ces attaques peuvent être utilisées pour révéler des parties de la requête de l'agent ou pour fournir des réponses que l'agent n'est pas censé fournir. Pour ce faire, un prompt LLM supplémentaire est envoyé pour vérifier si la requête de l'utilisateur final est potentiellement malveillante.

Git

Ces paramètres fournissent une intégration Git. Suivez les instructions pour configurer l'intégration.

Précédent
Collecte des codes postaux
Suivant
Modèles vocaux