Configurações do agente

Os agentes têm muitas configurações que influenciam o comportamento, e cada console oferece configurações diferentes.

Configurações do agente no console dos Agentes de Conversação

Para acessar as configurações do agente:

Console

  1. Abra o console dos Agentes de conversação.
  2. Escolha seu projeto.
  3. Selecione seu agente.
  4. Clique no ícone de configurações no canto superior direito.
  5. Atualize as configurações conforme necessário.
  6. Clique em Salvar.

API

Veja os métodos get e patch/update para o tipo Agent.

Selecione um protocolo e uma versão para a referência do agente:

Protocolo V3 V3beta1
REST Recurso do agente Recurso do agente
RPC (remote procedure call) Interface do agente Interface do agente
C++ AgentsClient (em inglês) Indisponível
C# AgentsClient (em inglês) Indisponível
Go AgentsClient (em inglês) Indisponível
Java AgentsClient (em inglês) AgentsClient (em inglês)
Node.js AgentsClient (em inglês) AgentsClient (em inglês)
PHP Indisponível Indisponível
Python AgentsClient (em inglês) AgentsClient (em inglês)
Ruby Indisponível Indisponível

As subseções a seguir descrevem as diferentes categorias de configurações do agente.

Configurações gerais

As seguintes configurações gerais estão disponíveis para agentes:

  • Nome de exibição

    Um nome legível por humanos para o agente.

  • Fuso horário

    O fuso horário padrão do seu agente.

  • Início da conversa

    Essa configuração determina se o agente inicia a conversa com um playbook generativo ou um fluxo determinista.

  • Local do agente

    A região do agente que você selecionou ao criar o agente.

  • Bloqueio de agente

    • Bloquear o agente:indica se o agente está bloqueado. Não é possível editar um agente bloqueado.

  • Configurações de geração de registros

    • Ativar o Cloud Logging:indica se o Cloud Logging está ativado para o agente.

    • Ativar o histórico de conversas:indica se você quer que o Google colete e armazene consultas encobertas do usuário final para melhorar a qualidade.

    • Especifique um URI do Cloud Storage para armazenar e reproduzir conversas por voz:quando o histórico de conversas estiver ativado, você poderá fornecer um URI do Cloud Storage, e o áudio da conversa será salvo nesse local. Esse campo é sincronizado com as configurações avançadas de fala para o bucket de exportação de áudio. Como opção, use o botão Procurar no Google Cloud Storage, que abre um painel de seleção de buckets.

    • Ativar a remoção de entradas do usuário final com base em consentimento:se essa configuração estiver ativada, será possível usar um parâmetro de sessão especial para controlar se as entradas e os parâmetros do usuário final serão removidos do histórico de conversas e do Cloud Logging. Por padrão, o parâmetro de sessão é true. Se essa configuração estiver desativada, nenhuma edição vai ocorrer.

      O consentimento do usuário é coletado usando um parâmetro de sessão booleano: $session.params.conversation-redaction. Se essa configuração estiver ativada e o parâmetro de sessão estiver definido como false, nenhuma edição vai ocorrer (outras estratégias de edição ainda se aplicam). Se essa configuração estiver ativada e o parâmetro de sessão estiver definido como true, a edição vai ocorrer.

      Um exemplo de fluxo de solicitação de consentimento seria: primeiro, pergunte ao usuário se ele quer manter a entrada do usuário final e faça a correspondência da resposta com duas intents, uma "intent sim" e outra "intent não". Em seguida, defina o parâmetro de sessão como false (sem edição) nas predefinições de parâmetro da rota "yes intent" no fulfillment e como true (edição ocorre) na predefinição de parâmetro da rota "no intent".

  • BigQuery Export

    • Ativar o BigQuery Export:indica se o BigQuery Export está ativado.
    • Conjunto de dados do BigQuery:o nome do conjunto de dados do BigQuery.
    • Tabela do BigQuery:o nome da tabela do BigQuery.

  • Sugestões de intent

    Você pode ativar as sugestões de intent.

  • Feedback dos usuários

    Ative essa configuração para dar feedback sobre a qualidade das respostas do agente, incluindo as opções "Gostei" e "Não gostei".

  • Integração com o Git

    Use essa configuração para adicionar uma integração do Git.

Configurações de IA generativa

As seguintes configurações de IA generativa estão disponíveis:

  • Geral:

    • Seleção de modelos generativos

    Selecione o modelo que será usado pelos recursos generativos. Para mais informações, consulte Versões do modelo.

  • Limites de tokens:

    • Limite de tokens de entrada

      Selecione o limite de tokens de entrada para o modelo generativo. Esse é o tamanho máximo de token para a entrada a ser enviada ao modelo. Dependendo do modelo, um token pode ter entre um caractere e uma palavra. Limites de token menores têm latência mais baixa, mas o tamanho da entrada do modelo é limitado. Limites de token maiores têm latência mais alta, mas o tamanho de entrada do modelo pode ser maior.

    • Limite de tokens de saída

      Selecione o limite de tokens de saída para o modelo generativo. Esse é o tamanho máximo de token para a saída recebida do modelo. Dependendo do modelo, um token pode ter entre um caractere e uma palavra. Limites de token menores têm latência mais baixa, mas o tamanho da saída do modelo é limitado. Limites de token maiores têm latência mais alta, mas o tamanho da saída do modelo pode ser maior.

    • Temperatura

      A temperatura de um LLM permite controlar o nível de criatividade das respostas. Um valor baixo fornece respostas mais previsíveis. Um valor alto fornece respostas mais criativas ou aleatórias.

    • Limites de tokens de contexto

      A configuração remove algumas interações anteriores do comando do LLM para evitar que o tamanho do comando aumente a cada interação sequencial processada pelo agente. Esse recurso oferece uma maneira de mitigar o crescimento indesejado do tamanho do comando.

      Normalmente, sem truncamento, cada turno subsequente é anexado ao "histórico de conversas" do comando do LLM, independentemente de ser relevante para o turno atual. Isso pode fazer com que o comando aumente de tamanho a cada turno. À medida que mais partes do comando são ocupadas pelo histórico de conversas, menos partes podem ser usadas para exemplos com poucos exemplos (few-shot), que podem ser descartados. Em algum momento, o comando também pode violar os limites de token atuais. É possível aumentar o tamanho dos tokens para acomodar isso, mas lembre-se de que tamanhos maiores de comandos também aumentam a latência de resposta do LLM.

      A truncagem de contexto permite definir uma porcentagem do orçamento de tokens a ser reservada para o histórico de conversas, como um máximo. As interações da conversa são preservadas da mais recente para a mais antiga. Essa configuração pode ajudar você a evitar que os limites de token sejam excedidos. Independentemente da configuração escolhida, pelo menos duas interações da conversa são preservadas, da mais recente para a mais antiga.

      É preciso definir um limite de tokens antes de modificar essa configuração.

      A truncagem do contexto pode fazer com que alguns parâmetros sejam perdidos inadvertidamente se fizerem parte de turnos descartados. Avalie as interações do playbook com cuidado depois de ativar essa opção.

      O orçamento de entrada de token também é usado por:

      • Instruções e exemplos do sistema: adicionados automaticamente ao comando. Esse comportamento não pode ser modificado.
      • Instruções e metas do playbook: todas as instruções e metas que você escrever serão adicionadas ao comando na íntegra.
      • Exemplos de playbooks com poucos exemplos: são adicionados em ordem (por padrão) ou por um algoritmo que você escolher (como a ordenação de melhor correspondência de expressão regular). Os exemplos são selecionados para se ajustarem ao orçamento de tokens de entrada depois que todos os outros itens são incluídos.
      • Histórico de conversas composto por falas do usuário e do agente, contexto de transição de fluxo e playbook, chamadas de ferramentas e saídas na mesma sessão de todas as interações anteriores processadas sequencialmente pelo playbook atual.

    • Frases proibidas

    Uma lista de frases que a IA generativa não pode usar. Se uma frase proibida aparecer no comando ou na resposta gerada, a geração vai falhar. A lista de frases proibidas tem consequências em todas as consultas e chamadas de LLM e aumenta a latência.

    • Filtros de segurança

    Configurar níveis de sensibilidade de filtros de segurança em relação a diferentes categorias de IA responsável (RAI). O conteúdo será avaliado de acordo com as quatro categorias a seguir:

    Categoria Descrição
    Discurso de ódio Comentários negativos ou nocivos voltados à identidade e/ou atributos protegidos.
    Conteúdo perigoso Promove ou permite o acesso a produtos, serviços e/ou atividades prejudiciais
    Conteúdo sexualmente explícito Contém referências a atos sexuais e/ou outro conteúdo obsceno
    Assédio Comentários maliciosos, intimidantes, abusivos e/ou de bullying direcionados a outra pessoa

    O conteúdo é bloqueado com base na probabilidade de ser nocivo. O nível de sensibilidade pode ser personalizado escolhendo uma das opções Não bloquear nada, Bloquear poucos, Bloquear alguns e Bloquear a maioria para cada categoria.

    Para mais informações, consulte Configurar atributos de segurança.

    • Segurança de comandos

    Marque a configuração Ativar verificação de segurança de comandos para ativar as verificações de segurança de comandos. Se ativado, o agente vai rejeitar as consultas do usuário que acionarem o filtro de segurança, incluindo ataques de injeção de comandos. Esses ataques podem ser usados para revelar partes do comando do agente ou para fornecer respostas que o agente não deveria fornecer. Para isso, um comando adicional do LLM é enviado para verificar se a consulta do usuário é possivelmente maliciosa. Se ativada, você pode fornecer as seguintes opções:

    • Configurações de segurança do comando:selecione Padrão para as configurações de segurança padrão ou Personalizar para esclarecer quais consultas do usuário devem ser consideradas seguras ou não.
    • Selecionar modelo generativo:controla o LLM usado para classificação. Se você selecionar Padrão (recomendado), um modelo padrão será escolhido para você, que pode mudar automaticamente à medida que modelos mais novos e aprimorados ficarem disponíveis.
    • Comando de segurança:selecione Padrão para um comando de segurança padrão ou Personalizar para fornecer instruções que ajudem a classificar consultas de usuários mal-intencionados. Se você selecionar Padrão, o comando poderá ser atualizado automaticamente para melhorias.
    • Limite de entrada:o tamanho mínimo de caracteres para uma consulta do usuário antes que as verificações de segurança sejam aplicadas. Consultas pequenas são mais ambíguas e podem ser classificadas incorretamente. Todas as consultas menores que o limite de entrada serão tratadas como inerentemente seguras.

  • Resposta generativa de substituição:

  • Repositório de dados:

    Consulte as configurações do agente do repositório de dados.

Fluxos deterministas

Essas configurações se aplicam a todos os fluxos neste agente, exceto as configurações de ML, que são aplicadas por fluxo. Para editar outras configurações específicas do fluxo, acesse o fluxo no console e edite as configurações.

  • Treinamento de intent:os fluxos usam algoritmos de machine learning (ML) para entender as entradas do usuário final, associá-las a intents e extrair dados estruturados. Os fluxos aprendem com as frases de treinamento que você fornece e com os modelos de linguagem integrados aos fluxos. Com base nesses dados, ele cria um modelo para tomar decisões sobre qual intent deve ser correspondida a uma entrada do usuário final. É possível aplicar configurações de ML exclusivas para cada fluxo de um agente.

    As seguintes configurações de treinamento de intent estão disponíveis:

    • Correção ortográfica

    Se essa opção estiver ativada e a entrada do usuário final tiver um erro de ortografia ou gramática, uma intent será correspondida como se tivesse sido escrita corretamente. A resposta de detecção de intent vai conter a entrada corrigida do usuário final. Por exemplo, se um usuário final digitar "Quero uma maça", a entrada será processada como se o usuário final tivesse digitado "Quero uma maçã". Isso também se aplica a correspondências que envolvem entidades do sistema e personalizadas.

    As correções ortográficas estão disponíveis em inglês, francês, alemão, espanhol e italiano. Eles estão disponíveis em todas as regiões do Dialogflow CX.

    Avisos e práticas recomendadas:

    • A correção ortográfica não corrige erros de reconhecimento de fala automático (ASR, na sigla em inglês). Portanto, não recomendamos ativá-la para agentes que usam entradas de ASR.
      • É possível que a entrada corrigida corresponda à intent errada. Para corrigir isso, adicione frases que costumam ser confundidas aos exemplos negativos.

    • A correção ortográfica aumenta um pouco o tempo de resposta do agente.

      • Se um agente for definido usando jargões específicos do domínio, as correções poderão ser indesejadas.

    • Configurações de ML específicas do fluxo:

      Pode ser:

      • PLN avançado: (padrão) tecnologia de PLN avançado. Esse tipo de NLU funciona melhor do que o padrão, especialmente para agentes e fluxos grandes.
      • PLN padrão:tecnologia de PLN padrão. Não vai mais receber melhorias de qualidade ou novos recursos.

      • Treinamento automático

        Se ativado, o fluxo é treinado sempre que é atualizado com o console. Para fluxos grandes, isso pode causar atrasos UI do console. Portanto, desative essa configuração e treine manualmente conforme necessário para fluxos grandes.

      • Limite de classificação

        Para filtrar resultados de falsos positivos e ainda ter variedade nas entradas de linguagem natural correspondentes para seu agente, ajuste o limite de classificação de machine learning. Essa configuração controla a confiança mínima de detecção de intent necessária para uma correspondência de intent.

        Se a pontuação de confiança de uma correspondência de intent for menor que o valor do limite, um evento sem correspondência será invocado.

        É possível definir um valor de limite de classificação separado para cada fluxo em cada idioma ativado para o agente. Isso é para acomodar diferentes idiomas com melhor desempenho em diferentes limites de classificação. Para mais informações sobre como criar um agente multilíngue, consulte a documentação sobre agentes multilíngues.

      • Status do treinamento

        Indica se o fluxo foi treinado desde a última atualização dos dados do fluxo.

      • Trem

        Use esse botão para treinar manualmente o fluxo.

    • Idioma

      Os idiomas compatíveis com o agente. Depois que um agente é criado, o idioma padrão não pode ser alterado. No entanto, é possível fazer o seguinte:

      1. Exporte o agente para o formato JSON.
      2. Extraia o arquivo baixado.
      3. Encontre o arquivo agent.json.
      4. Atualize os campos defaultLanguageCode e supportedLanguageCodes com os valores escolhidos.
      5. Restaure o agente para o mesmo agente ou um diferente da etapa 1.
      6. Atualize as frases de treinamento e os valores de entidade específicos do idioma, conforme necessário.

      Também é possível ativar a detecção e a troca automática de idioma.

Conectividade

  • Modelo de payload personalizado

    Nesta seção, é possível criar descrições e payloads para modelos de payload personalizados.

  • Definição do parâmetro

    Indique claramente quais parâmetros de sessão serão enviados ao webhook e quais podem ser definidos pela resposta do webhook.

  • Configurações de certificado do cliente

    Usado para fazer upload de certificados SSL.

Fala e URA

  • Opções de fala:

    • Text-to-Speech

    • Idiomas e vozes

      É possível selecionar o idioma e a voz usados para a síntese de voz.

      É possível ativar a Voz personalizada para seu agente selecionando a opção de voz personalizada na caixa de seleção do nome da voz e especificando o nome da voz personalizada no campo correspondente. O nome da voz personalizada precisa seguir o seguinte padrão: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      Também é possível usar a clonagem de voz.

      • Se você estiver usando o gateway de telefonia, verifique se a conta de serviço do agente de serviço do Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com recebeu o papel "Previsor do AutoML" no seu projeto de voz personalizada.

      • Para chamadas de API regulares, verifique se a conta de serviço usada para chamar o Dialogflow CX recebeu o papel "Preditor do AutoML" no projeto de voz personalizada.

      • Tom de voz

        Controla o tom de voz, que pode ser mais agudo ou mais grave.

      • Velocidade da fala

        Controla a velocidade da fala.

      • Substituir a configuração de fala sintetizada no nível da solicitação

        Se ativada, a configuração de fala sintetizada especificada nas configurações do agente substitui a especificada na API, na integração de parceiros ou no perfil de conversa.

      • Pronúncia

        Use essas configurações para fornecer ao agente a pronúncia de determinadas frases, usando a codificação fonética X-SAMPA.

    • Speech-to-Text

      • Ativar a adaptação automática de fala

      Consulte Adaptação automática de fala.

  • Call Companion:consulte Call Companion.

Configurações da interface

Você pode usar essas configurações para personalizar as interfaces do usuário do Messenger e do assistente de chamada.

Segurança

Para mais informações, consulte Configurações de segurança e Controle de acesso.

Configurações do agente no console do Dialogflow CX

Para acessar as configurações do agente:

Console

  1. Abra o console.
  2. Escolha seu projeto.
  3. Selecione seu agente.
  4. Clique em Configurações do agente.
  5. Atualize as configurações conforme necessário.
  6. Clique em Salvar.

API

Para mais informações, consulte os métodos get e patch/update para o tipo Agent.

Selecione um protocolo e uma versão para a referência do agente:

Protocolo V3 V3beta1
REST Recurso do agente Recurso do agente
RPC (remote procedure call) Interface do agente Interface do agente
C++ AgentsClient (em inglês) Indisponível
C# AgentsClient (em inglês) Indisponível
Go AgentsClient (em inglês) Indisponível
Java AgentsClient (em inglês) AgentsClient (em inglês)
Node.js AgentsClient (em inglês) AgentsClient (em inglês)
PHP Indisponível Indisponível
Python AgentsClient (em inglês) AgentsClient (em inglês)
Ruby Indisponível Indisponível

Configurações gerais

As seguintes configurações gerais estão disponíveis para agentes:

  • Nome de exibição:um nome legível por humanos para o agente.
  • Fuso horário:o fuso horário padrão do agente.

  • Idioma padrão:o idioma padrão compatível com o agente. Depois que um agente é criado, o idioma padrão não pode ser alterado. No entanto, é possível fazer o seguinte:

    1. Exporte o agente para o formato JSON.
    2. Extraia o arquivo baixado.
    3. Encontre o arquivo agent.json.
    4. Atualize os campos defaultLanguageCode e supportedLanguageCodes com os valores necessários.
    5. Restaure o agente para o mesmo agente da etapa 1 ou para um diferente.
    6. Atualize as frases de treinamento e os valores de entidade específicos do idioma, conforme necessário.

  • Bloqueio do agente:

    • Bloquear o agente:indica se o agente está bloqueado. Não é possível editar um agente bloqueado.

  • Configurações de registro:

    • Ativar o Cloud Logging:indica se o Cloud Logging está ativado para o agente.
    • Ativar o histórico de conversas:indica se você quer que o Google colete e armazene consultas encobertas do usuário final para melhorar a qualidade.
    • Ative o encobrimento de entrada do usuário final com base em consentimento:

    Se essa configuração estiver ativada, será possível usar um parâmetro de sessão especial para controlar se as entradas e os parâmetros do usuário final serão removidos do histórico de conversas e da Cloud Logging. Por padrão, o parâmetro de sessão é true. Se essa configuração estiver desativada, nenhuma edição vai ocorrer.

    O consentimento do usuário é coletado usando um parâmetro de sessão booleano: $session.params.conversation-redaction. Se essa configuração estiver ativada e o parâmetro de sessão estiver definido como false, nenhuma edição vai ocorrer (outras estratégias de edição ainda se aplicam). Se essa configuração estiver ativada e o parâmetro de sessão estiver definido como true, a edição vai ocorrer.

    Um exemplo de fluxo de solicitação de consentimento seria: primeiro, perguntar ao usuário se ele quer manter a entrada do usuário final e corresponder a resposta com duas intents, uma "intent sim" e outra "intent não". Em seguida, defina o parâmetro de sessão como false (sem edição) nas predefinições de parâmetro da rota "yes intent" em fulfillment e como true (edição ocorre) na predefinição de parâmetro da rota "no intent".

  • BigQuery Export:

    • Ativar o BigQuery Export:indica se o BigQuery Export está ativado.
    • Conjunto de dados do BigQuery:o nome do conjunto de dados do BigQuery.
    • Tabela do BigQuery:o nome da tabela do BigQuery.

  • Sugestões de intent:é possível ativar as sugestões de intent.

  • Modelo de payload personalizado:nesta seção, é possível criar descrições e payloads para modelos de payload personalizados.

Configurações de ML

O Dialogflow CX usa algoritmos de machine learning (ML) para entender as entradas do usuário final, associá-las a intents e extrair dados estruturados. O Dialogflow CX aprende com as frases de treinamento que você fornece e com os modelos de linguagem integrados ao Dialogflow CX. Com base nesses dados, ele cria um modelo para tomar decisões sobre qual intent deve ser correspondida a uma entrada do usuário final. É possível aplicar configurações de ML exclusivas para cada fluxo de um agente, e o modelo criado pelo Dialogflow CX é exclusivo para cada fluxo.

As seguintes configurações de ML em todo o agente estão disponíveis:

  • Permitir que o ML corrija a ortografia:

    Se essa opção estiver ativada e a entrada do usuário final tiver um erro de ortografia ou gramática, uma intent será correspondida como se tivesse sido escrita corretamente. A resposta de detecção de intent vai conter a entrada corrigida do usuário final. Por exemplo, se um usuário final digitar "Quero uma maça", a frase será processada como se o usuário final tivesse digitado "Quero uma maçã". Isso também se aplica a correspondências que envolvem entidades do sistema e personalizadas.

    A correção ortográfica está disponível em inglês, francês, alemão, espanhol e italiano. Ele está disponível em todas as regiões do Dialogflow CX.

    Avisos e práticas recomendadas:

    • A correção ortográfica não pode corrigir erros de ASR (reconhecimento automático de fala). Por isso, não recomendamos ativá-la para agentes que usam entradas de ASR.
    • É possível que a entrada corrigida corresponda à intent errada. Para corrigir isso, adicione frases que costumam ser confundidas aos exemplos negativos.
    • A correção ortográfica aumenta um pouco o tempo de resposta do agente.
    • Se um agente for definido usando jargões específicos do domínio, as correções poderão ser indesejadas.

As seguintes configurações de ML específicas para fluxo estão disponíveis:

  • Tipo de NLU:

    Pode ser:

  • Treinamento automático:se ativado, o fluxo é treinado sempre que é atualizado com o console. Para fluxos grandes, isso pode causar atrasos UI do console. Portanto, desative essa configuração e treine manualmente conforme necessário para fluxos grandes.

  • Limite de classificação:

    Para filtrar resultados de falsos positivos e ainda ter variedade nas entradas de linguagem natural correspondentes para seu agente, ajuste o limite de classificação de machine learning. Essa configuração controla a confiança mínima de detecção de intent necessária para uma correspondência de intent.

    Se a pontuação de confiança de uma correspondência de intent for menor que o valor limite, um evento sem correspondência será invocado.

    É possível definir um valor de limite de classificação separado para cada fluxo em cada idioma ativado para o agente. Isso é para acomodar diferentes idiomas com melhor desempenho em diferentes limites de classificação. Para mais informações sobre como criar um agente multilíngue, consulte a documentação sobre agentes multilíngues.

  • Status do treinamento:indica se o fluxo foi treinado desde a atualização mais recente dos dados do fluxo.

  • Treinar NLU:use este botão para treinar o fluxo manualmente.

Configurações de IA generativa

As seguintes configurações de IA generativa estão disponíveis:

  • Geral:

    • Frases proibidas:uma lista de frases que a IA generativa não pode usar. Se uma frase proibida aparecer no comando ou na resposta gerada, a geração vai falhar.
    • Filtros de segurança:configure os níveis de sensibilidade dos filtros de segurança em relação a diferentes categorias de IA responsável (RAI). O conteúdo será avaliado de acordo com as quatro categorias a seguir:
    Categoria Descrição
    Discurso de ódio Comentários negativos ou nocivos voltados à identidade e/ou atributos protegidos.
    Conteúdo perigoso Promove ou permite o acesso a produtos, serviços e atividades prejudiciais
    Conteúdo sexualmente explícito Contém referências a atos sexuais ou outro conteúdo obsceno
    Assédio Comentários maliciosos, intimidantes, abusivos ou de bullying direcionados a outra pessoa

    O conteúdo é bloqueado com base na probabilidade de ser nocivo. O nível de sensibilidade pode ser personalizado escolhendo uma das opções Não bloquear nada, Bloquear poucos, Bloquear alguns e Bloquear a maioria para cada categoria.

    Para mais informações, consulte Configurar atributos de segurança.

    • Segurança de comandos:marque a configuração Ativar verificação de segurança de comandos para ativar as verificações de segurança de comandos. Se ativado, o agente vai tentar evitar ataques de injeção de comandos. Esses ataques podem ser usados para revelar partes do comando do agente ou fornecer respostas que o agente não deveria fornecer. Para isso, um comando adicional do LLM é enviado para verificar se a consulta do usuário é possivelmente maliciosa.

  • Agente generativo:

    • Seleção de modelo generativo:selecione o modelo usado pelos recursos generativos. Para mais informações, consulte Versões do modelo.
    • Truncamento de contexto do playbook:remove algumas interações anteriores do comando do playbook para evitar que o tamanho do comando aumente a cada interação sequencial processada pelo playbook. Esse recurso oferece uma maneira de reduzir o crescimento indesejado do tamanho do comando.

    Normalmente, sem truncamento, cada turno subsequente é anexado ao "histórico de conversas" do comando do LLM, independentemente de ser relevante para o turno atual. Isso pode fazer com que o comando aumente de tamanho a cada turno. À medida que mais partes do comando são ocupadas pelo histórico de conversas, menos partes podem ser usadas para exemplos com poucos exemplos (few-shot) (portanto, eles podem ser descartados). Além disso, o comando pode violar os limites de tokens atuais. É possível aumentar os tamanhos dos tokens para acomodar isso, mas lembre-se de que tamanhos de comandos maiores também aumentam a latência de resposta do LLM.

    A truncagem de contexto do playbook permite definir uma porcentagem do orçamento de tokens a ser reservada para o histórico de conversas, como um máximo. As interações da conversa são preservadas da mais recente para a mais antiga. Essa configuração pode ajudar você a evitar que os limites de token sejam excedidos. Independentemente da configuração escolhida, um mínimo de duas interações de conversa é preservado, da mais recente para a menos recente.

    Primeiro, defina um limite de tokens antes de modificar essa configuração.

    Importante:truncar o contexto pode fazer com que alguns parâmetros sejam perdidos inadvertidamente se fizerem parte de turnos removidos. Avalie as interações do playbook com cuidado depois de ativar essa opção.

    O orçamento de entrada de token também é usado por:

    • Instruções e exemplos do sistema adicionados automaticamente ao comando. Esse comportamento não pode ser modificado.
    • Instruções e metas do playbook:todas as instruções e metas que você escrever serão adicionadas ao comando na íntegra.
    • Exemplos de few-shot do playbook adicionados em ordem (por padrão) ou por um algoritmo que você escolher (como a ordem de melhor correspondência de expressão regular). Os exemplos são selecionados para se ajustarem ao orçamento de tokens de entrada depois que todos os outros itens são incluídos.
    • Histórico de conversas composto por falas do usuário e do agente, contexto de transição de fluxo e playbook, chamadas de ferramentas e saídas na mesma sessão de todas as interações anteriores processadas sequencialmente pelo playbook atual.

  • Resposta generativa de substituição:

  • Repositório de dados:consulte Configurações do agente de repositório de dados.

Configurações de fala e de URA

As seguintes configurações de fala e URA estão disponíveis:

  • Text-to-Speech:

    • Seleção de voz:

    É possível selecionar o idioma e a voz usados para a síntese de voz.

    É possível ativar a Voz personalizada para seu agente selecionando a opção de voz personalizada na caixa de seleção de voz e especificando o nome da voz personalizada no campo correspondente. O nome da voz personalizada precisa seguir o seguinte padrão: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • Se você estiver usando o gateway de telefonia, verifique se a conta de serviço do Agente de serviço do Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com recebeu o papel "Previsor do AutoML" no seu projeto de voz personalizada.
    • Para chamadas de API regulares, verifique se a conta de serviço usada para chamar o Dialogflow CX recebeu o papel "AutoML Predictor" no projeto de voz personalizada.

  • Speech-to-Text:

DTMF

Consulte DTMF para integrações de telefonia.

Multimodal

Consulte Companion de chamada.

Configurações de compartilhamento

Consulte Controle de acesso.

Configurações de idiomas

Adicione suporte extra ao idioma para o agente. Para ver a lista completa de idiomas, consulte a referência de idiomas.

Detecção automática de idioma

Ao configurar a detecção automática de idioma, seu agente de chat vai detectar automaticamente o idioma do usuário final e mudar para ele. Consulte a documentação de detecção automática de idioma para saber mais.

Configurações de segurança

Consulte Configurações de segurança.

Configurações avançadas

A única configuração avançada é para análise de sentimento.

Configurações do Generative AI App Builder

Nesta seção, descrevemos as configurações disponíveis para apps de agente.

Geral

As seguintes configurações gerais estão disponíveis para apps de agente:

  • Nome de exibição:um nome legível por humanos para o app do agente.
  • Local:a região do app do agente.
  • Bloqueio de app:se ativado, não é permitido fazer mudanças no app do agente.

Logging

As seguintes configurações de geração de registros estão disponíveis para apps de agente:

  • Ativar o Cloud Logging:se ativado, os registros serão enviados para o Cloud Logging.
  • Ativar o histórico de conversas:se ativado, o histórico de conversas vai ficar disponível. Indica se você quer que o Google colete e armazene consultas de usuários finais editadas para melhorar a qualidade. Essa configuração não afeta o uso do histórico de conversas para gerar respostas do agente.
  • Ativar o BigQuery Export:se ativado, o histórico de conversas é exportado para o BigQuery. A configuração Ativar histórico de conversas também precisa estar ativada.

IA generativa

As seguintes configurações de IA generativa estão disponíveis para apps de agente:

  • Seleção de modelo generativo:selecione o modelo generativo que os agentes devem usar por padrão.
  • Limite de tokens de entrada:selecione o limite de tokens de entrada para o modelo generativo. Esse é o tamanho máximo de token para a entrada a ser enviada ao modelo. Dependendo do modelo, um token pode ser entre um caractere e uma palavra. Limites de token menores têm latência mais baixa, mas o tamanho da entrada do modelo é limitado. Limites de token maiores têm latência mais alta, mas o tamanho de entrada do modelo pode ser maior.
  • Limite de tokens de saída:selecione o limite de tokens de saída para o modelo generativo. Esse é o tamanho máximo de token para a saída a ser recebida do modelo. Dependendo do modelo, um token pode ter entre um caractere e uma palavra. Limites de token menores têm latência mais baixa, mas o tamanho da saída do modelo é limitado. Limites de token maiores têm latência mais alta, mas o tamanho da saída do modelo pode ser maior.
  • Temperatura:a temperatura de um LLM permite controlar o nível de criatividade das respostas. Um valor baixo fornece respostas mais previsíveis. Um valor alto fornece respostas mais criativas ou aleatórias.
  • Frases proibidas:uma lista de frases que a IA generativa não pode usar. Se uma frase proibida aparecer no comando ou na resposta gerada, o agente vai retornar uma resposta alternativa.

  • Filtros de segurança:configure os níveis de sensibilidade dos filtros de segurança em relação a diferentes categorias de IA responsável (RAI). O conteúdo será avaliado com base nas quatro categorias a seguir:

    Categoria Descrição
    Discurso de ódio Comentários negativos ou nocivos voltados à identidade e/ou atributos protegidos.
    Conteúdo perigoso Promove ou permite o acesso a produtos, serviços e atividades prejudiciais
    Conteúdo sexualmente explícito Contém referências a atos sexuais ou outro conteúdo obsceno
    Assédio Comentários maliciosos, intimidantes, abusivos ou de bullying direcionados a outra pessoa

    O conteúdo é bloqueado com base na probabilidade de ser nocivo. O nível de sensibilidade pode ser personalizado escolhendo uma das opções: Não bloquear nada (desativa as verificações de RAI), Bloquear poucos (bloqueia apenas instâncias de conteúdo nocivo com alta probabilidade), Bloquear alguns (instâncias de probabilidade média e alta) e Bloquear a maioria (probabilidade baixa, média e alta) para cada categoria.

    Para mais informações, consulte Configurar atributos de segurança.

  • Segurança de comandos:marque a configuração Ativar verificação de segurança de comandos para ativar as verificações de segurança de comandos. Se ativado, o agente vai tentar evitar ataques de injeção de comandos. Esses ataques podem ser usados para revelar partes do comando do agente ou para fornecer respostas que o agente não deveria fornecer. Para isso, um comando adicional do LLM é enviado para verificar se a consulta do usuário final é possivelmente mal-intencionada.

Git

Essas configurações fornecem uma integração com o Git. Siga as instruções para configurar a integração.

Anterior
Coleta de CEP
Avançar
Modelos de fala