Los siguientes parámetros de configuración de la herramienta de almacén de datos están disponibles.
Configuración de la herramienta (solo en la consola de Conversational Agents)
Si seleccionas una opción del menú desplegable Configuración de la herramienta , se afectará automáticamente qué otras configuraciones de la herramienta están disponibles.
Las opciones Default y Optimized for voice son parámetros de configuración predeterminados que configurarán automáticamente todos los demás parámetros en el menú de configuración de la herramienta.
Las siguientes opciones están disponibles:
| Nombre de la configuración de la herramienta | Descripción |
|---|---|
| Predeterminado | Optimizado para todos los tipos de agentes. |
| Optimizado para voz | Este tipo de herramienta predeterminado se configuró específicamente para agentes de voz. |
| Personalizar | Si eliges la opción Customize, puedes especificar tus propios parámetros de fundamentación, reescritura y resumen en lugar de usar los valores predeterminados asignados Default y Optimized for voice. |
Fundamentación
Dialogflow CX calcula un nivel de confianza para cada respuesta generada a partir del contenido de tus almacenes de datos conectados. Esto mide la confianza de que toda la información de la respuesta esté respaldada por la información de los almacenes de datos. Para ajustar qué respuestas se permiten, selecciona el nivel de confianza más bajo con el que te sientas cómodo. Puedes seleccionar el nivel de confianza más bajo permitido, y el agente no mostrará respuestas inferiores a ese nivel.
Hay 5 niveles de confianza para elegir: VERY_LOW, LOW, MEDIUM,
HIGH, y VERY_HIGH.
También puedes aplicar un filtro de heurística de fundamentación. Si está habilitado, se suprimen las respuestas que contienen contenido que probablemente sea inexacto según las alucinaciones comunes.
Selecciona el modelo de resumen
Puedes seleccionar el modelo generativo que usa un agente de almacén de datos para la solicitud generativa de resumen. En la siguiente tabla, se incluyen las opciones disponibles:
| Nombre del modelo | Etapa de lanzamiento | Especificaciones del modelo |
|---|---|---|
| Predeterminado | GA | Esta es la configuración recomendada y está sujeta a cambios con el tiempo. Si usas esta opción, es posible que experimentes cambios en el comportamiento del agente (probablemente mejoras). Si deseas una mayor coherencia en el comportamiento del agente, selecciona un modelo específico. |
| Inhabilitado | GA | Solo se admite en la IA de Customer Engagement. Inhabilita el componente de resumen en la herramienta de almacén de datos. Mejorará la latencia, pero se degradará la calidad. |
| Resumen por agente | GA | Solo se admite en la IA de Customer Engagement. Esta opción delega el resumen al agente. Está optimizado específicamente para interacciones de voz con latencia optimizada. |
| gemini-2.5-flash | GA | Gemini 2.5 flash |
| gemini-2.5-flash-lite | GA | Gemini 2.5 flash lite |
| gemini-2.0-flash-001 | GA | Gemini 2.0 flash |
| gemini-2.0-flash-lite-001 | GA | Gemini 2.0 flash lite |
| gemini-2.0-flash-lite-001-voice-mode | GA | Gemini 2.0 flash lite optimizado para voz. |
Todos los modelos enumerados están disponibles en todos los idiomas admitidos y regiones admitidas.
Instrucción personalizada de resumen
Puedes usar una instrucción de resumen predeterminada con el modelo de resumen seleccionado o proporcionar la tuya. La instrucción es una plantilla de texto que puede contener marcadores de posición predefinidos. Los marcadores de posición se reemplazarán por los valores adecuados en el tiempo de ejecución, y el texto final se enviará al LLM.
Los marcadores de posición son los siguientes:
$original-query: Es el texto de la consulta del usuario.$rewritten-query: Dialogflow usa un módulo de reescritura para reescribir la consulta original del usuario en un formato más preciso.$sources: Dialogflow usa Enterprise Search para buscar fuentes según la consulta del usuario. Las fuentes encontradas se renderizan en un formato específico:[1] title of first source content of first source [2] title of second source content of second source$end-user-metadata: La información sobre el usuario que envía la consulta se renderiza en el siguiente formato:The following additional information is available about the human: { "key1": "value1", "key2": "value2", ... }$conversation: El historial de conversaciones se renderiza en el siguiente formato:Human: user's first query AGENT: answer to user's first query Human: user's second query AGENT: answer to user's second query${conversation USER:"<user prefix>" AGENT:"<agent prefix>" TURNS:<turn count>}: Es una versión parametrizada del marcador de posición$conversation. Puedes personalizar el prefijo del usuario final (USER), el prefijo del agente (AGENT) y la cantidad de turnos anteriores que se incluirán (TURNS). Se deben especificar todos los valores de los parámetros del marcador de posición.Por ejemplo,
${conversation USER:"Human says:" AGENT:"Agent says:" TURNS:1}. El historial de conversaciones se renderiza de la siguiente manera:Human says: user's first query Agent says: answer to user's first query
Una instrucción personalizada debe indicarle al LLM que muestre "NOT_ENOUGH_INFORMATION" cuando no pueda proporcionar una respuesta. En este caso, el agente invocará un evento de no coincidencia.
Por ejemplo:
Given the conversation between a Human and a AI assistant and a list of sources,
write a final answer for the AI assistant.
Follow these guidelines:
+ Answer the Human's query and make sure you mention all relevant details from
the sources, using exactly the same words as the sources if possible.
+ The answer must be based only on the sources and not introduce any additional
information.
+ All numbers, like price, date, time or phone numbers must appear exactly as
they are in the sources.
+ Give as comprehensive answer as possible given the sources. Include all
important details, and any caveats and conditions that apply.
+ The answer MUST be in English.
+ Don't try to make up an answer: If the answer cannot be found in the sources,
you admit that you don't know and you answer NOT_ENOUGH_INFORMATION.
You will be given a few examples before you begin.
Example 1:
Sources:
[1] <product or service> Info Page
Yes, <company> offers <product or service> in various options or variations.
Human: Do you sell <product or service>?
AI: Yes, <company> sells <product or service>. Is there anything else I can
help you with?
Example 2:
Sources:
[1] Andrea - Wikipedia
Andrea is a given name which is common worldwide for both males and females.
Human: How is the weather?
AI: NOT_ENOUGH_INFORMATION
Begin! Let's work this out step by step to be sure we have the right answer.
Sources:
$sources
$end-user-metadata
$conversation
Human: $original-query
AI:
Selecciona el modelo de reescritura
Cuando se procesa una consulta del usuario, el agente envía la consulta del usuario y una instrucción al LLM para refactorizar la consulta del usuario, lo que realiza una reescritura.
Puedes seleccionar el modelo generativo que usa un agente de almacén de datos para la solicitud generativa de reescritura. En la siguiente tabla, se enumeran las opciones disponibles:
| Nombre del modelo | Etapa de lanzamiento | Especificaciones del modelo |
|---|---|---|
| Predeterminado | GA | Esta es la configuración recomendada y está sujeta a cambios con el tiempo. Si usas esta opción, es posible que experimentes cambios en el comportamiento del agente (probablemente mejoras). Si deseas una mayor coherencia en el comportamiento del agente, selecciona un modelo específico. |
| Reescritura inhabilitada | GA | No se realizará ninguna reescritura de la consulta. Mejorará la latencia, pero se degradará la calidad. En particular, es posible que la herramienta de almacén de datos tenga dificultades para responder preguntas que requieran contexto del historial de conversaciones. |
| rewrite-by-agent. | GA | Solo se admite en la IA de Customer Engagement. Esta opción delega la reescritura al agente. Está optimizado para voz y texto con latencia optimizada. |
| gemini-2.5-flash | GA | Gemini 2.5 flash |
| gemini-2.5-flash-lite | GA | Gemini 2.5 flash lite |
| gemini-2.0-flash-001 | GA | Gemini 2.0 flash |
| gemini-2.0-flash-lite-001 | GA | Gemini 2.0 flash lite |
Todos los modelos enumerados están disponibles en todos los idiomas admitidos y regiones admitidas.
Instrucción personalizada de reescritura
Puedes usar una instrucción predeterminada o proporcionar la tuya de forma opcional. La instrucción es una plantilla de texto que puede contener marcadores de posición predefinidos. Los marcadores de posición se reemplazarán por los valores adecuados en el tiempo de ejecución, y el texto final se enviará al LLM.
Los marcadores de posición y el texto obligatorio son los siguientes:
$original-query: Es el texto de la consulta del usuario.$conversation: El historial de conversaciones se renderiza en el siguiente formato:Human: user's first query AGENT: answer to user's first query Human: user's second query AGENT: answer to user's second query${conversation USER:"<user prefix>" AGENT:"<agent prefix>" TURNS:<turn count>}: Es una versión parametrizada del marcador de posición$conversation. Puedes personalizar el prefijo del usuario final (USER), el prefijo del agente (AGENT) y la cantidad de turnos anteriores que se incluirán (TURNS). Se deben especificar todos los valores de los parámetros del marcador de posición.Por ejemplo,
${conversation USER:"Human says:" AGENT:"Agent says:" TURNS:1}. El historial de conversaciones se renderiza de la siguiente manera:Human says: user's first query Agent says: answer to user's first query$end-user-metadata: La información sobre el usuario que envía la consulta se renderiza en el siguiente formato:The following additional information is available about the human: { "key1": "value1", "key2": "value2", ... }
Por ejemplo:
Your goal is to perform a search query to help the AI assistant respond to the human's last statement.
* Always output the best search query you can, even if you suspect it's not needed.
* Never generate a query that is the same as the user's last statement.
* Include as much context as necessary from the conversation history.
* Output a concise search query, and nothing else.
* Don't use quotes or search operators.
* The query must be in ${language!}.
Conversation History: $conversation
Human: $original-query
Search Query:
Configuración de carga útil
La configuración de carga útil proporciona una forma de agregar los fragmentos del almacén de datos como contenido enriquecido en la carga útil de la respuesta, que se renderiza en el servicio de mensajería. Tienes la opción de activar o desactivar esta función.
Configuración de búsqueda de la herramienta de almacén de datos
Puedes configurar parámetros de búsqueda dinámicos para ajustar los resultados según el contexto de una conversación en curso. Consulta la documentación de configuración de búsqueda para obtener más detalles.