Configurações da ferramenta de repositório de dados

É possível definir as seguintes configurações da ferramenta de repositório de dados.

Configurações de ferramentas (somente no console dos Agentes de Conversação)

Selecionar uma opção na lista Configurações da ferramenta afeta automaticamente quais outras configurações de ferramenta estão disponíveis.

As opções Default e Optimized for voice são configurações padrão que definem automaticamente todos os outros parâmetros no menu de configuração da ferramenta.

As seguintes opções estão disponíveis:

Configurações da ferramenta	Descrição
Padrão	Otimizado para todos os tipos de agentes.
Otimizado para voz	Esse tipo de ferramenta padrão foi configurado especificamente para agentes de voz.
Personalizar	Ao escolher a opção Customize, você pode especificar seus próprios parâmetros de embasamento, reescritor e resumo em vez de usar os padrões atribuídos de Default e Optimized for voice.

Embasamento

Observação: recomendamos reduzir o tamanho dos blocos de contexto transmitidos ao modelo. É possível minimizar as alucinações e melhorar a precisão e a consistência das respostas mantendo as entradas concisas.

O Dialogflow CX calcula um nível de confiança para cada resposta gerada com base no conteúdo dos repositórios de dados conectados. Isso avalia a confiança de que todas as informações na resposta são compatíveis com as informações nos repositórios de dados. Para ajustar as respostas permitidas, selecione o nível de confiança mais baixo com que você se sente confortável. O agente não vai retornar respostas abaixo desse nível.

Há cinco níveis de confiança para escolher: VERY_LOW, LOW, MEDIUM, HIGH e VERY_HIGH.

Também é possível aplicar um filtro de heurística de embasamento. Se você ativar essa opção, o agente vai suprimir respostas com conteúdo que provavelmente é impreciso com base em alucinações comuns.

Selecionar modelo de resumo

É possível selecionar o modelo generativo que um agente de repositório de dados usa para solicitações de geração de resumo. A tabela a seguir lista as opções disponíveis:

Nome do modelo	Etapa do lançamento	Especificação do modelo
Padrão	GA	Essa é a configuração recomendada e está sujeita a mudanças ao longo do tempo. Se você usar essa opção, poderá notar mudanças no comportamento do agente (provavelmente melhorias). Se você quiser mais consistência no comportamento do agente, selecione um modelo específico.
Desativado	GA	Compatível apenas com a IA de engajamento do cliente. Desativa o componente de resumo na ferramenta de repositório de dados. A latência vai melhorar, mas a qualidade será reduzida.
Resumo por agente	GA	Compatível apenas com a IA de engajamento do cliente. Essa opção delega a geração de resumos ao agente. Ele é otimizado especificamente para interações de voz com latência otimizada.
gemini-2.5-flash	GA	Gemini 2.5 Flash
gemini-2.5-flash-lite	GA	Gemini 2.5 Flash Lite
gemini-3.1-flash-lite	GA	Gemini 3.1 Flash Lite
gemini-3.5-flash-lite	GA	Gemini 3.5 Flash Lite

Todos os modelos listados estão disponíveis em todos os idiomas com suporte e regiões com disponibilidade.

Comando personalizado de resumo

Observação: fornecer um comando personalizado pode influenciar a qualidade das respostas de forma positiva ou negativa. Você é responsável pela qualidade das respostas.

É possível usar um comando de resumo padrão com o modelo de resumo selecionado ou fornecer o seu. O comando é um modelo de texto que pode conter marcadores de posição predefinidos. Os marcadores de posição serão substituídos pelos valores apropriados no ambiente de execução, e o texto final será enviado ao LLM.

Os marcadores de posição são os seguintes:

• $original-query: o texto da consulta do usuário.
• $rewritten-query: o Dialogflow usa um módulo de reescrita para reescrever a consulta original do usuário em um formato mais preciso.

• $sources: o Dialogflow usa a pesquisa enterprise para buscar fontes com base na consulta do usuário. As fontes encontradas são renderizadas em um formato específico:

  [1] title of first source
  content of first source
  [2] title of second source
  content of second source
  

• $end-user-metadata: as informações sobre o usuário que envia a consulta são renderizadas no seguinte formato:

  The following additional information is available about the human: {
    "key1": "value1",
    "key2": "value2",
    ...
  }
  

• $conversation: o histórico de conversas é renderizado no seguinte 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>}: uma versão parametrizada do marcador de posição $conversation. É possível personalizar o prefixo do usuário final (USER), o prefixo do agente (AGENT) e o número de turnos anteriores a serem incluídos (TURNS). Todos os valores de parâmetro de marcador de posição precisam ser especificados.

  Por exemplo, ${conversation USER:"Human says:" AGENT:"Agent says:" TURNS:1} O histórico de conversas é renderizado como:

  Human says: user's first query
  Agent says: answer to user's first query
  

Importante: os marcadores de posição $original-query (ou $rewritten-query) e $sources são obrigatórios em comandos personalizados. Não é possível salvar comandos sem esses marcadores de posição porque o agente não funciona corretamente sem eles. O marcador de posição $conversation é recomendado. Sem ele, o agente não pode usar informações contextuais da conversa para responder a perguntas.

Um comando personalizado precisa instruir o LLM a retornar "NOT_ENOUGH_INFORMATION" quando não puder fornecer uma resposta. Nesse caso, o agente invoca um evento sem correspondência.

Exemplo:

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:

Selecionar modelo de reescrita

Observação: fornecer um comando personalizado pode influenciar a qualidade das respostas de forma positiva ou negativa. Você é responsável pela qualidade das respostas.

Quando o agente processa uma consulta do usuário, ele envia a consulta e um comando para o LLM refatorar a consulta usando um reescritor.

É possível selecionar o modelo generativo usado por um agente de repositório de dados para a solicitação de geração do reescritor. A tabela abaixo lista as opções disponíveis:

Nome do modelo	Etapa do lançamento	Especificação do modelo
Padrão	GA	Essa é a configuração recomendada e está sujeita a mudanças ao longo do tempo. Se você usar essa opção, poderá notar mudanças no comportamento do agente (provavelmente melhorias). Se você quiser mais consistência no comportamento do agente, selecione um modelo específico.
Reescritor desativado	GA	Nenhuma reescrita de consulta vai ocorrer. A latência vai melhorar, mas a qualidade será reduzida. Em particular, a ferramenta de repositório de dados pode ter dificuldade para responder a perguntas que exigem contexto do histórico de conversas.
rewrite-by-agent	GA	Compatível apenas com a IA de engajamento do cliente. Essa opção delega a reescrita ao agente. Ele é otimizado para voz e texto com latência otimizada
gemini-2.5-flash	GA	Gemini 2.5 Flash
gemini-2.5-flash-lite	GA	Gemini 2.5 Flash Lite
gemini-3.1-flash-lite	GA	Gemini 3.1 Flash Lite
gemini-3.5-flash-lite	GA	Gemini 3.5 Flash Lite

Todos os modelos listados estão disponíveis em todos os idiomas com suporte e regiões com disponibilidade.

Comando personalizado do reescritor

Você pode usar um comando padrão ou criar um. O comando é um modelo de texto que pode conter marcadores de posição predefinidos. Os valores de ambiente de execução substituem os marcadores, e o texto final é enviado ao LLM.

Os marcadores de posição e o texto obrigatório são os seguintes:

• $original-query: o texto da consulta do usuário.

• $conversation: o histórico de conversas é renderizado no seguinte 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>}: uma versão parametrizada do marcador de posição $conversation. É possível personalizar o prefixo do usuário final (USER), o prefixo do agente (AGENT) e o número de turnos anteriores a serem incluídos (TURNS). Todos os valores de parâmetro de marcador de posição precisam ser especificados.

  Por exemplo, ${conversation USER:"Human says:" AGENT:"Agent says:" TURNS:1} O histórico de conversas é renderizado como:

  Human says: user's first query
  Agent says: answer to user's first query
  

• $end-user-metadata: as informações sobre o usuário que envia a consulta são renderizadas no seguinte formato:

  The following additional information is available about the human: {
    "key1": "value1",
    "key2": "value2",
    ...
  }
  

Exemplo:

You observe conversations between a human and an AI assistant working at ${customer!}${business_description!}.
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:

Configurações de payload

As configurações de payload permitem adicionar os snippets do repositório de dados como conteúdo avançado no payload de resposta, que é renderizado no messenger. Você pode ativar ou desativar esse recurso.

Configuração de pesquisa da ferramenta de repositório de dados

É possível configurar parâmetros de pesquisa dinâmicos para ajustar os resultados com base no contexto de uma conversa em andamento. Para mais informações, consulte a documentação de configuração da Pesquisa.