הגנרטורים משתמשים במודלים הגנרטיביים הגדולים של השפה (LLM) העדכניים ביותר של Google, ובהנחיות שאתם מספקים, כדי ליצור התנהגות ותשובות של סוכנים בזמן הריצה. המודלים הזמינים מסופקים על ידי Vertex AI.
גנרטור מאפשר לכם להתקשר אל LLM באופן מקורי מ-Dialogflow CX בלי שתצטרכו ליצור webhook חיצוני משלכם. אתם יכולים להגדיר את הגנרטור כך שיבצע כל פעולה שבדרך כלל מבקשים מ-LLM לבצע.
גנרטורים מצוינים במשימות כמו סיכום, חילוץ פרמטרים או טרנספורמציות של נתונים. דוגמאות מפורטות בהמשך.
מגבלות
התכונה הזו זמינה לסוכנים בכל שפה ב-Dialogflow CX, אבל יכול להיות שיש מגבלות שפה מחמירות יותר במודלים הזמינים. מידע נוסף זמין במאמר בנושא Vertex AI.
הסבר על מושגים שקשורים לגנרטורים
במסמכי התיעוד של Vertex AI יש מידע שחשוב להבין כשיוצרים גנרטורים ל-Dialogflow CX:
- מודלים (מודלים בסיסיים של Google וגרסאות של מודלים ומחזור החיים שלהם)
- הנחיות
- אמצעי בקרה (שנקראים 'ערכי פרמטרים' ב-Vertex AI)
הגדרת גנרטור
כדי ליצור גנרטור:
- עוברים אל מסוף Dialogflow CX.
- בוחרים את הפרויקט הרצוי.
- בוחרים את הסוכן.
- לוחצים על הכרטיסייה ניהול.
- לוחצים על Generators (גנרטורים).
- לוחצים על חדש.
- מזינים שם תיאורי לגנרטור.
- מזינים את פרומפט הטקסטואלי, המודל והאמצעים לשליטה כפי שמתואר במושגים.
- לוחצים על Save.
פרומפט הטקסטואלי נשלח למודל הגנרטיבי במהלך מילוי הבקשה בזמן הריצה. כדי שהמודל ייצור תשובה מספקת, השאלה או הבקשה צריכות להיות ברורות.
כדי להוסיף הקשר להנחיה, אפשר לסמן מילים כמחזיקי מקום על ידי הוספת $ לפני המילה. אחר כך תוכלו לשייך את ה-placeholders של ההנחיות ליצירה לפרמטרים של הסשן בתהליך מילוי הבקשה, והם יוחלפו בערכים של הפרמטרים של הסשן במהלך ההפעלה.
יש placeholder מיוחדים להנחיות למחולל שלא צריך לשייך לפרמטרים של סשן. בטבלה הבאה מוצגים placeholder של הנחיות מובנות לגנרטור.
| X | פריט |
|---|---|
$conversation |
השיחה בין הסוכן לבין המשתמש, לא כולל את האמירה האחרונה של המשתמש ואת האמירות של הסוכן לאחר מכן. |
$last-user-utterance |
האמירה האחרונה של המשתמש. |
שימוש בגנרטור בתהליך השלמת ההזמנה
אפשר להשתמש בגנרטורים במהלך מילוי הבקשה (במסלולים, במטפלים באירועים, בפרמטרים ועוד).
- עוברים לקטע Generators בחלונית Fulfillment ומרחיבים אותו.
- לוחצים על הוספת גנרטור.
- עכשיו אפשר לבחור מחולל מוגדר מראש או להגדיר מחולל חדש במקום.
אחרי שבוחרים גנרטור, צריך לשייך את ה-placeholder של הנחיית הגנרטור של ההנחיה לפרמטרים של הסשן. כדי לעשות את זה, צריך להגדיר את פרמטר הפלט שיכיל את התוצאה של הגנרטור אחרי ההפעלה. בשדה פרמטרים של פלט, מזינים שם לפרמטר הפלט, לדוגמה things-to-do. פרמטר הפלט הזה ייכתב לפרמטר של סשן שאפשר יהיה להפנות אליו בעתיד.
אחר כך תוכלו להשתמש בפרמטר הפלט כדי להפנות לתוצאת הגנרטור בהמשך, למשל בתשובת הסוכן:
I'd recommend doing $session.params.things-to-do.
מידע נוסף על הפורמט והשימוש בפרמטרים זמין במאמר בנושא פרמטרים.
בדיקה של גנרטור
אפשר לבדוק את התכונה generator ישירות בסימולטור.
דוגמאות
בקטע הזה מופיעות דוגמאות לתרחישי שימוש בגנרטורים. מכיוון שהגנרטורים הם טכנולוגיה גנרטיבית שמבוססת על מודלים גדולים של שפה (LLM), התוצאות האישיות שלכם משימוש בהנחיות לדוגמה הבאות עשויות להיות שונות מהפלט שמתועד כאן. כל התוצאות של ההנחיות שמוחזרות על ידי Google הן תוצאות מיטביות.
סיכום תוכן
בדוגמה הזו אפשר לראות איך מסכמים תוכן.
פרומפט:
Your goal is to summarize a given text.
Text:
$text
A concise summary of the text in 1 or 2 sentences is:
סיכום השיחה
בדוגמה הזו מוסבר איך לספק סיכום שיחה.
פרומפט:
You are an expert at summarizing conversations between a User and an Agent.
When providing the summary, always start with "Dear $email_address, the conversation summary is as follows:"
Provide a summary in a few bullet points.
Try to be as brief as possible with each bullet point,
only noting the key points of the conversation.
Output the summary in markdown format.
Conversation:
$conversation
Summary:
הנחיה שטופלה:
לדוגמה, אם השיחה היא:
You are an expert at summarizing conversations between a User and an Agent.
When providing the summary, always start with "Dear joe@example.com conversation summary is as follows:"
Provide a summary in a few bullet points.
Try to be as brief as possible with each bullet point,
only noting the key points of the conversation.
Output the summary in markdown format.
Conversation:
Agent: Good day! What can I do for you today?
User: Hi, which models can I use in Dialogflow CX's generators?
Agent: You can use all models that Vertex AI provides!
User: Thanks, thats amazing!
Summary:
עיצוב טקסט ב-Markdown
בדוגמה הזו מוסבר איך לעצב טקסט ב-Markdown.
# Instructions
You are presented with a text and your goal is to apply markdown formatting to text.
**NOTE:** Do not change the meaning of the text, only the formatting.
# Example
## Text
Generators allow you to use Googles latest generative models to format text,
or to create a summaries, or even to write code. What an amazing feature.
## Text in Markdown
*Generators* allow you to use Google's latest generative models to
* format text
* create a summaries
* write code
What an amazing feature.
# Your current task
## Text
$text
## Text in Markdown
מענה על שאלות
בסדרת הדוגמאות הזו מוסבר איך להשתמש בגנרטורים כדי לענות על שאלות.
קודם כול, אפשר להסתמך על הידע הפנימי של המודל הגנרטיבי כדי לענות על השאלה. חשוב לזכור שהמודל יספק תשובה שמבוססת על מידע שהיה חלק מנתוני האימון שלו. אין ערובה לכך שהתשובה נכונה או עדכנית.
פרומפט למענה לשאלות עם ידע עצמי:
Your goal is to politely reply to a human with an answer to their question.
The human asked:
$last-user-utterance
You answer:
פרומפט למענה לשאלות עם מידע שסופק:
אם רוצים שהמודל יענה על סמך מידע שמספקים לו, אפשר להוסיף אותו להנחיה. האפשרות הזו מתאימה אם אין הרבה מידע שרוצים לספק (למשל, תפריט קטן של מסעדה או פרטי יצירת קשר של החברה).
# Instructions
Your goal is to politely answer questions about the restaurant menu.
If you cannot answer the question because it's not related to the restaurant
menu or because relevant information is missing from the menu, you politely
decline to answer.
# Restaurant menu:
## Starters
Salat 5$
## Main dishes
Pizza 10$
## Desserts
Ice cream 2$
# Examples
Question: How much is the pizza?
Answer: The pizza is 10$.
Question: I want to order the ice cream.
Answer: We do have ice cream! However, I can only answer questions about the menu.
Question: Do you have spaghetti?
Answer: I'm sorry, we do not have spaghetti on the menu.
# Your current task
Question: $last-user-utterance
Answer:
פרומפט למענה לשאלות עם מידע דינמי שסופק:
לפעמים המידע שאתם רוצים שהמודל יבסס עליו את התשובה הוא רב מדי כדי להדביק אותו בהנחיה. במקרה כזה, אפשר לקשר את הגנרטור למערכת לאחזור מידע, כמו מסד נתונים או מנוע חיפוש, כדי לאחזר את המידע באופן דינמי על סמך שאילתה. אפשר לשמור את הפלט של המערכת הזו בפרמטר ולקשר אותו ל-placeholder בהנחיה.
# Instructions
Your goal is to politely answer questions based on the provided information.
If you can't answer the question given the provided information, you politely
decline to answer.
# Provided information:
$information
Question: $last-user-utterance
Answer:
הקוד בתהליך יצירה
בדוגמה הזו מוסבר איך להשתמש בגנרטור כדי לכתוב קוד. שימו לב שכאן כדאי להשתמש במודל גנרטיבי שאומן במיוחד ליצירת קוד.
פרומפט:
# Instructions:
Your goal is to write code in a given programming language solving a given problem.
Problem to solve:
$problem
Programming language:
$programming-language
# Solution:
העברה לטיפול של נציג אנושי
בדוגמה הזו מוסבר איך להעביר את השיחה לנציג שירות אנושי. שתי ההוראות האחרונות בהנחיה מונעות מהמודל להיות מפורט מדי.
פרומפט:
# Instructions:
You are a polite customer service agent that handles requests
from users to speak with an operator.
Based on the $last-user-utterance,
respond to the user appropriately about their request to speak with an operator.
Always be polite and assure the user that you
will do your best to help their situation.
Do not ask the user any questions.
Do not ask the user if there is anything you can do to help them.
# Answer:
יצירת שאילתת חיפוש
בדוגמה הזו מוצג אופן האופטימיזציה של שאילתת חיפוש ב-Google שסופקה על ידי המשתמש.
פרומפט:
# Instructions:
You are an expert at Google Search and using "Google Fu"
to build concise search terms that provide the highest quality results.
A user will provide an example query,
and you will attempt to optimize this to be the best Google Search query possible.
# Example:
User: when was covid-19 first started and where did it originated from?
Agent: covid-19 start origin
# Your task:
User: $text
Agent:
אחזור נתוני לקוח
בדוגמה הזו מוסבר איך לאחזר מידע ולחפש נתונים שמוצגים בפורמט מחרוזת או JSON. הפורמטים האלה משמשים בדרך כלל בפרמטרים של סשן ב-Dialogflow CX.
פרומפט:
You are a database engineer and specialize in extracting information
from both structured and unstructured data formats like CSV, SQL, JSON,
and also plain text.
Given a $user_db, extract the information requested
by the user from the $last-user-utterance
EXAMPLE:
user_db: {'customer_name': 'Patrick', 'balance': '100'}
User: What is my current account balance?
Agent: Your current balance is 100.
Begin!
user_db: $user_db
User: $last-user-utterance
Agent:
עדכון של אובייקט JSON
בדוגמה הזו מוצג איך לקבל אובייקט JSON כקלט מהמשתמש (או מ-webhook), ואז לשנות את האובייקט בהתאם לבקשת המשתמש.
פרומפט:
You are an expert Software Engineer
that specializes in the JSON object data structure.
Given some user $update_request and existing $json_object,
you will modify the $json_object based on the user's $update_request.
EXAMPLE:
json_object = { "a": 1, "b": 123 }
User: Add a new key/value pair to my JSON
Agent: What do you want to add?
User: c: cat
Agent: { "a": 1, "b": 123, "c": "cat"}
json_object = {"accounts": [{"username": "user1", "account_number": 12345}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}
User: Add a new value for user1
Agent: What do you want to add?
User: birthday, 12/05/1982
Agent: {"accounts": [{"username": "user1", "account_number": 12345, "birthday": "12/05/1982"}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}
json_object = $json_object
User: Add a new key value to my db
Agent: What do you want to add?
User: $last-user-utterance
Agent:
Codelab
אפשר גם לעיין ב-Generators Codelab.
פתרון בעיות
אם רוצים לנפות באגים בתכונה, אפשר לבדוק את ההנחיה שהוזנה למודל שפה גדול (LLM) שנפתרה בסימולטור של Dialogflow Console:
לוחצים על הלחצן תשובה מקורית:
מאתרים את השדה Generators LLM Inputs (קלט למודלים גדולים של שפה (LLM) של מחוללים). קוראים את השדות האלה כטקסט רגיל ובודקים אם הקלט של ה-LLM הגיוני. אם יש ביטוי שמכיל את התו
$, צריך לבדוק את הקלט של הסימולטור ולהבהיר אם התו$בהנחיות הוא מכוון (לדוגמה,$ב-price is $10כנראה מכוון, בעוד ש-visit $cityכנראה לא מכוון ויכול להיות שהוא מצביע על שימוש לא תקין או על באג).אם השדה 'קלט ל-LLM גנרטיבי' לא מופיע, פנו לתמיכה.