השיטות המומלצות הבאות יעזרו לכם ליצור סוכנים חזקים.
שם המדריך בשפה טבעית
שמות המדריכים צריכים להיות ברורים, תיאוריים ובאנגלית טבעית. כך אפשר לשפר את הביצועים של AI Generator בזמן הריצה. לדוגמה, "Customer Help Center Playbook" עדיף על "company_specialist".
השמות צריכים להיות באורך של עד 64 תווים, כולל אותיות באנגלית ורווחים.
יעדים תמציתיים
היעדים צריכים להיות תיאור תמציתי של מטרת המדריך.
הוראות איכותיות
ההוראות צריכות:
- תשקף את הגישה שלב אחר שלב לפתרון בעיה של משתמש קצה.
- ההוראות צריכות להיות משפטים תמציתיים בשפה טבעית, ברמה גבוהה.
- היו ברורים וציינו את התרחישים לשימוש בכלי.
לפחות דוגמה אחת לכל מדריך הפעלה
מומלץ להוסיף לפחות ארבע דוגמאות לכל מדריך, אבל אפשר להוסיף גם רק אחת. הדוגמאות צריכות לכלול תרחישים של נתיב חיובי.
אם אין מספיק דוגמאות, סביר להניח ש-playbook יניב התנהגות בלתי צפויה. אם ספר ההפעלה לא מגיב או לא מתנהג כמו שציפיתם, הסיבה לכך היא כנראה דוגמאות חסרות או לא מוגדרות היטב. כדאי לנסות לשפר את הדוגמאות או להוסיף דוגמאות חדשות.
דיוק ההוראות והדוגמאות
הוראות ברורות ומפורטות עוזרות, אבל מה שבאמת קובע את הדיוק של התנהגות תוכנית הפעולה הוא האיכות והכמות של הדוגמאות. במילים אחרות, כדאי להשקיע יותר זמן בכתיבת דוגמאות מפורטות מאשר בכתיבת הוראות מדויקות לחלוטין.
כלי עזר בדוגמאות
אם חוברת ההדרכה נועדה לספק תשובות באמצעות כלים, צריך להפנות לכלים בדוגמאות שמתאימות לסוג הבקשה הזה.
השדה Tool schema (סכימת כלי) operationId
כשמגדירים סכימות לכלים, הערך operationId חשוב. ההוראות במדריך יתייחסו לערך הזה.
ההמלצות הבאות מתייחסות לשם השדה:
- מותר להשתמש רק באותיות, במספרים ובקווים תחתונים.
- הערך חייב להיות ייחודי מבין כל
operationIds שמתוארים בסכימה. - השם צריך להיות משמעותי ולשקף את היכולת שהתוסף מספק.
אימות סכימת הכלים
כדאי לאמת את סכימת הכלי. אפשר להשתמש בSwagger Editor כדי לבדוק את התחביר של סכימת openAPI 3.0.
טיפול בתוצאות ריקות של כלים
אם תסריט ההפעלה מסתמך על כלי כדי לקבל מידע לתגובה, תוצאת כלי ריקה עלולה לגרום להתנהגות בלתי צפויה של תסריט ההפעלה. לפעמים, כלי ה-AI ליצירת תוכניות פעולה יציג הזיות בתשובה במקום תוצאה של כלי. כדי למנוע את זה, אפשר להוסיף הוראות ספציפיות כדי לוודא שכלי ה-AI ליצירת תוכניות משחק לא ינסה לענות בעצמו.
בחלק מתרחישי השימוש, התשובות של מדריך ההפעלה צריכות להתבסס על תוצאות של כלים או על נתונים שסופקו, וצריך לצמצם את התשובות שמבוססות רק על הידע של מחולל ה-AI של מדריך ההפעלה.
דוגמאות להוראות לצמצום הזיות:
- "עליך להשתמש בכלי כדי לענות על כל השאלות של המשתמשים"
- "אם לא יוחזרו נתונים מהכלי, עליך להשיב שאין לך תשובה לשאילתה של המשתמש"
- "אל תמציא תשובה אם לא קיבלת נתונים מהכלי"
יצירת סכימה באמצעות Gemini
Gemini יכול ליצור סכימה בשבילכם. לדוגמה, אפשר לנסות את ההנחיה "תצור דוגמה לסכימת OpenAPI 3.0 ליומן Google".
מדריכים ממוקדים
מומלץ להימנע מיצירת ספרי הפעלה גדולים ומורכבים מאוד. כל מדריך הפעלה צריך להשיג מטרה ספציפית וברורה. אם יש לכם מדריך מורכב, כדאי לפצל אותו למדריכים קטנים יותר.
הימנעות מלולאות ומקריאות רקורסיביות
כשמקשרים סוכנים בהוראות, לא כדאי ליצור לולאות או רקורסיה. לולאה יכולה להתרחש אם מנסים להפנות ל-playbook אב שקרא ל-playbook הנוכחי, באופן ישיר או עקיף.
הצגת מידע על ניתוב בדוגמאות
אם פלייבוק צריך להפנות לפלייבוק אחר, צריך לספק את המידע הזה בדוגמאות. הדוגמה הזו מופיעה בשדה End example with output information בקטע Input & Output.
לדוגמה, המשפט האחרון בשדה הזה יכול להיות 'יש להפנות את השאילתות הנוספות בחזרה לחוברת ההוראות שמוגדרת כברירת מחדל'.
שימוש בפונקציות JavaScript של Dialogflow CX Messenger להתאמה אישית
כשמשתמשים ב-Dialogflow CX Messenger, הפונקציות הבאות שימושיות לשליחת מידע על התאמה אישית של משתמשים מממשק האינטרנט ל-Playbook:
תכנון לשיפור הביצועים
בדרך כלל, כדי ליצור תשובה באמצעות תכונות גנרטיביות נדרשות כמה שניות או אפילו עשרות שניות. המדריכים האלה משפרים את הטבעיות של השיחה, אבל חשוב לנהל את זמני התגובה כדי לשמור על חוויית משתמש חיובית.
ריכזנו כאן כמה אסטרטגיות לשיפור הביצועים:
- שימוש מאוזן בתכונות גנרטיביות: חשוב לשקול את האיזון בין הזמן שנדרש להפעלת כמה תכונות גנרטיביות לבין הערך שהן מוסיפות לשיחה. מומלץ להימנע משימוש יתר בתכונות האלה אם הן לא תורמות באופן משמעותי להשגת היעד של המשתמש.
- צמצום הקלט לתכונות גנרטיביות: כדאי לאסוף ולעבד את הכמות המינימלית של מידע שנדרשת כדי שמחולל AI ייצור תשובה מועילה. הפעולה הזו יכולה לקצר משמעותית את זמן העיבוד.
- שימוש במטמון הקשר: אם אתם משתמשים ב-Gemini באמצעות כלי מסוים ויש לכם הקשר ראשוני גדול, כדאי לבדוק את המידע במטמון באמצעות Vertex AI Context Caching כדי להימנע מבקשות חוזרות לאותם נתונים.
- הטמעה של תשובות קבועות לשיפור המהירות: אם האפליקציה לא צריכה תוכן דינמי ייחודי, כדאי לשקול לאחסן תשובות שמשמשות לעיתים קרובות במסד נתונים רגיל כמו Firebase. התשובות הקבועות מוגדרות מראש וזמינות באופן מיידי, ולכן הן מאפשרות זמני תגובה מהירים בהרבה בהשוואה לתכונה גנרטיבית שצריכה לחשב תשובה תוך כדי תנועה.
- הנחיית כלי ה-AI ליצירת תשובות תמציתיות לתרחישי שימוש: כשמזינים טקסט ומקבלים פלט, זמן התגובה של כלי ה-AI תלוי מאוד במודל שבו משתמשים ובאורך הפלט. תשובות קצרות יכולות לשפר משמעותית את הביצועים. אורך הקלט משפיע גם הוא, אבל אורך הפלט משפיע יותר.