Le seguenti best practice possono aiutarti a creare agenti robusti.
Nome del playbook in linguaggio naturale
I nomi dei playbook devono essere chiari, descrittivi e in inglese naturale. In questo modo si migliora il rendimento di AI Generator in fase di runtime. Ad esempio, "Customer Help Center Playbook" è meglio di "company_specialist".
Mantieni tutti i nomi sotto i 64 caratteri, inclusi alfabeti e spazi inglesi.
Obiettivi concisi
Gli obiettivi devono essere una descrizione concisa dello scopo del playbook.
Fornisci istruzioni di qualità
Le istruzioni devono:
- riflettere l'approccio passo passo per risolvere un problema dell'utente finale
- essere frasi concise in linguaggio naturale di istruzioni di alto livello
- essere semplici e specificare gli scenari per l'utilizzo degli strumenti
Almeno un esempio per ogni playbook
Dovresti avere almeno un esempio per ogni playbook, ma è consigliabile averne almeno quattro. Gli esempi devono includere scenari di percorso felice.
Senza esempi sufficienti, è probabile che un playbook comporti un comportamento imprevedibile. Se il playbook non risponde o non si comporta nel modo previsto, è probabile che la causa siano esempi mancanti o mal definiti. Prova a migliorare gli esempi o ad aggiungerne di nuovi.
Precisione di istruzioni ed esempi
Sebbene sia utile scrivere istruzioni chiare e descrittive, sono la qualità e la quantità degli esempi a determinare l'accuratezza del comportamento del playbook. In altre parole, dedica più tempo a scrivere esempi completi che a scrivere istruzioni perfettamente precise.
Strumenti di riferimento negli esempi
Se il playbook è progettato per fornire risposte utilizzando gli strumenti, fai riferimento agli strumenti negli esempi corrispondenti a questo tipo di richiesta.
Campo operationId dello schema dello strumento
Quando definisci gli schemi per i tuoi strumenti, il valore operationId è importante.
Le istruzioni del playbook faranno riferimento a questo valore.
Di seguito sono riportati i consigli per la denominazione di questo campo:
- Solo lettere, numeri e trattini bassi.
- Deve essere univoco tra tutti gli
operationIddescritti nello schema. - Deve essere un nome significativo che rifletta la funzionalità fornita.
Convalida dello schema dello strumento
Devi convalidare lo schema dello strumento. Puoi utilizzare il Swagger Editor per controllare la sintassi dello schema openAPI 3.0.
Gestisci i risultati degli strumenti vuoti
Quando il playbook si basa su uno strumento per informare la sua risposta, un risultato dello strumento vuoto può portare a un comportamento imprevedibile del playbook. A volte, AI Generator del playbook allucina le informazioni in una risposta anziché in un risultato dello strumento. Per evitare questo problema, puoi aggiungere istruzioni specifiche per assicurarti che AI Generator del playbook non tenti di rispondere da solo.
Alcuni casi d'uso richiedono che le risposte del playbook siano ben fondate sui risultati degli strumenti o sui dati forniti e devono attenuare le risposte basate solo sulla conoscenza di AI Generator del playbook.
Esempi di istruzioni per attenuare le allucinazioni:
- "Devi utilizzare lo strumento per rispondere a tutte le domande degli utenti"
- "Se non ricevi dati dallo strumento, rispondi che non conosci la risposta alla query dell'utente"
- "Non inventare una risposta se non ricevi dati dallo strumento"
Genera uno schema con Gemini
Gemini può generare uno schema per te. Ad esempio, prova a dire "can you create an example openAPI 3.0 schema for Google Calendar".
Playbook mirati
Evita di creare playbook molto grandi e complessi. Ogni playbook deve svolgere un'attività specifica e chiara. Se hai un playbook complesso, valuta la possibilità di suddividerlo in playbook secondari più piccoli.
Evita loop e ricorsione
Non creare loop o ricorsione quando colleghi gli agenti nelle istruzioni. Un loop può verificarsi se provi a eseguire il routing a un playbook predecessore che, direttamente o indirettamente, ha chiamato quello corrente.
Fornisci informazioni di routing agli esempi
Quando un playbook deve eseguire il routing a un altro playbook, devi fornire queste informazioni agli esempi. Queste informazioni vengono fornite a un esempio dal campo End example with output information (Termina esempio con informazioni di output) della sezione di esempio Input &Output (Input e output).
Ad esempio, la frase finale di questo campo potrebbe essere "Reroute back to the default playbook for further queries." (Esegui di nuovo il routing al playbook predefinito per ulteriori query).
Utilizza le funzioni JavaScript di Dialogflow CX Messenger per la personalizzazione
Quando utilizzi Dialogflow CX Messenger, le seguenti funzioni sono utili per inviare informazioni di personalizzazione dell'utente dall'interfaccia web al playbook:
Pianificazione del rendimento
In genere, le funzionalità generative richiedono diversi secondi o addirittura decine di secondi per generare una risposta. Sebbene i playbook migliorino la naturalezza conversazionale, è fondamentale gestire i tempi di risposta per mantenere un'esperienza utente finale positiva. Ecco alcune strategie per ottimizzare il rendimento:
Bilancia l'utilizzo delle funzionalità generative
Valuta attentamente il compromesso tra il tempo necessario per eseguire più funzionalità generative e il valore che apportano alla conversazione. Evita di utilizzare eccessivamente queste funzionalità se non contribuiscono in modo significativo all'obiettivo dell'utente.
Riduci al minimo l'input delle funzionalità generative
Cerca di raccogliere ed elaborare la quantità minima di informazioni richieste da AI Generator per generare una risposta utile. In questo modo è possibile ridurre notevolmente il tempo di elaborazione.
Utilizza la memorizzazione nella cache del contesto
Se utilizzi Gemini tramite uno strumento e hai un contesto iniziale di grandi dimensioni, esplora le informazioni di memorizzazione nella cache utilizzando la memorizzazione nella cache del contesto di Vertex AI per evitare richieste ripetitive degli stessi dati. Implementa risposte fisse per la velocità:
Se la tua applicazione non richiede contenuti dinamici e univoci, valuta la possibilità di archiviare le risposte utilizzate di frequente in un database tradizionale come Firebase. Poiché sono predefinite e facilmente disponibili, queste risposte fisse forniscono tempi di risposta molto più rapidi rispetto a una funzionalità generativa che deve calcolare una risposta al volo.
Chiedi ad AI Generator di produrre risposte concise del playbook
Per l'input e l'output di testo, il tempo di risposta di AI Generator dipende in larga misura dal modello utilizzato e dalla lunghezza dell'output. Le risposte brevi possono migliorare notevolmente il rendimento. Sebbene anche la lunghezza dell'input sia un fattore importante, la lunghezza dell'output ha un impatto maggiore.