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. Ciò contribuisce al rendimento di AI Generator in fase di runtime. Ad esempio, "Customer Help Center Playbook" è meglio di "company_specialist".
Mantieni tutti i nomi al di sotto dei 64 caratteri, incluse le lettere dell'alfabeto inglese e gli spazi.
Obiettivi concisi
Gli obiettivi devono essere una descrizione concisa dello scopo del playbook.
Fornire istruzioni di qualità
Le istruzioni devono:
- riflettono l'approccio passo passo per risolvere un problema dell'utente finale
- essere frasi concise in linguaggio naturale con istruzioni di alto livello
- essere semplici e specificare gli scenari di utilizzo dello strumento
Almeno un esempio per ogni playbook
Devi avere almeno un esempio per ogni playbook, ma ti consigliamo di averne almeno quattro. Gli esempi devono includere scenari di percorso felice.
Senza un numero sufficiente di esempi, è probabile che un playbook generi un comportamento imprevedibile. Se il playbook non risponde o non si comporta nel modo previsto, la causa è probabilmente dovuta a esempi mancanti o mal definiti. Prova a migliorare gli esempi o ad aggiungerne di nuovi.
Precisione delle istruzioni e degli 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 esaustivi che a scrivere istruzioni perfettamente precise.
Strumenti di riferimento negli esempi
Se il playbook è progettato per fornire risposte utilizzando strumenti, fai riferimento agli strumenti negli esempi corrispondenti a questo tipo di richiesta.
Campo Schema strumento operationId
Quando definisci gli schemi per i tuoi strumenti,
il valore operationId è importante.
Le istruzioni della guida pratica 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 i
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 l'editor Swagger per controllare la sintassi dello schema OpenAPI 3.0.
Gestire i risultati vuoti degli strumenti
Quando un 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, lo strumento AI Generator del playbook allucina informazioni in una risposta al posto del risultato di uno strumento. Per evitare questo problema, puoi aggiungere istruzioni specifiche per assicurarti che il generatore di AI 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 che le risposte basate solo sulle conoscenze dell'AI Generator del playbook vengano mitigate.
Esempi di istruzioni per ridurre le allucinazioni:
- "Devi utilizzare lo strumento per rispondere a tutte le domande degli utenti"
- "Se lo strumento non restituisce dati, rispondi che non conosci la risposta alla query dell'utente"
- "Non inventare una risposta se lo strumento non restituisce dati"
Generare uno schema con Gemini
Gemini può generare uno schema per te. Ad esempio, prova a chiedere "puoi creare uno schema OpenAPI 3.0 di esempio per 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.
Evitare loop e ricorsione
Non creare loop o ricorsioni quando colleghi gli agenti nelle istruzioni. Un loop può verificarsi se provi a eseguire il routing a un playbook principale che, direttamente o indirettamente, ha chiamato quello corrente.
Fornire informazioni di routing agli esempi
Quando un playbook deve essere indirizzato a un altro playbook, devi fornire queste informazioni agli esempi. Questo valore viene fornito in un esempio del campo Esempio finale con informazioni sull'output della sezione di esempio Input e output.
Ad esempio, l'ultima frase di questo campo potrebbe essere "Reindirizza alla playbook predefinita per ulteriori query".
Utilizzare le funzioni JavaScript di Conversational Agents (Dialogflow CX) Messenger per la personalizzazione
Quando utilizzi Conversational Agents (Dialogflow CX) Messenger, le seguenti funzioni sono utili per inviare informazioni di personalizzazione dell'utente dall'interfaccia web al playbook:
Pianificare il rendimento
In genere, le funzionalità di IA generativa richiedono diversi secondi o anche decine di secondi per generare una risposta. Anche se i playbook migliorano la naturalezza della conversazione, è fondamentale gestire i tempi di risposta per mantenere un'esperienza utente finale positiva. Ecco alcune strategie per ottimizzare il rendimento:
Utilizzo della funzionalità di generazione del saldo
Valuta attentamente il compromesso tra il tempo necessario per eseguire più funzionalità di IA generativa e il valore che apportano alla conversazione. Evita di utilizzare eccessivamente queste funzionalità se non contribuiscono in modo significativo all'obiettivo dell'utente.
Ridurre al minimo l'input delle funzionalità di AI generativa
Cerca di raccogliere ed elaborare la quantità minima di informazioni necessarie per consentire a un generatore di AI di generare una risposta utile. Ciò può 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 sulla memorizzazione nella cache utilizzando Vertex AI Context Caching per evitare richieste ripetitive degli stessi dati. Implementare risposte fisse per la velocità:
Se la tua applicazione non richiede contenuti dinamici e unici, 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.
Chiedere al generatore di AI di produrre risposte concise per il playbook
Per l'input e l'output di testo, il tempo di risposta del generatore di AI dipende in larga misura dal modello utilizzato e dalla lunghezza dell'output. Le risposte brevi possono migliorare significativamente le prestazioni. Sebbene anche la lunghezza dell'input sia un fattore da considerare, la lunghezza dell'output ha un impatto maggiore.