Manuais

Observação: o recurso Playbook está excluído do Dialogflow CX SLA.

Um playbook é o elemento básico dos agentes generativos. Um agente generativo normalmente tem vários playbooks, e cada um deles é definido para lidar com tarefas específicas. Os dados do playbook são enviados ao LLM, que tem as informações necessárias para responder a perguntas e realizar tarefas. Cada playbook pode disponibilizar informações, enviar consultas para serviços externos, ou adiar o processamento de conversas de um fluxo ou outro playbook para lidar com subtarefas.

Limitações

Considere as seguintes limitações:

• Os agentes que usam playbooks não oferecem suporte ao envio de um SMS de acompanhamento de chamada da rota de intent de boas-vindas padrão no fluxo inicial padrão, mas é possível ativar a opção de SMS de acompanhamento de chamada em fluxos padrão.
• Os playbooks não oferecem suporte à entrada de DTMF de sistemas telefônicos.

Suporte ao idioma

Consulte a coluna Playbooks na referência de idioma. Os idiomas marcados para playbooks foram testados quanto à qualidade com modelos gemini-2.0-flash.

Ao usar idiomas diferentes do inglês:

• Na maioria dos casos, use o inglês para instruções do playbook. Para determinados idiomas e casos de uso, você pode receber respostas um pouco melhores se também fornecer instruções no idioma de destino.
• Declare o suporte ao idioma nas instruções do playbook. Por exemplo: "Sempre responda usando o idioma francês".
• Defina seus exemplos no idioma de destino.

Suporte a modelos

É possível selecionar o modelo de LLM usado no playbook nos seguintes locais:

• Selecione o modelo de LLM no nível do agente.

  • Na configuração do agente do console de agentes de conversação -> IA generativa -> Playbook, selecione o modelo pelo nome de exibição no menu suspenso de todos os modelos disponíveis.
  • Especifique o nome do modelo no campo GenerativeSettings.llm_model_settings.model se você usar a API para atualizar a configuração do agente (consulte GenerativeSettings).

• Substituição da seleção de modelo no nível da solicitação.

  • No simulador do console do agente de conversação, selecione o modelo pelo nome de exibição no menu suspenso ao testar um playbook.
  • Especifique o nome do modelo no campo DetectIntentRequest.query_params.llm_model_settings.model se você estiver testando o agente pela API (consulte DetectIntentRequest).

Nome do modelo	Especificação do modelo	Etapa do lançamento
gemini-2.5-flash	Gemini 2.5 flash	GA
gemini-2.5-flash-lite	Gemini 2.5 flash lite	GA
gemini-2.0-flash-001	Gemini 2.0 flash	GA
gemini-2.0-flash-lite-001	Gemini 2.0 flash lite	GA

Regiões compatíveis

Os playbooks são compatíveis com as seguintes regiões:

• global
• asia-south1
• asia-southeast1
• asia-southeast2
• asia-northeast1
• australia-southeast1
• eu (multirregional)
• europe-west1
• europe-west2
• europe-west3
• europe-west4
• europe-west6
• northamerica-northeast1
• us (multirregional)
• us-central1
• us-east1
• us-west1

Dados do playbook

Um playbook tem os seguintes dados:

• Nome do playbook: um nome conciso em linguagem natural que ajuda os desenvolvedores e o LLM a entender as tarefas do playbook
• Objetivos: uma descrição geral do que o playbook deve realizar
• Instruções: define as etapas para atingir o objetivo
• Exemplos: exemplos de conversas com comandos de poucos disparos eficazes para o LLM
• Parâmetros: são usados para armazenar informações sobre uma conversa, como entrada do usuário, informações do sistema do usuário, resultados de ações, e mais.

Comando de LLM

Para cada turno de conversa, o Dialogflow CX usa os dados do playbook de tempo de design e os dados de conversa de tempo de execução para criar um comando de LLM dentro dos limites de token. O conteúdo desse comando é resumido da seguinte maneira, em que os cabeçalhos são ilustrativos e não necessariamente fazem parte do comando.

# INTERNAL_SYSTEM_PROMPT
<you cannot see or edit this>

# INTERNAL_SYSTEM_EXAMPLES
<you cannot see or edit this>

# AVAILABLE_TOOLS_TO_CURRENT_PLAYBOOK
<tool names and schemas, for example...>

## Tool: my_datastore
   description: blah
   input: blah
   output: blah

## Tool: some_other_custom_tool
   description: blah
   input: blah
   output: blah

# PLAYBOOK
<verbatim Goal and Instructions that you provide in the console>

# PLAYBOOK_EXAMPLES
<as many Examples for the current Playbook as can fit in the prompt>

## Example 1

## Example 2
..
..
..
## Example N (up to the input token limit)

# CURRENT_CONVERSATION
<the conversation up to this point w/ some caveats...>

* Caveat 1: If there was a transition from Playbook A -> Playbook B, the
  Conversation that happened in Playbook A is summarized and provided as context
* Caveat 2: If there was a transition from Flow A -> Playbook A, the
  Conversation that happened prior to the entry of Playbook A is summarized and
  provided to the Playbook

Tipos de playbook

Ao criar um playbook, selecione o tipo de playbook que você quer: playbook de tarefas ou de rotina.

Playbooks de tarefas

Os playbooks de tarefas são o tipo original de playbook. Eles são usados para dividir tarefas complexas em subtarefas menores e reutilizáveis. Eles são usados para modelar estágios de conversa composicionais , em que cada estágio se comunica por parâmetros de entrada e saída.

O exemplo a seguir mostra um playbook de tarefas (autor da chamada) chamando outro playbook de tarefas (recebedor da chamada):

1. O autor da chamada inicia o recebedor da chamada.
2. O autor da chamada fornece os parâmetros de entrada necessários ao recebedor da chamada.
3. O recebedor da chamada processa essas informações, executa a função designada e retorna os parâmetros de saída.
4. O autor da chamada recebe parâmetros do recebedor da chamada.

Qualquer playbook de rotina ou tarefa pode chamar outro playbook de tarefa, mas um playbook de tarefa não pode chamar outro playbook de rotina.

Playbooks de rotina

Os playbooks de rotina são um novo tipo de playbook. Eles são usados para modelar estágios de conversa sequenciais , em que cada estágio é completo e independente. Eles podem chamar playbooks de tarefas para decompor tarefas maiores em subtarefas menores e podem fazer a transição para outros playbooks ou fluxos de rotina.

O exemplo a seguir mostra um playbook de rotina (A), fazendo a transição para outro playbook de rotina (B), fazendo a transição para um fluxo (C):

1. O playbook de rotina A pode ler parâmetros de sessão quando é iniciado e gravar parâmetros de sessão pouco antes de sair.
2. O playbook de rotina A sai e faz a transição para o playbook de rotina B.
3. O playbook de rotina B pode ler parâmetros de sessão quando é iniciado e gravar parâmetros de sessão pouco antes de sair.
4. O playbook de rotina B sai e faz a transição para o fluxo C.
5. O fluxo C pode ler e gravar parâmetros de sessão.

Se um playbook de rotina não fizer a transição para outro playbook de rotina ou fluxo, a sessão vai retornar ao último fluxo ativo ou terminar se não houver um.

Os playbooks de rotina têm o seguinte comportamento de gerenciamento de parâmetros:

• Quando um playbook de rotina é inserido, os parâmetros de entrada recebem valores equivalentes aos parâmetros de sessão com o mesmo nome.
• Quando um playbook de rotina sai, ele gera valores para os parâmetros de saída e os atribui a parâmetros de sessão com o mesmo nome.

Comparar tipos de playbook

Categoria	Playbook de tarefas	Playbook de rotina
Latência	Cada vez que um playbook de tarefas chama outro playbook de tarefas, há uma chamada de LLM. Para uma longa cadeia de playbooks de tarefas em um turno de conversa, isso pode aumentar a latência.	Cada playbook de rotina em uma série de transições ocorre em um único turno de conversa. Portanto, há apenas uma chamada de LLM e latência aprimorada.
Regeneração de parâmetros	Quando um playbook de tarefas chama outro playbook de tarefas, os valores de parâmetro precisam ser regenerados. Se houver uma longa cadeia de playbooks de tarefas, essa regeneração poderá levar à perda de contexto.	Os playbooks de rotina usam o armazenamento de sessão para parâmetros, o que cria um contexto mais confiável.
Integração de parâmetros de sessão	Os playbooks de tarefas não interagem bem com os parâmetros de sessão e, em vez disso, exigem que os parâmetros de entrada e retorno sejam definidos.	Os playbooks de rotina interagem bem com os parâmetros de sessão.
Reutilização	Como cada playbook de tarefas tem uma relação pai/filho fixa, as tarefas são fortemente acopladas.	Os playbooks de rotina podem ser definidos de forma independente.

Playbook padrão

Quando você cria um agente generativo usando o console de agentes de conversação, um playbook generativo padrão é criado automaticamente.

O playbook padrão é o ponto de partida para conversas. Há algumas diferenças importantes em relação a outros playbooks:

• O playbook padrão não recebe um resumo das conversas anteriores.
• O playbook padrão não pode definir nem receber parâmetros de entrada.

Criar um playbook

Para criar um playbook:

1. Clique no ícone do playbook na navegação à esquerda do console.
2. Clique no botão Criar novo.
3. Selecione o tipo de playbook Rotina ou Tarefa.
4. Forneça dados do playbook.

Usar a geração de IA para criar um playbook

Ao criar um playbook, um painel de IA generativa é aberto. É possível usar esse painel para gerar dados de playbook.

Importar e exportar playbooks

Depois de criar playbooks usando o console de agentes de conversação, você pode exportá-los para uso em outro agente. Para exportar um playbook:

1. Acesse a lista de playbooks.
2. Clique no botão de exportação do playbook que você quer exportar.
3. Selecione as opções de exportação.
4. Clique em Exportar.

Para importar um playbook que você exportou anteriormente:

1. Acesse a lista de playbooks.
2. Clique em Importar.
3. Selecione as opções de importação.
4. Clique em Importar.