במהלך שיחה, סוכני Dialogflow CX תמיד משתמשים במודלים של שפה כדי להבין את הכוונה של משתמשי הקצה, אבל אתם יכולים להחליט אם ואיך המודלים של השפה ישמשו לתשובות של הסוכן. כשמעצבים את הסוכן, אפשר לבחור בין תכונות גנרטיביות מלאות, תכונות גנרטיביות חלקיות ותכונות דטרמיניסטיות.
במדריך הזה מופיעה סקירה כללית של התכונות האלה, והוא עוזר לכם להחליט באילו תכונות להשתמש.
גנרטיבי לחלוטין
התכונות הגנרטיביות המלאות מבוססות על מודלים גדולים של שפה (LLM) של Vertex AI, שמיועדים להבנת הכוונות של משתמשי הקצה וליצירת תשובות של נציגים. התכונות האלה מאפשרות לנהל שיחות טבעיות.
בהמשך מופיעה סקירה כללית של התכונות הגנרטיביות המלאות:
- Playbooks מאפשרים ליצור סוכנים וירטואליים באמצעות מודלים גדולים של שפה (LLM). מספקים הוראות בשפה טבעית ונתונים מובנים. כך אפשר לקצר את הזמן שנדרש ליצירה ולתחזוקה של נציגים וירטואליים, וליצור סוגים חדשים של ממשקי צ'אט עם AI לעסק.
- מאגרי נתונים מנתחים ומבינים את התוכן הציבורי או הפרטי שלכם, כמו אתרים או מסמכים פנימיים. אחרי שהמידע הזה עובר אינדוקס, הסוכן יכול לענות על שאלות ולנהל שיחות לגבי התוכן.
תהליכים דטרמיניסטיים
אם אתם רוצים שליטה יותר דטרמיניסטית בשיחה ובכל התשובות של הסוכן, אתם יכולים לעצב את הסוכן באמצעות תהליכי עבודה:
- Flows משתמשת במודלים של שפה כדי להבין את הכוונה של משתמשי הקצה, שיכולה להיות לא דטרמיניסטית. אבל אחרי שהכוונה נקבעת, יש לכם שליטה מלאה בזרימת השיחה ובתשובות של הנציג. עיצוב סוכן עם תהליכים דטרמיניסטיים דורש יותר זמן עיצוב, אבל זו אפשרות טובה לסוכנים שנדרשת בהם שליטה מפורשת בתשובות של הסוכן.
תהליכי עבודה שנוצרו חלקית על ידי AI
הזרימות כוללות תכונות גנרטיביות אופציונליות שבהן אפשר להשתמש כשלא צריך שליטה דטרמיניסטית בתשובות של הסוכן בתרחישים מסוימים.
התכונות האלה הן:
- גנרטורים יוצרים תשובות של סוכנים. במקום לספק את התשובה של הסוכן באופן מפורש, אתם מספקים הנחיה ל-LLM שיכולה לטפל בתרחישים רבים, כולל סיכום שיחות, מענה לשאלות, אחזור נתוני לקוח והעברה לטיפול אנושי.
- מענה גנרטיבי כגיבוי יוצר תשובות של נציגים כשהקלט של משתמש הקצה לא תואם לכוונות צפויות. במקרים מסוימים, אפשר להפעיל את התכונה 'חזרה לגנרטיבי' על ידי הזנת הנחיה ל-LLM כדי ליצור את התשובה.