Validasi agen

Seperti yang dibahas di halaman Desain agen, desain agen Anda dapat sangat memengaruhi kualitas agen Anda. Untuk membantu desainer agen membuat agen berkualitas tinggi, Dialogflow menyediakan fitur validasi. Hasil validasi agen tersedia secara otomatis setiap kali pelatihan agen dilakukan dan selesai. Anda dapat mengakses hasil validasi dari Konsol Dialogflow atau API.

Hasil validasi hanya bersifat informatif. Hasil validasi memberikan daftar error yang harus Anda perbaiki untuk meningkatkan kualitas dan performa agen Anda. Jika agen Anda memiliki error, Anda dapat memilih untuk mengabaikannya dan meluncurkan agen Anda. Validasi agen tidak memengaruhi perilaku agen dengan cara apa pun.

Berikut beberapa contoh hasil yang mungkin Anda temukan:

• Intent memiliki frasa pelatihan yang terlalu mirip.
• Intent berisi parameter yang tidak digunakan dalam frasa pelatihan yang cukup.
• Tidak ada contoh negatif untuk intent penggantian.
• Teks ini dianotasi dalam beberapa frasa pelatihan, tetapi tidak di frasa pelatihan lainnya.

Mengaktifkan dan menonaktifkan validasi otomatis

Secara default, validasi agen dilakukan secara otomatis setiap kali agen dilatih. Anda dapat mengaktifkan dan menonaktifkan setelan ini:

1. Buka konsol Dialogflow ES.
2. Pilih agen Anda.
3. Klik ikon setelan di samping nama agen.
4. Pilih tab Setelan ML.
5. Aktifkan (default) atau nonaktifkan setelan Validasi Agen.

Halaman validasi agen

Untuk mengakses data validasi agen Anda:

1. Buka konsol Dialogflow ES.
2. Pilih agen Anda.
3. Klik Validasi di menu sidebar.

Hasil validasi untuk intent dan entity

Saat Anda membuka halaman daftar intent atau daftar entity, intent atau entity apa pun yang memiliki error validasi akan menampilkan indikator error di samping nama.

Saat Anda membuka halaman untuk intent atau entity tertentu yang memiliki error validasi, indikator error akan ditampilkan di dekat tombol Simpan.

Mengklik tombol ini akan menampilkan daftar error untuk intent atau entity. Secara default, hanya error dengan tingkat keparahan CRITICAL atau ERROR yang ditampilkan. Anda dapat mengalihkan jenis tingkat keparahan untuk juga menampilkan WARNING dan INFO.

Anda juga dapat melihat indikator error untuk frasa pelatihan dan parameter tertentu, dan Anda dapat mengarahkan kursor ke indikator ini untuk melihat detailnya.

Hasil validasi untuk versi dan lingkungan

Saat melihat versi dan lingkungan, setiap versi agen mungkin memiliki error validasi yang unik. Jika ada error, ikon validasi akan muncul di samping versi.

Mengklik ikon akan menampilkan detailnya.

Hasil validasi dengan API

Pada umumnya, Anda akan melihat hasil validasi menggunakan Konsol Dialogflow. Namun, Anda juga dapat mengakses data ini dari API.

REST

Panggil metode getValidationResult pada jenis Agents.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID Google Cloud Anda

Metode HTTP dan URL:

GET https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/agent/validationResult?languageCode=en

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login, atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_ID" \
     "https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/agent/validationResult?languageCode=en"

PowerShell (Windows)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login. Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Jalankan perintah berikut:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/agent/validationResult?languageCode=en" | Select-Object -Expand Content

Anda akan melihat respons JSON seperti berikut:

{
  "validationErrors": [
    {
      "severity": "ERROR",
      "entries": [
        "projects/my-project/agent/intents/58b44b2d-4967-4a81-b017-12623dcd5d28/parameters/bf6fdf55-b862-4101-b5b1-36f1423629d0"
      ],
      "errorMessage": "Parameter 'test' has an empty value."
    },
    {
      "severity": "WARNING",
      "entries": [
        "projects/my-project/agent/intents/271e3808-3c91-4e6b-89e8-47951abcec8d"
      ],
      "errorMessage": "Intent 'app.current.update' does not have enough unique training phrases. Consider adding more different examples."
    },
    {
      "severity": "ERROR",
      "entries": [
        "projects/my-project/agent/intents/26e64b1b-eaa7-4ce2-be46-631a501fccbe/trainingPhrases/a650375e-083c-4bb5-9794-ba9453e51282",
        "projects/my-project/agent/intents/58b44b2d-4967-4a81-b017-12623dcd5d28/trainingPhrases/1d947780-22d3-4f80-8d7a-3f86efbf0be3"
      ],
      "errorMessage": "Multiple intents share training phrases which are too similar:\n - Intent 'app.notifications.open': training phrase 'open allo notifications settings'\n - Intent 'app.current.notifications.open': training phrase 'open notifications settings'"
    },
  ]
}

Status Tingkat Keparahan

Validasi dapat menampilkan status tingkat keparahan berikut:

Tingkat Keparahan	Deskripsi
INFO	Agen tidak mengikuti praktik terbaik.
PERINGATAN	Agen mungkin tidak berperilaku seperti yang diharapkan.
ERROR	Agen mungkin mengalami kegagalan sebagian.
CRITICAL	Agen mungkin gagal sepenuhnya.
SEVERITY_UNSPECIFIED	Tidak ditentukan. Nilai ini tidak boleh digunakan. (Tingkat keparahan ini dapat dilakukan melalui API)

Memaksa validasi

Hasil validasi agen tersedia secara otomatis setiap kali pelatihan agen dilakukan dan selesai. Untuk memaksa hasil validasi baru, Anda dapat menonaktifkan validasi otomatis, dan memicunya secara manual. Lihat halaman setelan ML Agen di konsol.

Menangani banyak masalah

Jika sejumlah besar masalah ditemukan, Anda harus mempertimbangkan hal berikut:

• Perbaiki masalah dalam batch kecil. Jika ada banyak masalah serupa, memperbaiki satu masalah dapat memperbaiki masalah serupa setelah Anda melatih ulang agen.
• Maksimal 5.000 masalah ditampilkan sekaligus. Jika Anda memiliki lebih dari 5.000 masalah, Anda mungkin tidak akan melihat pengurangan jumlah hingga masalah yang tersisa kurang dari 5.000.