Halaman ini menjelaskan cara terbaik untuk memberikan konteks yang ditulis ke agen data Conversational Analytics API Anda dengan menulis perintah yang efektif melalui petunjuk sistem dan, untuk beberapa sumber data, dengan memberikan konteks terstruktur tambahan. Meskipun memberikan konteks yang ditulis bersifat opsional, konteks yang ditulis dan terstruktur dengan baik dapat meningkatkan akurasi dan relevansi respons yang diberikan API.
Apa yang dimaksud dengan konteks yang ditulis?
Konteks yang ditulis adalah panduan yang dapat diberikan developer untuk membentuk perilaku agen data dan menyempurnakan respons API. Panduan ini mencakup petunjuk sistem bentuk bebas dan, untuk beberapa sumber data, kolom konteks terstruktur dengan informasi seperti deskripsi tabel dan kueri contoh. Untuk menjawab pertanyaan, agen menggabungkan konteks yang ditulis ini dengan informasi dari sumber data—seperti tabel BigQuery, Looker Explores, Data Studio, dan sumber data database—serta dengan histori percakapan (untuk percakapan multi-turn).
Dengan memberikan panduan yang jelas melalui kolom kontekstual terstruktur dan petunjuk sistem bentuk bebas, Anda dapat meningkatkan kemampuan agen untuk menafsirkan pertanyaan pengguna dan menghasilkan respons yang berguna dan akurat. Konteks yang ditentukan dengan baik sangat berguna jika Anda terhubung ke data seperti tabel BigQuery. Misalnya, Anda dapat menggunakan konteks yang ditulis untuk memberikan jenis panduan berikut kepada agen:
- Logika khusus bisnis: Menentukan pelanggan "loyal" sebagai pelanggan yang telah melakukan lebih dari lima pembelian dalam jangka waktu tertentu.
- Pemformatan respons: Merangkum semua respons dari agen data Anda dalam 20 kata atau kurang untuk menghemat waktu pengguna.
- Presentasi data: Memformat semua angka agar sesuai dengan panduan gaya perusahaan.
Memberikan konteks yang ditulis
Informasi spesifik yang dapat Anda berikan bergantung pada sumber data Anda. Untuk data BigQuery, data Looker, dan data database, Anda dapat menentukan konteks terstruktur dan petunjuk sistem. Untuk mendapatkan hasil terbaik, berikan konteks kepada agen terlebih dahulu melalui kolom terstruktur yang tersedia. Kemudian, Anda dapat memberikan panduan tambahan dengan menentukan petunjuk sistem.
Anda memberikan konteks terstruktur di kolom API untuk detail seperti deskripsi tabel dan kueri contoh. Anda memberikan petunjuk sistem sebagai string berformat YAML menggunakan parameter system_instruction.
Setelah menentukan konteks yang ditulis, Anda dapat memberikannya ke API dalam salah satu panggilan berikut:
- Membuat agen data persisten: Sertakan konteks yang ditulis dalam objek
published_contextdi isi permintaan untuk mengonfigurasi perilaku agen yang tetap ada di beberapa percakapan. Untuk mengetahui informasi selengkapnya, lihat Membuat agen data (HTTP) atau Menyiapkan konteks untuk chat stateful atau stateless (Python SDK). - Mengirim permintaan stateless: Berikan konteks yang ditulis dalam objek
inline_contextdalam permintaan chat untuk menentukan perilaku agen untuk panggilan API tertentu tersebut. Untuk mengetahui informasi selengkapnya, lihat Membuat percakapan multi-turn stateless (HTTP) atau Mengirim permintaan chat stateless dengan konteks inline (Python SDK). - Mengirim permintaan data kueri: Untuk sumber data database, berikan ID set konteks dari konteks yang ditulis dalam objek
agent_context_referencedalam permintaan data kueri. Untuk mengetahui informasi selengkapnya, lihat Menentukan konteks agen data untuk sumber data database.
Praktik terbaik untuk mem-build agen: Menggunakan kontrol versi untuk konteks yang ditulis
Gunakan kolom stagingContext, publishedContext, dan lastPublishedContext untuk mengontrol versi konteks saat mem-build agen dengan Conversational Analytics API. Kasus penggunaan berikut mengilustrasikan cara menggunakan kolom ini untuk membuat versi konteks agen staging dan produksi.
Misalnya, Anda menggunakan agen yang ada dengan kolom publishedContext, tetapi Anda perlu melakukan update pada agen (misalnya, membuat semua diagram berwarna hijau, bukan biru).
Untuk membuat perubahan dan mengujinya sebelum memublikasikan, ikuti langkah-langkah berikut:
- Buat perubahan pada agen di kolom
stagingContext, lalu uji agen dengan perubahan tersebut. - Jika perubahan sudah siap, perbarui kolom
publishedContextdengan perubahan daristagingContext. - Anda dapat kembali ke agen lama jika diperlukan dengan memperbarui
publishedContextkelastPublishedContext.
Referensi terkait
- Mem-build agen data menggunakan HTTP dan Python
- Mem-build agen data menggunakan Python SDK
- Menentukan konteks agen data untuk sumber data BigQuery
- Menentukan konteks agen data untuk sumber data Looker
- Menentukan konteks agen data untuk sumber data database