Guía el comportamiento del agente con el contexto creado

En esta página, se describe la mejor manera de proporcionar contexto creado a tus agentes de datos de la API de Conversational Analytics escribiendo instrucciones del sistema y, para algunas fuentes de datos, proporcionando contexto estructurado. Si bien proporcionar contexto creado es opcional, un contexto creado bien estructurado puede mejorar la exactitud y la relevancia de las respuestas que proporciona la API.

¿Qué es el contexto creado?

El contexto creado es una guía que los desarrolladores pueden proporcionar para dar forma al comportamiento de un agente de datos y refinar las respuestas de la API. Esta guía incluye instrucciones del sistema de formato libre y, para algunas fuentes de datos, campos de contexto estructurados con información como descripciones de tablas y consultas de muestra. Para responder preguntas, el agente combina este contexto creado con información de fuentes de datos (como tablas de BigQuery, Exploraciones de Looker y fuentes de datos de Looker Studio) y con el historial de conversaciones (para conversaciones de varios turnos).

Si proporcionas una guía clara a través de campos contextuales estructurados y de instrucciones del sistema de formato libre, puedes mejorar la capacidad del agente para interpretar las preguntas de los usuarios y generar respuestas útiles y precisas. El contexto bien definido es especialmente útil si te conectas a datos como tablas de BigQuery. Por ejemplo, puedes usar el contexto creado para proporcionar los siguientes tipos de orientación a un agente:

Lógica específica de la empresa: Define a un cliente "leal" como aquel que realizó más de cinco compras en un período determinado.
Formato de respuesta: Resume todas las respuestas de tu agente de datos en 20 palabras o menos para ahorrar tiempo a los usuarios.
Presentación de datos: Formatea todos los números para que coincidan con la guía de estilo de la empresa.

Proporciona contexto creado

La información específica que puedes proporcionar depende de tu fuente de datos. Para los datos de BigQuery y Looker, puedes definir tanto el contexto estructurado como las instrucciones del sistema. Para obtener mejores resultados, primero proporciona contexto al agente a través de los campos estructurados disponibles. Luego, puedes proporcionar orientación complementaria definiendo instrucciones del sistema.

Proporcionas contexto estructurado en los campos de la API para obtener detalles como descripciones de tablas y consultas de muestra. Proporcionas instrucciones del sistema como una cadena con formato YAML mediante el parámetro system_instruction.

Después de definir el contexto creado, puedes proporcionarlo a la API en una de las siguientes llamadas:

Crear un agente de datos persistente: Incluye contexto creado dentro del objeto published_context en el cuerpo de la solicitud para configurar el comportamiento del agente que persiste en varias conversaciones. Para obtener más información, consulta Crea un agente de datos (HTTP) o Configura el contexto para el chat con estado o sin estado (SDK de Python).
Enviar una solicitud sin estado: Proporciona contexto creado dentro del objeto inline_context en una solicitud de chat para definir el comportamiento del agente para esa llamada a la API específica. Para obtener más información, consulta Crea una conversación de varios turnos sin estado (HTTP) o Envía una solicitud de chat sin estado con contexto intercalado (SDK de Python).
Envía una solicitud de datos de consulta: Para las fuentes de datos de la base de datos, proporciona el ID del conjunto de contexto del contexto creado dentro del objeto agent_context_reference en la solicitud de datos de consulta. Para obtener más información, consulta Define el contexto del agente de datos para las fuentes de datos de la base de datos.

Práctica recomendada para compilar agentes: Usa el control de versión para el contexto creado

Usa los campos stagingContext, publishedContext y lastPublishedContext para controlar las versiones de contexto cuando compiles agentes con la API de Conversational Analytics. En el siguiente caso de uso, se muestra cómo usar estos campos para crear una versión de etapa de pruebas y de producción del contexto del agente.

Supongamos que usas un agente existente con el campo publishedContext, pero necesitas actualizarlo (por ejemplo, hacer que todos los gráficos sean verdes en lugar de azules).

Para realizar los cambios y probarlos antes de publicarlos, sigue estos pasos:

Realiza los cambios en el agente en el campo stagingContext y prueba el agente con los cambios.
Cuando los cambios estén listos, actualiza el campo publishedContext con los cambios de stagingContext.
Puedes volver al agente anterior según sea necesario actualizando publishedContext a lastPublishedContext.