Guida il comportamento dell'agente con il contesto creato

Questa pagina descrive il modo migliore per fornire un contesto creato agli agenti di dati dell'API Conversational Analytics scrivendo prompt efficaci tramite istruzioni di sistema e, per i dati BigQuery, fornendo anche un contesto strutturato. Sebbene la fornitura di un contesto creato sia facoltativa, un contesto creato ben strutturato può migliorare l'accuratezza e la pertinenza delle risposte fornite dall'API.

Che cos'è il contesto creato?

Il contesto creato è una guida che gli sviluppatori possono fornire per modellare il comportamento di un agente di dati e perfezionare le risposte dell'API. Queste indicazioni includono istruzioni di sistema in formato libero e, per le origini dati BigQuery, campi di contesto strutturati con informazioni come descrizioni delle tabelle e query di esempio. Per rispondere alle domande, l'agente combina questo contesto creato con le informazioni provenienti da origini dati (come tabelle BigQuery, esplorazioni di Looker e origini dati di Looker Studio) e con la cronologia delle conversazioni (per le conversazioni a più turni).

Fornendo indicazioni chiare tramite campi contestuali strutturati e istruzioni di sistema in formato libero, puoi migliorare la capacità dell'agente di interpretare le domande degli utenti e generare risposte utili e accurate. Un contesto ben definito è particolarmente utile se ti connetti a dati come le tabelle BigQuery. Ad esempio, puoi utilizzare il contesto creato per fornire i seguenti tipi di indicazioni a un agente:

  • Logica specifica per l'attività: definisci un cliente "fedele" come un cliente che ha effettuato più di cinque acquisti in un determinato periodo di tempo.
  • Formattazione della risposta: riepiloga tutte le risposte del tuo agente dati in 20 parole o meno per far risparmiare tempo agli utenti.
  • Presentazione dei dati: formatta tutti i numeri in modo che corrispondano alla guida di stile dell'azienda.

Fornire un contesto creato

Le informazioni specifiche che puoi fornire dipendono dall'origine dati:

  • Per i dati BigQuery, puoi definire sia il contesto strutturato sia le istruzioni di sistema. Per ottenere risultati ottimali, fornisci prima il contesto all'agente tramite i campi strutturati disponibili. Puoi quindi fornire indicazioni supplementari definendo le istruzioni di sistema.
  • Per i dati di Looker, il contesto creato viene fornito solo tramite le istruzioni di sistema.

Fornisci un contesto strutturato nei campi API per dettagli come descrizioni delle tabelle e query di esempio. Fornisci le istruzioni di sistema come stringa formattata in YAML utilizzando il parametro system_instruction.

Dopo aver definito il contesto creato, puoi fornirlo all'API in una delle seguenti chiamate:

Best practice per la creazione di agenti: utilizza il controllo delle versioni per il contesto creato

Utilizza i campi stagingContext, publishedContext e lastPublishedContext per controllare le versioni del contesto durante la creazione di agenti con l'API Conversational Analytics. Il seguente caso d'uso illustra come utilizzare questi campi per creare una versione di staging e di produzione del contesto dell'agente.

Supponiamo che tu utilizzi un agente esistente con il campo publishedContext, ma devi apportare un aggiornamento all'agente (ad esempio, rendere tutti i grafici verdi anziché blu).

Per apportare le modifiche e testarle prima della pubblicazione, segui questi passaggi:

  • Apporta le modifiche all'agente nel campo stagingContext e testalo con le modifiche.
  • Quando le modifiche sono pronte, aggiorna il campo publishedContext con le modifiche apportate in stagingContext.
  • Se necessario, puoi ripristinare il vecchio agente aggiornando publishedContext a lastPublishedContext.