KI-Agentenverhalten mit selbst erstelltem Kontext steuern

Auf dieser Seite wird beschrieben, wie Sie Ihren Daten-Agenten für die Conversational Analytics API am besten selbst erstellten Kontext zur Verfügung stellen, indem Sie effektive Prompts mit Systemanweisungen und für BigQuery-Daten zusätzlich strukturierten Kontext schreiben. Die Angabe von Kontext ist zwar optional, aber gut strukturierter Kontext kann die Genauigkeit (Accuracy) und Relevanz der Antworten verbessern, die die API liefert.

Was ist der vom Nutzer erstellte Kontext?

Der erstellte Kontext ist eine Anleitung, die Entwickler bereitstellen können, um das Verhalten eines Daten-Agenten zu beeinflussen und die Antworten der API zu optimieren. Diese Anleitung umfasst Systemanweisungen in freiem Format und für BigQuery-Datenquellen strukturierte Kontextfelder mit Informationen wie Tabellenbeschreibungen und Beispielabfragen. Um Fragen zu beantworten, kombiniert der KI-Agent diesen selbst erstellten Kontext mit Informationen aus Datenquellen (z. B. BigQuery-Tabellen, Looker-Explores und Looker Studio-Datenquellen) und mit dem Unterhaltungsverlauf (für Multi-Turn-Unterhaltungen).

Wenn Sie durch strukturierte Kontextfelder und Systemanweisungen in Form von Freitext klare Anleitungen geben, kann der Agent Nutzerfragen besser interpretieren und nützliche und genaue Antworten generieren. Ein gut definierter Kontext ist besonders nützlich, wenn Sie eine Verbindung zu Daten wie BigQuery-Tabellen herstellen. Sie können beispielsweise erstellten Kontext verwenden, um einem Agenten die folgenden Arten von Anleitungen zu geben:

  • Unternehmensspezifische Logik: Einen treuen Kunden als jemanden definieren, der innerhalb eines bestimmten Zeitraums mehr als fünf Käufe getätigt hat.
  • Antwortformatierung: Alle Antworten Ihres Daten-Agenten in maximal 20 Worten zusammenfassen, um Ihren Nutzern Zeit zu sparen.
  • Datendarstellung: Alle Zahlen gemäß dem Styleguide des Unternehmens formatieren.

Kontext angeben

Welche Informationen Sie angeben können, hängt von Ihrer Datenquelle ab:

  • Für BigQuery-Daten können Sie sowohl strukturierten Kontext als auch Systemanweisungen definieren. Die besten Ergebnisse erzielen Sie, wenn Sie dem Agenten zuerst über die verfügbaren strukturierten Felder Kontextinformationen zur Verfügung stellen. Anschließend können Sie zusätzliche Anleitungen geben, indem Sie Systemanweisungen definieren.
  • Bei Looker-Daten wird der selbst erstellte Kontext nur über Systemanweisungen bereitgestellt.

Sie stellen strukturierten Kontext in API-Feldern für Details wie Tabellenbeschreibungen und Beispielabfragen bereit. Sie stellen Systemanweisungen als YAML-formatierte Zeichenfolge über den Parameter system_instruction bereit.

Nachdem Sie den von Ihnen erstellten Kontext definiert haben, können Sie ihn in einem der folgenden Aufrufe an die API übergeben: