Halaman ini menjelaskan cara terbaik untuk memberikan konteks yang dibuat ke agen data Conversational Analytics API Anda dengan menulis perintah yang efektif melalui petunjuk sistem dan, untuk data BigQuery, dengan memberikan konteks terstruktur tambahan. Meskipun memberikan konteks yang dibuat pengguna bersifat opsional, konteks yang dibuat pengguna dan disusun dengan baik dapat meningkatkan akurasi dan relevansi respons yang diberikan API.
Apa yang dimaksud dengan konteks yang dibuat?
Konteks yang dibuat adalah panduan yang dapat diberikan developer untuk membentuk perilaku agen data dan menyempurnakan respons API. Panduan ini mencakup petunjuk sistem bentuk bebas dan, untuk sumber data BigQuery, kolom konteks terstruktur dengan informasi seperti deskripsi tabel dan contoh kueri. Untuk menjawab pertanyaan, agen menggabungkan konteks yang dibuat ini dengan informasi dari sumber data (seperti tabel BigQuery, Eksplorasi Looker, dan sumber data Looker Studio) dan 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 dalam 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 dibuat untuk memberikan jenis panduan berikut kepada agen:
- Logika khusus bisnis: Tentukan pelanggan "loyal" sebagai pelanggan yang telah melakukan lebih dari lima pembelian dalam jangka waktu tertentu.
- Pemformatan respons: Ringkas semua respons dari agen data Anda dalam 20 kata atau kurang untuk menghemat waktu pengguna Anda.
- Presentasi data: Format semua angka agar sesuai dengan panduan gaya perusahaan.
Memberikan konteks yang dibuat
Informasi spesifik yang dapat Anda berikan bergantung pada sumber data Anda:
- Untuk data BigQuery, Anda dapat menentukan konteks terstruktur dan petunjuk sistem. Untuk mendapatkan hasil terbaik, berikan konteks terlebih dahulu kepada agen melalui kolom terstruktur yang tersedia. Kemudian, Anda dapat memberikan panduan tambahan dengan menentukan petunjuk sistem.
- Untuk data Looker, konteks yang dibuat hanya disediakan melalui petunjuk sistem.
Anda memberikan konteks terstruktur di kolom API untuk detail seperti deskripsi tabel dan contoh kueri. Anda memberikan petunjuk sistem sebagai string berformat YAML menggunakan parameter system_instruction.
Setelah menentukan konteks yang Anda buat, Anda dapat memberikannya ke API dalam salah satu panggilan berikut:
- Membuat agen data persisten: Sertakan konteks yang dibuat 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 tanpa status: Berikan konteks yang dibuat 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).
Referensi terkait
- Membangun agen data menggunakan HTTP dan Python
- Membangun agen data menggunakan Python SDK
- Menentukan konteks agen data untuk sumber data BigQuery
- Menentukan konteks agen data untuk sumber data Looker