Nesta página, descrevemos como fornecer o melhor contexto criado para seus agentes de dados da API Conversational Analytics escrevendo comandos eficazes com instruções do sistema e, para dados do BigQuery, fornecendo também contexto estruturado. Embora o contexto criado seja opcional, um contexto bem estruturado pode melhorar a acurácia e a relevância das respostas fornecidas pela API.
O que é contexto criado?
O contexto criado é uma orientação que os desenvolvedores podem fornecer para moldar o comportamento de um agente de dados e refinar as respostas da API. Essas orientações incluem instruções do sistema de formato livre e, para fontes de dados do BigQuery, campos de contexto estruturados com informações como descrições de tabelas e exemplos de consultas. Para responder a perguntas, o agente combina esse contexto criado com informações de fontes de dados (como tabelas do BigQuery, análises detalhadas do Looker e fontes de dados do Looker Studio) e com o histórico de conversas (para conversas em várias etapas).
Ao fornecer orientações claras por meio de campos contextuais estruturados e instruções do sistema de formato livre, você pode melhorar a capacidade do agente de interpretar as perguntas dos usuários e gerar respostas úteis e precisas. Um contexto bem definido é especialmente útil se você estiver se conectando a dados, como tabelas do BigQuery. Por exemplo, é possível usar o contexto criado para fornecer os seguintes tipos de orientação a um agente:
- Lógica específica da empresa: defina um cliente "fiel" como aquele que fez mais de cinco compras em um determinado período.
- Formatação da resposta: resuma todas as respostas do seu agente de dados em 20 palavras ou menos para economizar tempo dos usuários.
- Apresentação de dados: formate todos os números de acordo com o guia de estilo da empresa.
Fornecer contexto criado
As informações específicas que você pode fornecer dependem da sua fonte de dados:
- Para dados do BigQuery, é possível definir o contexto estruturado e as instruções do sistema. Para melhores resultados, primeiro forneça contexto ao agente usando os campos estruturados disponíveis. Em seguida, você pode fornecer orientações complementares definindo instruções do sistema.
- Para dados do Looker, o contexto criado é fornecido apenas por instruções do sistema.
Você fornece contexto estruturado em campos da API para detalhes como descrições de tabelas e exemplos de consultas. Você fornece instruções do sistema como uma string formatada em YAML usando o parâmetro system_instruction
.
Depois de definir o contexto criado, você pode fornecê-lo à API em uma das seguintes chamadas:
- Criar um agente de dados persistente: inclua o contexto criado no objeto
published_context
no corpo da solicitação para configurar um comportamento do agente que persista em várias conversas. Para mais informações, consulte Criar um agente de dados (HTTP) ou Configurar o contexto para chat com ou sem estado (SDK do Python). - Envio de uma solicitação sem estado: forneça o contexto criado no objeto
inline_context
em uma solicitação de chat para definir o comportamento do agente para essa chamada de API específica. Para mais informações, consulte Criar uma conversa sem estado com várias interações (HTTP) ou Enviar uma solicitação de chat sem estado com contexto inline (SDK do Python).
Recursos relacionados
- Criar um agente de dados usando HTTP e Python
- Criar um agente de dados usando o SDK do Python
- Definir o contexto do agente de dados para fontes de dados do BigQuery
- Definir o contexto do agente de dados para fontes de dados do Looker