Criar e configurar um gerador de treinador de IA

Este guia oferece um passo a passo abrangente para criar e configurar geradores de coach de IA no console do Agent Assist. Ele preenche a lacuna entre as visões gerais conceituais e a integração de ferramentas técnicas, detalhando as etapas e a lógica específicas necessárias.

Criar um gerador

Siga estas etapas para criar um gerador:

  1. Faça login no console do Agent Assist e selecione coach de IA na barra lateral Recursos.

    Console do Agent Assist

  2. Clique em Criar para abrir o painel de configuração.

Configurações principais

Defina as seguintes configurações principais:

  • Nome do gerador: forneça um identificador exclusivo e descritivo (por exemplo, upsell-pixel-watch).
  • Seleção de versão: escolha a versão estável mais recente. Preste atenção às dicas de ferramentas do ciclo de vida da versão:
    • Visualização: apenas lista de permissões; ainda não está disponível para o público em geral.
    • Legado: depreciação pendente; atualize em breve para evitar interrupções no serviço.
    • Descontinuado: não é mais compatível; atualize imediatamente.
  • Acionador no nível do gerador: define o evento padrão para o modelo avaliar a conversa (por exemplo, Em mensagens do cliente).

Orientação geral

Use a seção Orientação geral para definir regras globais que se aplicam a todas as instruções no gerador. Isso ajuda a manter a consistência sem repetir a lógica em cada instrução.

  • Glossário: defina termos específicos da empresa. Exemplo:
    Account authentication is considered completed if the PIN matches.
    
  • Estilo e tom: especifique como o agente deve soar. Exemplo:
    Always be empathetic and avoid jargon.
    
  • Processo de raciocínio: diga ao modelo como pensar. Exemplo:
    Prioritize security-related instructions over upselling.
    

Para mais detalhes ou exemplos sobre a orientação geral, consulte Práticas recomendadas: orientação geral.

Configurar instruções

Os geradores são compostos por uma ou mais instruções. Cada instrução define um cenário específico e a orientação correspondente para o agente. Adicione instruções usando os seguintes parâmetros:

Componente Descrição Requisito ou formato
Título de exibição Um nome usado para gerenciar várias instruções. Não fica visível para o LLM.
Detalhes de exibição Conteúdo estático mostrado ao agente. Aceita a marcação para links e rich text.
Acionador de instrução Quando essa instrução específica é acionada. Substitui os acionadores no nível do gerador.
Condição Quando a instrução é aplicável. Visível para o modelo (por exemplo, "O cliente pergunta sobre preços").
Ação do agente O que o agente deve fazer ou dizer. Visível para o modelo; aceita lógica passo a passo.
Ferramentas Ações automatizadas do sistema. Formato: ${tool:tool_name/action}

Para diretrizes detalhadas sobre condições, ações e ações do sistema, consulte Práticas recomendadas: instruções.

Práticas recomendadas para a qualidade das sugestões

Para otimizar a qualidade das sugestões geradas pelo coach de IA, considere as seguintes recomendações:

  • Exemplos concretos: se o modelo fornecer respostas genéricas, adicione seções "Por exemplo" na Ação do agente. Exemplo:
    For Galaxy phones, recommend Galaxy Watch.
    
  • Modelos de mensagens: use modelos de mensagens nas suas ações para controlar a redação exata:
    Since we've been talking about [Topic], I'd like to recommend [Product] because [Reason].
    
  • Deduplicação de sugestões: ative a Deduplicação de sugestões na configuração do gerador para evitar mostrar sugestões duplicadas ou muito semelhantes ao agente repetidamente. É possível ajustar o limite de similaridade (padrão 0.8) para controlar a sensibilidade. Para detalhes e campos de protobuf, consulte Práticas recomendadas: deduplicação de sugestões.

Testar com o simulador

Antes de implantar o gerador em um perfil de conversa, use o simulador para validar o comportamento dele:

  • Digite mensagens como um cliente ou agente para ver comandos e acionadores em tempo real.
  • Faça upload de arquivos de conversa JSON (até 300 mensagens) para testar fluxos complexos multiturno.
  • Verifique se a extração de entidades identifica corretamente os parâmetros (como endereços ou números de contas) e os transmite para os inputParameters das suas ferramentas.