Bantuan pengetahuan generatif

Bantuan pengetahuan generatif memberikan jawaban atas pertanyaan agen Anda berdasarkan informasi dalam dokumen yang Anda berikan. Anda dapat menentukan nama domain atau mengupload dokumen untuk agen penyimpanan data berbasis alur atau agen penyimpanan data berbasis playbook. Bantuan pengetahuan generatif menyintesis informasi tersebut dengan percakapan yang sedang berlangsung dan metadata pelanggan yang tersedia untuk memberikan jawaban yang lebih relevan dan tepat waktu kepada agen Anda.

Sebelum memulai

Kecuali jika Anda adalah pemilik project, Anda memerlukan peran ini untuk membuat agen penyimpanan data:

- Dialogflow API Admin
- Discovery Engine Admin

Membuat agen penyimpanan data berbasis alur

1. Aktifkan AI Applications API di konsol Vertex AI.

2. Untuk membuat agen, ikuti langkah-langkah di Agen penyimpanan data berbasis alur.

Membuat agen penyimpanan data berbasis playbook

1. Aktifkan AI Applications API di konsol Vertex AI.

2. Untuk membuat agen, ikuti langkah-langkah di Agen penyimpanan data berbasis playbook.

3. Untuk menghubungkan agen ke penyimpanan data, buat alat penyimpanan data. Lihat Contoh alat penyimpanan data playbook untuk mengetahui informasi selengkapnya.

Menjawab pertanyaan dari agen manusia Anda

Agen penyimpanan data berbasis alur atau berbasis playbook dapat menjawab pertanyaan dari agen manusia Anda berdasarkan dokumen yang Anda berikan.

Langkah 1: Buat profil percakapan

Buat profil percakapan menggunakan konsol Agent Assist atau API.

  {
    "displayName": "my-conversation-profile-display-name",
    "humanAgentAssistantConfig": {
      "humanAgentSuggestionConfig": {
        "featureConfigs": [
          {
            "suggestionFeature": {
              "type": "KNOWLEDGE_SEARCH"
            },
            "queryConfig": {
              "dialogflowQuerySource": {
                "humanAgentSideConfig": {
                  "agent": "projects/PROJECT_ID/locations/LOCATION_ID/agents/AGENT_ID"
                }
              }
            },
            "disableAgentQueryLogging": false,
            "enableConversationAugmentedQuery": false,
          }
        ]
      }
    }
  }
      

Saat Anda membuat profil percakapan di konsol Agent Assist, Agent Assist akan otomatis mengaktifkan Bantuan pengetahuan generatif.

Langkah 2: Gunakan agen penyimpanan data

Secara opsional, gunakan SearchKnowledge API untuk mendapatkan jawaban dari agen penyimpanan data. Anda juga dapat menggunakan konfigurasi berikut sebagai bagian dari permintaan SearchKnowledge:

• querySource: Tetapkan kolom ini untuk menunjukkan apakah agen mengetik kueri atau bantuan pengetahuan generatif menyarankannya secara otomatis.
• exactSearch: Tetapkan kolom ini untuk menunjukkan apakah akan menelusuri kueri input yang persis sama tanpa penulisan ulang kueri.
• endUserMetadata: Tetapkan kolom ini untuk menyertakan informasi tambahan tentang pengguna akhir yang meningkatkan kualitas jawaban yang dihasilkan. Untuk mengetahui detail selengkapnya, lihat halaman personalisasi performa agen Penyimpanan Data.
• searchConfig: Tetapkan kolom ini untuk kontrol tambahan guna meningkatkan dan memfilter dokumen pengetahuan. Untuk mengetahui detail selengkapnya, lihat halaman konfigurasi penelusuran performa agen Data Store.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

• PROJECT_ID: project ID Anda
• LOCATION_ID: ID untuk lokasi Anda
• CONVERSATION_PROFILE_ID: ID profil percakapan Anda dari langkah sebelumnya
• SESSION_ID: ID sesi penelusuran Anda
Histori penelusuran pada sesi yang sama dapat memengaruhi hasil penelusuran. Anda dapat menggunakan ID percakapan berikut untuk ID sesi.
• CONVERSATION_ID: percakapan (antara agen manusia dan pengguna akhir) tempat permintaan penelusuran dipicu
• MESSAGE_ID: pesan percakapan terbaru saat permintaan penelusuran dipicu

Berikut adalah contoh permintaan JSON:

{
  "parent": "projects/PROJECT_ID/locations/LOCATION_ID"
  "query": {
    "text": "What is the return policy?"
  }
  "conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID"
  "sessionId": "SESSION_ID
  "conversation": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID"
  "latestMessage": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID
  "querySource": AGENT_QUERY
  "exactSearch": false
  "searchConfig": {
    "filterSpecs": {
      "filter": "category: ANY(\"persona_B\")"
    }
  }
  "endUserMetadata": {
    "deviceOwned": "Google Pixel 7"
  }
}

Secara opsional, berikan nama resource conversation dan latest_message jika penelusuran agen terjadi selama percakapan dengan pengguna. Kedua kolom ini wajib diisi jika Anda mengaktifkan opsi enable_conversation_augmented_query dan lebih memilih untuk meningkatkan pengalaman jawaban kueri dengan konteks percakapan antara agen dan pengguna.

Simulator

Uji agen penyimpanan data berbasis alur atau berbasis playbook di simulator Agent Assist.

Dalam contoh sebelumnya, agen penyimpanan data berbasis alur menjawab kueri pengguna What is the refund processing time? dengan informasi berikut:

• Jawaban yang dihasilkan AI generatif: Saat paket pengembalian Anda tiba di pusat pengembalian penjual, mungkin perlu waktu hingga 7 hari kerja tambahan untuk memprosesnya. Periksa status pengembalian dana Anda dengan nomor pelacakan pengembalian yang ada di halaman pesanan Anda.
• Judul dokumen informasi yang relevan: Pengembalian barang & pengembalian dana.

Kirim masukan

Untuk mengetahui langkah-langkah mengirim masukan, buka Mengirim masukan ke Agent Assist.

Menjawab pertanyaan agen

Berikut adalah contoh permintaan JSON untuk mengirimkan masukan tentang agen yang menjawab pertanyaan.

{
  "name": "projects/PROJECT_ID/locations/LOCATION_ID/answerRecords/ANSWER_RECORD_ID",
  "answerFeedback": {
    "displayed": true
    "clicked": true
    "correctnessLevel": "FULLY_CORRECT"
    "agentAssistantDetailFeedback": {
      "knowledgeSearchFeedback": {
        "answerCopied": true
        "clickedUris": [
          "url_1",
          "url_2",
          "url_3",
        ]
      }
    }
  }
}

Metadata

Jika Anda mengonfigurasi metadata untuk dokumen pengetahuan, Generative Knowledge Assist dan Proactive Generative Knowledge Assist akan menampilkan metadata dokumen beserta responsnya.

Misalnya, Anda dapat menggunakan metadata untuk menandai apakah dokumen pengetahuan adalah artikel pribadi internal atau artikel publik eksternal. Dalam simulator Agent Assist dan modul UI, Bantuan pengetahuan generatif dan Bantuan pengetahuan generatif proaktif secara otomatis menampilkan nilai metadata dokumen untuk kunci tertentu.

• gka_source_label: Nilai ditampilkan langsung di kartu saran.
• gka_source_tooltip: Jika nilainya berjenis struct, tahan kursor Anda di link sumber untuk meluaskan dan menampilkan nilai dalam tooltip.

Jika Anda memiliki metadata berikut untuk dokumen pengetahuan, kartu saran akan mencantumkan sumber sebagai External Doc dan tooltip menambahkan doc_visibility: public doc.

Metadata: None { "title": "Public Sample Doc", "gka_source_label": "External Doc", "gka_source_tooltip": { "doc_visibility": "public doc" } }

Metadata pengguna akhir

Lampirkan metadata pengguna akhir untuk meningkatkan kualitas dan mempersonalisasi jawaban yang dihasilkan oleh agen Datastore. Untuk Bantuan pengetahuan generatif, Anda dapat melampirkan metadata pengguna akhir ke kolom end_user_metadata atau memasukkannya ke percakapan dengan API IngestContextReferences. Anda dapat menggunakan metadata pengguna akhir yang di-ingest untuk Bantuan pengetahuan generatif dan Bantuan pengetahuan generatif proaktif.

Contoh 1: Melampirkan metadata pengguna akhir

{
  "query": {
     "text": "test query"
  },
  "conversationProfile": "projects/PROJECT_ID/locations/LOCATION_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
  "sessionId": "SESSION_ID",
  "conversation": "projects/PROJECT_ID/locations/LOCATION_ID/conversations/CONVERSATION_ID",
  "querySource": "AGENT_QUERY",
  "endUserMetadata": {
    "Name": "Jack",
    "Age": 33,
    "City": "Tokyo"
  }
}

Contoh 2: Menyerap metadata pengguna akhir

{
  "conversation": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID",
  "contextReferences": {
   "gka_end_user_metadata": {
      "contextContents": [{
"content": "{\"Name\":\"Jack\",\"Age\":33,\"city\":\"Tokyo\"}",
        "contentFormat": "JSON"
      }],
      "updateMode": "OVERWRITE",
      "languageCode": "en-US"
    }
  }
}

Untuk mengetahui detail selengkapnya tentang metadata pengguna akhir di Datastore, lihat informasi tentang personalisasi Dialogflow.

Dukungan bahasa

Lihat daftar lengkap bahasa yang didukung.