Hier finden Sie detaillierte Informationen zu Fehlern, zum Nutzungsverhalten von Funktionen und zur Latenz für die generative Wissensunterstützung (Generative Knowledge Assist, GKA) und die proaktive generative Wissensunterstützung (Proactive Generative Knowledge Assist, PGKA). Aktivieren Sie enable_response_debug_info, um diese Details zur Fehlerbehebung im Objekt knowledge_assist_debug_info aufzurufen.
Unterhaltungsprofil für die Fehlerbehebung konfigurieren
Wenn Sie auf Informationen zur Fehlerbehebung für GKA und PGKA zugreifen möchten, müssen Sie das Feld enable_response_debug_info im Unterhaltungsprofil aktivieren. Wenn dieses Feld deaktiviert ist, gibt die Wissenssuche den Fehler NotFound zurück, wenn eine Abfrage keine Ergebnisse liefert. Knowledge Assist gibt eine leere Nachricht zurück. Aktivieren Sie enable_response_debug_info, um eine OK-Antwort mit Details zum Fehlen von Ergebnissen zu erhalten. Diese Änderung wirkt sich auf die API und bestehende Integrationen aus.
Generative Wissensunterstützung (Generative Knowledge Assist, GKA)
Wenn Sie detaillierte Informationen zur Fehlerbehebung für Ihre GKA-Abfragen erhalten möchten, müssen Sie die Funktion in Ihrem Unterhaltungsprofil aktivieren. Legen Sie beim Erstellen oder Aktualisieren eines Unterhaltungsprofils das Feld enable_response_debug_info in human_agent_assistant_config auf true fest.
parent:"projects/PROJECT_ID/locations/LOCATION-ID"
conversation_profile {
display_name: "DISPLAY-NAME"
human_agent_assistant_config {
human_agent_suggestion_config {
feature_configs {
suggestion_feature {
type: KNOWLEDGE_SEARCH
}
query_config {
dialogflow_query_source {
human_agent_side_config {
agent: "projects/PROJECT_ID/locations/LOCATION-NAME/agents/AGENT-ID"
}
}
}
enable_response_debug_info: true
}
}
}
}
Wenn das Feld enable_response_debug_info aktiviert ist, gibt der Generator das Objekt knowledge_search_debug_info als Teil von SearchKnowledgeResponse zusammen mit den generierten Antworten zurück. Diese Informationen liefern wertvolle Einblicke in die Leistung und das Verhalten der Wissenssuche.
Fehlerbehebung für PGKA V2
Wenn das aktivierte enable_response_debug_info field ist, enthält das Objekt KnowledgeAssistDebugInfo mehrere neue Felder speziell für PGKA V2. Um darauf zuzugreifen, müssen baseline_model_version und enable_response_debug_info auf 2.0 festgelegt sein.
Im Folgenden finden Sie ein Beispiel für die Einrichtung, um auf Informationen zur Fehlerbehebung in PGKA V2 zuzugreifen:
"name": "projects/PROJECT_ID/locations/LOCATION/conversationProfiles/PROFILE_ID",
"human_agent_assistant_config": {
"human_agent_suggestion_config": {
"feature_configs": [
{
"suggestion_feature": {
"type": "KNOWLEDGE_ASSIST"
},
"query_config": {
"dialogflow_query_source": {
"agent": "projects/PROJECT_ID/locations/LOCATION/agents/AGENT_ID"
}
},
"conversation_model_config": {
"baseline_model_version": "2.0"
},
"disable_query_search_context": true,
"enable_response_debug_info": true,
"suggestion_trigger_event": "END_OF_UTTERANCE",
}
]
}
}
Details zur Fehlerbehebung
Das Objekt search_knowledge_debug_info enthält mehrere wichtige Informationen, die Ihnen bei der Fehlerbehebung und beim Verständnis des Suchvorgangs für GKA helfen.
Fehler bei der Suche oder unhilfreiche Antwort
Das Feld datastore_response_reason gibt einen allgemeinen Status zur Datenbereitstellung oder zur Qualität der Antwort an. So können Sie schnell feststellen, warum eine Suche möglicherweise fehlgeschlagen ist oder warum die Qualität der Antwort möglicherweise beeinträchtigt ist.
Zulässige Werte:
NONE: Die Anfrage wurde ohne besondere Probleme verarbeitet.SEARCH_OUT_OF_QUOTA: Der Suchvorgang wurde blockiert, weil das Nutzungskontingent überschritten wurde.SEARCH_EMPTY_RESULTS: Die Suche hat keine Dokumente aus Ihrem Datastore zurückgegeben.ANSWER_GENERATION_GEN_AI_DISABLED: Die Funktionen für generative KI sind für Ihr Projekt deaktiviert.ANSWER_GENERATION_OUT_OF_QUOTA: Die Antwortgenerierung wurde blockiert, weil das Nutzungskontingent überschritten wurde.ANSWER_GENERATION_ERROR: Bei der Antwortgenerierung ist ein interner Fehler aufgetreten.ANSWER_GENERATION_NOT_ENOUGH_INFO: Die abgerufenen Dokumente enthielten nicht genügend Informationen, um eine Antwort zu generieren.ANSWER_GENERATION_RAI_FAILED: Die generierte Antwort wurde von Filtern für verantwortungsbewusste Anwendung von KI (Responsible AI, RAI) blockiert.ANSWER_GENERATION_NOT_GROUNDED: Beim Schritt zur Fundierungsprüfung wurde festgestellt, dass die generierte Antwort nicht durch die Quelldokumente belegt war und daher verworfen wurde.
Aktive Verhaltensweisen
Das Objekt search_knowledge_behavior gibt an, welche spezifischen Verhaltensweisen während der GKA-Anfrage aktiv waren.
answer_generation_rewriter_on: Der Werttruegibt an, dass das System die Abfrage des Nutzers umgeschrieben hat, um die Suche in Datastore effektiver zu gestalten. Der Wertfalsegibt an, dass der Generator die Abfrage nicht umgeschrieben hat.end_user_metadata_included: EintrueWert gibt an, dassend_user_metadataim Aufruf an den Datenspeicher-Agenten übergeben wurde. Der Wertfalsegibt an, dassend_user_metadatanicht an den Datenspeicher-Agenten übergeben wurde.
Informationen zur Fehlerbehebung aus aufgenommenem Kontext
Das Feld ingested_context_reference_debug_info enthält Informationen zur Fehlerbehebung im Zusammenhang mit Kontext, der zur Unterstützung der Suche aufgenommen wurde.
project_not_allowlisted: Der Werttruebedeutet, dass das Projekt nicht auf der Zulassungsliste für die Verwendung der Funktion für aufgenommene Kontextreferenzen steht. Der Wertfalsebedeutet, dass das Projekt auf der Zulassungsliste steht.context_reference_retrieved: Gibt an, ob die Kontextreferenz erfolgreich aus der Datenbank abgerufen wurde.ingested_parameters_debug_info: Eine Liste der Parameter, die aus der Kontextreferenz aufgenommen wurden, und deren Status. Für jeden Parameter sehen Sie einen Parameternamen und einen der folgenden Aufnahmestatus.INGESTION_STATUS_SUCCEEDED: Der Parameter wurde erfolgreich aufgenommen.INGESTION_STATUS_CONTEXT_NOT_AVAILABLE: Der Parameter war für die Aufnahme nicht verfügbar.INGESTION_STATUS_PARSE_FAILED: Das System konnte den Inhalt des Parameters nicht parsen.INGESTION_STATUS_INVALID_ENTRY: Die Kontextreferenz hatte eine unerwartete Anzahl von Inhaltseinträgen (sie sollte nur einen haben).INGESTION_STATUS_INVALID_FORMAT: Der Kontextinhalt hatte nicht das erwartete Format (z.B. JSON).INGESTION_STATUS_LANGUAGE_MISMATCH: Die Sprache der Kontextreferenz stimmte nicht mit der Sprache der Unterhaltung überein.
Latenz
Das Objekt
service_latencyunterteilt die in verschiedenen internen Diensten verbrachte Zeit, sodass Sie Leistungsengpässe ermitteln können.internal_service_latencies: Eine Liste mit Latenzdetails für jeden internen Schritt des Prozesses. Jeder Eintrag enthält einen Namen (step), die benötigte Zeit in Millisekunden (latency_ms) sowie die Startzeit (start_time) und die Endzeit (complete_time). Mögliche Namen für einen internen Prozessschritt:total_data_store_agent: Misst die Gesamtzeit, die für die Verarbeitung der gesamten GKA-Anfrage benötigt wird, vom Empfang der Abfrage bis zur Rückgabe einer endgültigen Antwort. Es dient als übergeordneter Timer für alle Schritte der Datenspeichersuche für Agenten.query_rewrite: Die Zeit, die für das Umschreiben der ursprünglichen Abfrage des Nutzers benötigt wird, um die Suche in Ihren Wissensdokumenten effektiver zu gestalten.search_query: Die Zeit, die der Datenspeicher-Agent benötigt, um die Suche in Ihren konfigurierten Datenspeichern mit der (möglicherweise umgeschriebenen) Abfrage auszuführen.summarization: Die Zeit, die für die Generierung einer prägnanten Antwort in natürlicher Sprache aus den Suchergebnissen benötigt wird, die aus Datastore abgerufen wurden (ReAct-Turn).grounding: Die Zeit, die für den Prozess der Fundierungsprüfung benötigt wird. In diesem wichtigen Schritt wird geprüft, ob die generierte Antwort durch die Quelldokumente belegt ist, bevor sie zurückgegeben wird.query_generation: Die Zeit, die für die Analyse der laufenden Unterhaltung und die proaktive Generierung einer relevanten Suchanfrage benötigt wird.generated_query_rai: Die Zeit, die für die Durchführung einer Sicherheitsprüfung für verantwortungsbewusste Anwendung von KI (Responsible AI, RAI) für die proaktiv generierte Abfrage benötigt wird, bevor sie für eine Suche verwendet wird.query_categorization: Die Zeit, die für die Kategorisierung der generierten Abfrage mit Agent Search benötigt wird, falls diese Funktion konfiguriert ist.
Beispiel für eine Antwort mit Informationen zur Fehlerbehebung
Im Folgenden finden Sie ein umfassendes Beispiel dafür, wie das Objekt search_knowledge_debug_info in einer JSON-Antwort aussehen kann.
{
"search_knowledge_debug_info": {
"datastore_response_reason": "ANSWER_GENERATION_NOT_ENOUGH_INFO",
"search_knowledge_behavior": {
"answer_generation_rewriter_on": true,
"end_user_metadata_included": true
},
"ingested_context_reference_debug_info": {
"project_not_allowlisted": false,
"context_reference_retrieved": true,
"ingested_parameters_debug_info": [
{
"parameter": "order_id",
"ingestion_status": "INGESTION_STATUS_SUCCEEDED"
},
{
"parameter": "user_profile",
"ingestion_status": "INGESTION_STATUS_INVALID_FORMAT"
},
{
"parameter": "product_sku",
"ingestion_status": "INGESTION_STATUS_CONTEXT_NOT_AVAILABLE"
}
]
},
"service_latency": {
"internal_service_latencies": [
{
"step": "total_data_store_agent",
"latency_ms": 4125.781,
"start_time": {
"seconds": 1750969252,
"nanos": 550649603
},
"complete_time": {
"seconds": 1750969256,
"nanos": 676430603
}
},
{
"step": "query_rewrite",
"latency_ms": 412.0,
"start_time": {
"seconds": 1750969252,
"nanos": 780119421
},
"complete_time": {
"seconds": 1750969253,
"nanos": 192119421
}
},
{
"step": "search_query",
"latency_ms": 950.0,
"start_time": {
"seconds": 1750969253,
"nanos": 192119421
},
"complete_time": {
"seconds": 1750969254,
"nanos": 142119421
}
},
{
"step": "summarization",
"latency_ms": 721.0,
"start_time": {
"seconds": 1750969254,
"nanos": 142119421
},
"complete_time": {
"seconds": 1750969254,
"nanos": 863119421
}
},
{
"step": "grounding",
"latency_ms": 155.0,
"start_time": {
"seconds": 1750969254,
"nanos": 863119421
},
"complete_time": {
"seconds": 1750969255,
"nanos": 18119421
}
}
]
}
}
}
Proaktive generative Wissensunterstützung (Proactive Generative Knowledge Assist, PGKA)
Die Fehlerbehebung bietet detaillierte Einblicke in die Prozesse der Abfragegenerierung, ‑kategorisierung und ‑abrufung. Das Objekt knowledge_assist_debug_info ist Teil von knowledge_assist_answer in Ihren Vorschlagsergebnissen.
Legen Sie beim Erstellen oder Aktualisieren eines Unterhaltungsprofils das Feld enable_response_debug_info für die Funktion KNOWLEDGE_ASSIST auf true fest.
parent: "projects/PROJECT_ID/locations/LOCATION-ID"
conversation_profile {
display_name: "DISPLAY-NAME"
human_agent_assistant_config {
human_agent_suggestion_config {
feature_configs {
suggestion_feature {
type: KNOWLEDGE_ASSIST
}
query_config {
dialogflow_query_source {
agent: "projects/PROJECT_ID/locations/LOCATION-ID/agents/DATASTORE-AGENT-ID"
}
}
enable_response_debug_info: true
}
}
}
}
Details zur Fehlerbehebung
Das Objekt knowledge_assist_debug_info enthält die folgenden Felder, mit denen Sie den gesamten Lebenszyklus eines proaktiven Vorschlags nachvollziehen können.
Abfrage konnte nicht generiert werden
Das Feld query_generation_failure_reason erklärt, warum in einer Unterhaltung möglicherweise keine proaktive Suchanfrage generiert wurde.
QUERY_GENERATION_FAILED: Bei der Abfragegenerierung ist ein interner Fehler aufgetreten.QUERY_GENERATION_NO_QUERY_GENERATED: Der Generator hat sich entschieden, keine Abfrage zu generieren. Das passiert normalerweise, wenn sich das Unterhaltungsthema nicht geändert hat oder kürzlich eine ähnliche Abfrage vorgeschlagen wurde.QUERY_GENERATION_RAI_FAILED: Filter für verantwortungsbewusste Anwendung von KI (Responsible AI, RAI) haben eine potenzielle Abfrage aus Sicherheitsgründen blockiert.NOT_IN_ALLOWLIST: Filterregeln auf Unterhaltungsprofil- oder Agentenebene haben die Abfragegenerierung blockiert.QUERY_GENERATION_QUERY_REDACTED: Der Generator hat die generierte Abfrage blockiert, weil sie sensible Informationen enthielt, die entfernt wurden.QUERY_GENERATION_AGENT_LANGUAGE_MISMATCH: Die Abfragegenerierung ist fehlgeschlagen, weil die Sprache des Agenten nicht mit der Sprache des Kunden übereinstimmt.QUERY_GENERATION_TRANSLATION_LANGUAGE_MISMATCH: Die Abfragegenerierung ist fehlgeschlagen, weil die Sprache der übersetzten Nachricht nicht mit der Sprache des Unterhaltungsprofils übereinstimmt.QUERY_GENERATION_TRANSLATED_MESSAGE_NOT_FOUND: Der Generator hat eine übersetzte Nachricht für die Abfragegenerierung erwartet, aber keine gefunden.QUERY_GENERATION_EMPTY_CONVERSATION: Die Unterhaltung enthält keine Nachrichten. Diese Funktion ist nur für PGKA V2 verfügbar.QUERY_GENERATION_EMPTY_LAST_MESSAGE: Die letzte Nachricht war leer oder enthielt nur Leerzeichen. Diese Funktion ist nur für PGKA V2 verfügbar.QUERY_GENERATION_TRIGGERING_EVENT_CONDITION_NOT_MET: Die Konfiguration des Triggerereignisses (z.B.AGENT_MESSAGE) stimmte nicht mit der Rolle des letzten Absenders der Nachricht überein. Diese Funktion ist nur für PGKA V2 verfügbar.QUERY_GENERATION_LLM_RESPONSE_PARSE_FAILED: Das System konnte die strukturierte JSON-Ausgabe des Modells nicht parsen. Diese Funktion ist nur für PGKA V2 verfügbar.
Abfrage konnte nicht kategorisiert werden
Das Feld query_categorization_failure_reason erklärt, warum die Abfragekategorisierung möglicherweise fehlgeschlagen ist.
QUERY_CATEGORIZATION_INVALID_CONFIG: Die für die Kategorisierung bereitgestellte Agent Search-Konfiguration ist ungültig. Die Suchmaschine ist beispielsweise leer.QUERY_CATEGORIZATION_RESULT_NOT_FOUND: Das Ergebnis von Agent Search enthielt kein Kategorisierungsergebnis.QUERY_CATEGORIZATION_FAILED: Der Aufruf von Agent Search zur Kategorisierung ist fehlgeschlagen.
Status der Datenspeichersuche
Das Feld datastore_response_reason gibt den Status der Suche in Ihrem Datastore an, nachdem eine Abfrage generiert wurde.
NONE: Datastore hat die Anfrage ohne besondere Probleme verarbeitet.SEARCH_OUT_OF_QUOTA: Agent Assist hat den Suchvorgang blockiert, weil das Nutzungskontingent überschritten wurde.SEARCH_EMPTY_RESULTS: Die Suche hat keine Dokumente aus Ihrem Datastore zurückgegeben.ANSWER_GENERATION_GEN_AI_DISABLED: Die Funktionen für generative KI sind für Ihr Projekt deaktiviert.ANSWER_GENERATION_OUT_OF_QUOTA: Agent Assist hat die Antwortgenerierung blockiert, weil das Nutzungskontingent überschritten wurde.ANSWER_GENERATION_ERROR: Bei der Antwortgenerierung ist ein interner Fehler aufgetreten.ANSWER_GENERATION_NOT_ENOUGH_INFO: Die abgerufenen Dokumente enthielten nicht genügend Informationen, um eine Antwort zu generieren.ANSWER_GENERATION_RAI_FAILED: RAI-Filter haben die generierte Antwort blockiert.ANSWER_GENERATION_NOT_GROUNDED: Beim Schritt zur Fundierungsprüfung wurde festgestellt, dass die Quelldokumente die generierte Antwort nicht belegen. Daher wurde die Antwort verworfen.
Aktive Konfigurationen
Das Objekt knowledge_assist_behavior gibt an, welche spezifischen Konfigurationen für die Anfrage aktiv waren.
answer_generation_rewriter_on:true, wenn der Generator die Abfrage für bessere Suchergebnisse umgeschrieben hat, undfalse, wenn nicht.end_user_metadata_included:true, wenn der Generatorend_user_metadataan Datastore übergeben hat, undfalse, wenn nicht.return_query_only:true, wenn Ihr Profil so konfiguriert ist, dass nur die generierte Suchanfrage zurückgegeben wird, undfalse, wenn Ihr Profil die vollständige Antwort zurückgibt.use_pubsub_delivery:true, wenn Ihr Generator so konfiguriert ist, dass Ergebnisse mit Pub/Sub bereitgestellt werden, undfalse, wenn nicht.disable_sync_delivery:true, wenn die synchrone Bereitstellung der Antwort deaktiviert ist, undfalse, wenn die synchrone Bereitstellung der Antwort aktiviert ist.previous_queries_included:true, wenn der Generator zuvor vorgeschlagene Abfragen während der Abfragegenerierung berücksichtigt hat, undfalse, wenn nicht.use_translated_message:true, wenn eine übersetzte Nachricht für die Abfragegenerierung verwendet wurde, undfalse, wenn nicht.use_custom_safety_filter_level:true, wenn eine benutzerdefinierte Sicherheitsfilterebene angewendet wurde.false, wenn der Generator nur die Standard-Sicherheitsfilterebenen verwendet hat.multiple_queries_generated: Der Werttruegibt an, dass das Modell mehr als eine Abfrage erstellt hat. Diese Funktion ist für PGKA V2 verfügbar.query_contained_search_context: Der Werttruegibt an, dass die generierte Abfrage einen Suchkontext enthielt. Diese Funktion ist für PGKA V2 verfügbar.appended_search_context_count: Gibt die Anzahl der Kontextelemente (z.B. „Produkt“, „Betriebssystem“) an, die erfolgreich in der Suche verwendet wurden. Diese Funktion ist für PGKA V2 verfügbar.
Informationen aus aufgenommenem Kontext
Das Feld ingested_context_reference_debug_info enthält Debug-Informationen im Zusammenhang mit Kontext, der zur Unterstützung der Suche aufgenommen wurde.
project_not_allowlisted: Der Werttruebedeutet, dass das Projekt nicht auf der Zulassungsliste für die Verwendung der Funktion für aufgenommene Kontextreferenzen steht. Der Wertfalsebedeutet, dass das Projekt auf der Zulassungsliste steht.context_reference_retrieved: Gibt an, ob die Kontextreferenz erfolgreich aus der Datenbank abgerufen wurde.ingested_parameters_debug_info: Eine Liste der Parameter, die aus der Kontextreferenz aufgenommen wurden, und deren Status. Für jeden Parameter sehen Sie einen Parameternamen und einen der folgenden möglichen Aufnahmestatus.INGESTION_STATUS_SUCCEEDED: Der Parameter wurde erfolgreich aufgenommen.INGESTION_STATUS_CONTEXT_NOT_AVAILABLE: Der Parameter war für die Aufnahme nicht verfügbar.INGESTION_STATUS_PARSE_FAILED: Das System konnte den Inhalt des Parameters nicht parsen.INGESTION_STATUS_INVALID_ENTRY: Die Kontextreferenz hatte eine unerwartete Anzahl von Inhaltseinträgen (sie sollte nur einen haben).INGESTION_STATUS_INVALID_FORMAT: Der Kontextinhalt hatte nicht das erwartete Format.INGESTION_STATUS_LANGUAGE_MISMATCH: Die Sprache der Kontextreferenz stimmte nicht mit der Sprache der Unterhaltung überein.
Beispiel für eine Antwort zur Fehlerbehebung für PGKA V1
Im Folgenden finden Sie ein umfassendes Beispiel dafür, wie das Objekt knowledge_assist_debug_info in einer Antwort aussehen kann.
{
"knowledge_assist_debug_info": {
"query_generation_failure_reason": "QUERY_GENERATION_NO_QUERY_GENERATED",
"query_categorization_failure_reason": "QUERY_CATEGORIZATION_FAILURE_REASON_UNSPECIFIED",
"datastore_response_reason": "SEARCH_EMPTY_RESULTS",
"knowledge_assist_behavior": {
"answer_generation_rewriter_on": true,
"end_user_metadata_included": false,
"return_query_only": false,
"use_pubsub_delivery": true,
"disable_sync_delivery": true,
"previous_queries_included": true,
"use_translated_message": false,
"use_custom_safety_filter_level": false
},
"ingested_context_reference_debug_info": {
"project_not_allowlisted": false,
"context_reference_retrieved": true,
"ingested_parameters_debug_info": [
{
"parameter": "session_id",
"ingestion_status": "INGESTION_STATUS_SUCCEEDED"
}
]
},
"service_latency": {
"internal_service_latencies": [
{
"step": "query_generation",
"latency_ms": 680.5,
"start_time": {
"seconds": 1753123456,
"nanos": 110220330
},
"complete_time": {
"seconds": 1753123456,
"nanos": 790720330
}
},
{
"step": "search_query",
"latency_ms": 1050.1,
"start_time": {
"seconds": 1753123456,
"nanos": 790720330
},
"complete_time": {
"seconds": 1753123457,
"nanos": 840820330
}
}
]
}
}
}
Beispiel für eine Antwort zur Fehlerbehebung für PGKA V2
Im Folgenden finden Sie umfassende Beispiele für zwei Szenarien.
Beispiel 1: Erfolgreicher Vorschlag mit Verhaltensflags
In diesem Szenario hat das Modell erfolgreich mehrere Abfragen generiert und die Primärabfrage mit Suchkontext angereichert. Erläuterungen zu den Feldern:
multiple_queries_generated: Gibt an, dass das Modell mehr als ein relevantes Thema erstellt hat.query_contained_search_context: Bestätigt, dass die Primärabfrage mit strukturierten Daten angereichert wurde.appended_search_context_count: Die genaue Anzahl der Schlüssel/Wert-Paare (z.B. Anwendungsname, Betriebssystem), die zur Verfeinerung der Suche verwendet wurden.
{
"message": {
"name": "projects/PROJECT_ID/locations/LOCATION/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
"content": "My DesignApp is crashing on Mac. Also, how do I resolve the storage limit error?",
"participant_role": "END_USER"
},
"human_agent_suggestion_results": [
{
"suggest_knowledge_assist_response": {
"knowledge_assist_answer": {
"suggested_query": {
"query_text": "Troubleshoot application crashing",
"search_contexts": [
{ "key": "application name", "value": "DesignApp" },
{ "key": "operating system", "value": "Mac" }
]
},
"suggested_query_answer": {
"answer_text": "To troubleshoot the crash on Mac, ensure..."
},
"answer_record": "projects/PROJECT_ID/locations/LOCATION/answerRecords/ANSWER_RECORD_ID",
"knowledge_assist_debug_info": {
"knowledge_assist_behavior": {
"multiple_queries_generated": true,
"query_contained_search_context": true,
"appended_search_context_count": 2
}
}
},
"latest_message": "projects/PROJECT_ID/locations/LOCATION/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
"context_size": 20,
"additional_suggested_query_results": [
{
"suggested_query": {
"query_text": "Resolve storage limit exceeded error",
"search_contexts": [
{ "key": "storage plan", "value": "1TB" }
]
}
}
]
}
}
]
}
Beispiel 2: Übersprungener Vorschlag mit Fehlergrund
In diesem Szenario hat das System festgestellt, dass kein Vorschlag ausgelöst werden sollte, weil die Ereignisbedingung nicht erfüllt war (z.B. war der Trigger auf AGENT_MESSAGE festgelegt, aber die letzte Nachricht stammte vom END_USER). Anstelle eines Fehlers gibt das System einen erfolgreichen Status mit dem spezifischen Grund zurück.
{
"message": {
"name": "projects/PROJECT_ID/locations/LOCATION/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
"content": "I am having trouble with my account.",
"participant_role": "END_USER"
},
"human_agent_suggestion_results": [
{
"suggest_knowledge_assist_response": {
"knowledge_assist_answer": {
"knowledge_assist_debug_info": {
"query_generation_failure_reason": "QUERY_GENERATION_TRIGGERING_EVENT_CONDITION_NOT_MET"
}
},
"latest_message": "projects/PROJECT_ID/locations/LOCATION/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
"context_size": 20
}
}
]
}
Weitere häufige Fehlerursachen:
QUERY_GENERATION_EMPTY_CONVERSATION: In der Unterhaltung wurden keine Nachrichten gefunden.QUERY_GENERATION_EMPTY_LAST_MESSAGE: Die letzte Nachricht war leer oder enthielt nur Leerzeichen.QUERY_GENERATION_LLM_RESPONSE_PARSE_FAILED: Das System konnte die strukturierte Ausgabe des LLM nicht parsen.