Agent Assist 文章建议功能会跟踪人工客服与最终用户之间的对话,并会为人工客服提供相关文档建议。人工客服可在对话进行过程中检查这些建议,并决定要阅读或与最终用户分享的文档。在人工客服与最终用户对话过程中,您可以使用文章建议来帮助人工客服了解和解决最终用户问题。
Agent Assist 提供了基准文章建议模型,可供您向客服人员建议文章。或者,您可以使用自己上传的对话数据训练自定义模型以提高性能。如果您想要训练自定义建议模型来用于文章建议,请与您的 Google 代表联系。
本文档将引导您完成使用 API 实现文章建议功能,并在运行时从此功能中获取建议的过程。您可以选择在设计过程中使用 Agent Assist 控制台来测试您的文章建议结果,但在运行时必须直接调用 API。如需详细了解如何使用 Agent Assist 控制台测试功能性能,请参阅教程部分。
准备工作
在开始本指南之前,请先完成以下操作:
- 为您的 GCP 项目启用 Dialogflow API。
- 为您的项目启用 Data Labeling API。
配置对话配置文件
如需获取 Agent Assist 的建议,您必须创建一个包含您已上传的文档的知识库,并配置对话配置文件。如果您不希望直接调用 API,还可以使用 Agent Assist 控制台来执行这些操作。
创建知识库
在开始上传文档之前,您必须先创建一个知识库来放入文档。如需创建知识库,请对 KnowledgeBase
类型调用 create
方法。
REST 和命令行
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- KNOWLEDGE_BASE_DISPLAY_NAME:所需的知识库名称
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/knowledgeBases
请求 JSON 正文:
{ "displayName": "KNOWLEDGE_BASE_DISPLAY_NAME" }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/knowledgeBases/NDA4MTM4NzE2MjMwNDUxMjAwMA", "displayName": "KNOWLEDGE_BASE_DISPLAY_NAME" }
knowledgeBases
后面的路径段包含新知识库 ID。
Python
创建知识文档
您现在可以向知识库添加文档。如需在知识库中创建文档,请对 Document
类型调用 create
方法。将 KnowledgeType
设置为 ARTICLE_SUGGESTION
。本示例使用已上传到公开共享的 Cloud Storage 存储桶的包含退货订单信息的 HTML 文件。在您自己的系统中设置文章建议时,文档必须采用以下格式之一。如需详细了解文档最佳实践,请参阅“知识文档”文档。
知识文档格式包括:
- 存储在 Cloud Storage 存储桶中的文件。您可以在调用 API 时指定路径。
- 文档的文本内容,您可以在 API 请求中发送。
- 公开网址。
REST 和命令行
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- KNOWLEDGE_BASE_ID:上一项请求返回的您的知识库 ID
- DOCUMENT_DISPLAY_NAME:所需的知识文档名称
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/knowledgeBases/KNOWLEDGE_BASE_ID/documents
请求 JSON 正文:
{ "displayName": "DOCUMENT_DISPLAY_NAME", "mimeType": "text/html", "knowledgeTypes": "ARTICLE_SUGGESTION", "contentUri": "gs://agent-assist-public-examples/public_article_suggestion_example_returns.html" }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/operations/ks-add_document-MzA5NTY2MTc5Mzg2Mzc5NDY4OA" }
该响应是一个长时间运行的操作,您可以轮询该操作以检查是否完成。
Python
创建对话配置文件
对话配置文件可配置一组参数,用于控制对话期间向客服人员提出的建议。以下步骤将使用 HumanAgentAssistantConfig
对象创建 ConversationProfile
。如果您不希望直接调用 API,还可以使用 Agent Assist 控制台来执行这些操作。
我们建议您将初始置信度阈值设置为 0.44(如果您使用的是旧版基准模型,则为 0.1)。如有必要,您可以将阈值提高到建议的范围以上。提高阈值会提高准确率并降低覆盖率(建议的数量更少);降低阈值会降低准确率并提高覆盖率(建议的数量更多)。
REST 和命令行
如需创建对话配置文件,请对ConversationProfile
资源调用 create
方法。
noSmallTalk
:如果为 true
,则在简短对话消息(例如“您好”、“您好吗”等)后不会触发建议。如果为 false
,则在简短对话消息后会触发建议。
onlyEndUser
:如果为 true
,则只有在最终用户消息后才会触发建议。如果为 false
,则在最终用户和人工客服消息后都会触发建议。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- KNOWLEDGE_BASE_ID:您的知识库 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversationProfiles
请求 JSON 正文:
{ "name": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID", "displayName": "my-conversation-profile-display-name", "humanAgentAssistantConfig": { "notificationConfig": {}, "humanAgentSuggestionConfig": { "featureConfigs": [ { "enableInlineSuggestion": true, "SuggestionTriggerSettings": { "noSmallTalk": true, "onlyEndUser": true, } "suggestionFeature": { "type": "ARTICLE_SUGGESTION" }, "queryConfig": { "knowledgeBaseQuerySource": { "knowledgeBases": [ "projects/PROJECT_ID/knowledgeBases/KNOWLEDGE_BASE_ID" ] } } } ] } }, "sttConfig": {}, "languageCode": "en-US" }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID", "displayName": "my-conversation-profile-display-name", "humanAgentAssistantConfig": { ... } }
conversationProfiles
后面的路径段包含新对话配置文件 ID。
Python
(可选)设置安全设置
您可以选择设置安全参数以解决数据隐去和数据保留等问题。为此,您必须创建一个 SecuritySettings
资源,然后使用 securitySettings
字段 将其关联到某个对话配置文件。
添加到对话配置文件中的安全设置只会影响 Agent Assist 短信的行为。Dialogflow 互动历史记录的行为由 Dialogflow 的安全设置控制,您可以使用 Dialogflow CX 控制台进行设置。
在运行时处理对话
创建对话
当最终用户与人工或虚拟客服之间开始对话时,您需要创建对话。如需查看建议,您还必须创建最终用户参与者和人工客服参与者,并将其添加到对话中。以下部分将引导您完成此过程。
首先,您必须创建一个对话:
REST 和命令行
如需创建对话,请对Conversation
资源调用 create
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_PROFILE_ID:您在创建对话配置文件时收到的 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations
请求 JSON 正文:
{ "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID", }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID", "lifecycleState": "IN_PROGRESS", "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID", "startTime": "2018-11-05T21:05:45.622Z" }
conversations
后面的路径段包含新对话 ID。
Python
创建最终用户参与者
您必须将最终用户参与者和人工客服参与者添加到对话中才能查看建议。首先,将最终用户参与者添加到对话中:
REST 和命令行
如需创建最终用户参与者,请对 Participant
资源调用 create
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_ID:您的对话 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants
请求 JSON 正文:
{ "role": "END_USER", }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID", "role": "END_USER" }
participants
后面的路径段包含新的最终用户参与者 ID。
Python
创建人工客服参与者
将人工客服参与者添加到对话中:
REST 和命令行
如需创建人工客服参与者,请对 Participant
资源调用 create
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_ID:您的对话 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants
请求 JSON 正文:
{ "role": "HUMAN_AGENT", }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID", "role": "HUMAN_AGENT" }
participants
后面的路径段包含新的人工客服参与者 ID。
Python
添加和分析人工客服的消息
每次任一参与者在对话中输入消息时,您都需要向 API 发送该消息以进行处理。Agent Assist 的建议基于对人工客服和最终用户消息的分析。在以下示例中,人工客服通过询问“您需要什么帮助?”来开始对话。响应中尚未返回任何建议。
REST 和命令行
如需在对话中添加和分析人工客服消息,请对 Participant
资源调用 analyzeContent
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_ID:您的对话 ID
- PARTICIPANT_ID:您的人工客服参与者 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent
请求 JSON 正文:
{ "textInput": { "text": "How may I help you?", "languageCode": "en-US" } }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "message": { "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID", "content": "How may I help you?", "languageCode": "en-US", "participant": "PARTICIPANT_ID", "participantRole": "HUMAN_AGENT", "createTime": "2020-02-13T00:01:30.683Z" }, "humanAgentSuggestionResults": [ { "suggestArticlesResponse": { "latestMessage": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID", "contextSize": 1 } } ] } } ] }
Python
添加最终用户的消息并获取建议
在回答人工客服时,最终用户说“我想退回订单”。此时,API 响应包含建议的文档及其关联的置信度分数。在本教程的前面部分中,我们向知识库添加了一个知识文档,系统返回了该文档。置信度分数的范围为 0 到 1。值越高,表示文档与对话相关的可能性越高。同时还会返回包含文档前 100 个字符的片段。该片段可以帮助人工客服快速确定文档是否有用。我们建议您将此信息提供给人工客服,他们可能会选择与最终用户分享推荐的文档。
REST 和命令行
如需为对话添加和分析最终用户消息,请对 Participant
资源调用 analyzeContent
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_ID:您的对话 ID
- PARTICIPANT_ID:最终用户参与者 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent
请求 JSON 正文:
{ "textInput": { "text": "I want to return my order.", "languageCode": "en-US" } }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "message": { "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID", "content": "I want to return my order.", "languageCode": "en-US", "participant": "PARTICIPANT_ID", "participantRole": "END_USER", "createTime": "2020-02-13T00:07:35.925Z" }, "humanAgentSuggestionResults": [ { "suggestArticlesResponse": { "articleAnswers": [ { "title": "Return an order", "uri": "gs://agent-assist-public-examples/public_article_suggestion_example_returns.html", "snippets": [ "\u003cb\u003eReturn\u003c/b\u003e an \u003cb\u003eorder\u003c/b\u003e. Follow the steps below for Made-up Store \u003cb\u003ereturns\u003c/b\u003e. At this time, \nwe don't offer exchanges. In most cases, you can drop off \u003cb\u003ereturns\u003c/b\u003e at any Made-up\n ..." ], "metadata": { "title": "Return an order", "snippet": "\n \n\n\u003ch1\u003eReturn an order\u003c/h1\u003e \nFollow the steps below for Made-up Store returns. At this time, we do...", "document_display_name": "my-kdoc" }, "answerRecord": "projects/PROJECT_ID/answerRecords/ANSWER_RECORD_ID" } ], "latestMessage": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID", "contextSize": 2 } } ] }
Python
完成对话
对话结束后,请使用 API 完成对话。
REST 和命令行
如需完成对话,请对conversations
资源调用 complete
方法。
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:您的 GCP 项目 ID
- CONVERSATION_ID:您在创建对话时收到的 ID
HTTP 方法和网址:
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID:complete
如需发送您的请求,请展开以下选项之一:
您应会收到如下所示的 JSON 响应:
{ "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID", "lifecycleState": "COMPLETED", "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID", "startTime": "2018-11-05T21:05:45.622Z", "endTime": "2018-11-06T03:50:26.930Z" }
Python
API 请求选项
以上部分展示了如何创建简单的 ConversationProfile
,以便接收建议。以下部分概述了您可以在对话期间实现的一些可选功能。
Pub/Sub 建议通知
在上述部分中,ConversationProfile 是仅通过人工客服助理创建的。在对话期间,您需要调用 API,以便在每个消息添加到对话后接收建议。如果您希望收到建议的通知事件,则可以在创建对话配置文件时设置 notificationConfig
字段。在对话进行且有新建议可用时,此选项会使用 Cloud Pub/Sub 向应用发送建议通知。