Setelan agen

Agen memiliki banyak setelan yang memengaruhi perilaku. Setiap konsol menyediakan setelan yang berbeda.

Setelan agen konsol Agen Percakapan

Untuk mengakses setelan agen:

Konsol

  1. Buka Konsol Agen Percakapan.
  2. Pilih project Google Cloud Anda.
  3. Pilih agen Anda.
  4. Klik ikon setelan ini di pojok kanan atas.
  5. Perbarui setelan sesuai keinginan.
  6. Klik Simpan.

API

Lihat metode get dan patch/update untuk jenis Agent.

Pilih protokol dan versi untuk referensi Agen:

Protokol V3 V3beta1
REST Referensi agen Referensi agen
RPC Antarmuka agen Antarmuka agen
C++ AgentsClient Tidak tersedia
C# AgentsClient Tidak tersedia
Go AgentsClient Tidak tersedia
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Tidak tersedia Tidak tersedia
Python AgentsClient AgentsClient
Ruby Tidak tersedia Tidak tersedia

Subbagian berikut menjelaskan berbagai kategori setelan agen.

Setelan umum

Setelan umum berikut tersedia untuk agen:

  • Nama tampilan

    Nama yang dapat dibaca manusia untuk agen Anda.

  • Zona waktu

    Zona waktu default untuk agen Anda.

  • Permulaan percakapan

    Setelan ini menentukan apakah agen Anda memulai percakapan dengan playbook generatif atau alur deterministik.

  • Lokasi agen

    Wilayah agen yang Anda pilih saat membuat agen.

  • Kunci agen

    • Mengunci agen

      Menunjukkan apakah agen terkunci. Agen yang terkunci tidak dapat diedit.

  • Setelan logging

    • Mengaktifkan Cloud Logging

      Menunjukkan apakah Logging cloud diaktifkan untuk agen.

    • Mengaktifkan histori percakapan

      Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas.

    • Mengaktifkan penyamaran input pengguna akhir berdasarkan izin

      Jika setelan ini diaktifkan, Anda dapat menggunakan parameter sesi khusus untuk mengontrol apakah input dan parameter pengguna akhir disamarkan dari histori percakapan dan logging Cloud. Secara default, parameter sesi adalah true. Jika setelan ini dinonaktifkan, tidak akan ada penyamaran.

      Izin pengguna dikumpulkan menggunakan parameter sesi boolean: $session.params.conversation-redaction. Jika setelan ini diaktifkan, dan parameter sesi disetel ke false, tidak akan ada penyamaran (strategi penyamaran lainnya tetap berlaku). Jika setelan ini diaktifkan, dan parameter sesi ditetapkan ke true, penyamaran akan terjadi.

      Contoh alur permintaan izin dapat berupa: pertama-tama, tanyakan kepada pengguna apakah mereka ingin menyimpan input pengguna akhir, dan cocokkan respons dengan dua intent, satu adalah "intent ya" dan yang lainnya adalah "intent tidak". Kemudian, tetapkan parameter sesi ke false (tidak ada penyamaran) di preset parameter rute "intent yes" di fulfillment, dan ke true (penyamburan terjadi) di preset parameter rute "intent no".

  • BigQuery Export

    • Mengaktifkan BigQuery Export

      Menunjukkan apakah BigQuery Export diaktifkan.

    • BigQuery dataset

      Nama set data BigQuery.

    • BigQuery table

      Nama tabel BigQuery.

  • Saran Intent

    Anda dapat mengaktifkan saran intent.

  • Masukan pengguna

    Anda dapat mengaktifkan setelan ini untuk memberikan masukan tentang kualitas jawaban agen, yang mencakup suka/tidak suka.

  • Integrasi Git

    Gunakan setelan ini untuk menambahkan integrasi Git.

Setelan AI generatif

Setelan AI generatif berikut tersedia:

  • Umum

    • Pemilihan model generatif

      Pilih model yang digunakan oleh fitur generatif. Untuk informasi selengkapnya, lihat versi model.

    • Batas token

      • Batas token input

        Pilih batas token input untuk model generatif. Ini adalah ukuran token maksimum untuk input yang dikirim ke model. Bergantung pada modelnya, token dapat berupa antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran input model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran input model dapat lebih besar.

      • Batas token output

        Pilih batas token output untuk model generatif. Ini adalah ukuran token maksimum untuk output yang diterima dari model. Bergantung pada modelnya, token dapat berupa antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran output model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran output model dapat lebih besar.

    • Suhu

      Suhu untuk LLM memungkinkan Anda mengontrol seberapa kreatif respons. Nilai rendah memberikan respons yang lebih dapat diprediksi. Nilai tinggi memberikan respons yang lebih kreatif atau acak.

    • Batas token konteks

      Setelan ini menghapus beberapa giliran sebelumnya dari perintah LLM agar ukuran perintah tidak bertambah dengan setiap giliran berurutan yang ditangani oleh agen. Fitur ini menawarkan cara untuk meminimalkan pertumbuhan ukuran perintah yang tidak diinginkan.

      Biasanya, tanpa pemotongan, setiap giliran berikutnya akan ditambahkan ke "histori percakapan" perintah LLM, terlepas dari apakah hal tersebut relevan dengan giliran saat ini. Hal ini pada akhirnya dapat menyebabkan prompt membesar dengan setiap giliran. Karena lebih banyak perintah yang digunakan oleh histori percakapan, lebih sedikit perintah yang dapat digunakan untuk contoh few-shot (sehingga perintah ini mungkin dihapus). Pada akhirnya, perintah tersebut mungkin juga melanggar batas token saat ini. Anda dapat meningkatkan ukuran token untuk mengakomodasi hal ini, tetapi perlu diingat bahwa peningkatan ukuran perintah juga akan menambah latensi respons LLM.

      Pemotongan konteks memungkinkan Anda menetapkan persentase anggaran token yang akan dicadangkan untuk histori percakapan, sebagai maksimum. Giliran percakapan dipertahankan dalam urutan terbaru hingga paling lama. Setelan ini dapat membantu Anda mencegah batas token terlampaui. Apa pun setelan yang Anda pilih, minimal dua giliran percakapan akan dipertahankan, dalam urutan terbaru hingga paling lama.

      Anda harus menetapkan batas token terlebih dahulu sebelum dapat mengubah setelan ini.

      Memotong konteks dapat menyebabkan beberapa parameter hilang secara tidak sengaja jika merupakan bagian dari belokan yang dihapus. Evaluasi interaksi playbook Anda dengan cermat setelah mengaktifkan opsi ini.

      Anggaran input token juga digunakan oleh hal berikut:

      • Petunjuk dan contoh sistem: Otomatis ditambahkan ke perintah. Perilaku ini tidak dapat diubah.
      • Petunjuk dan sasaran Playbook: Setiap petunjuk dan sasaran yang Anda tulis akan ditambahkan ke perintah secara keseluruhan.
      • Contoh few-shot Playbook: Ditambahkan secara berurutan (secara default) atau oleh algoritma yang Anda pilih (seperti pengurutan pencocokan terbaik ekspresi reguler). Contoh dipilih agar sesuai dengan anggaran token input setelah semua item lainnya disertakan.
      • Histori percakapan yang terdiri dari ucapan pengguna dan agen, konteks transisi alur dan playbook, panggilan alat, dan output dalam sesi yang sama dari semua giliran sebelumnya yang ditangani secara berurutan oleh playbook saat ini.

    • Frasa yang dilarang

      Daftar frasa yang dilarang untuk AI generatif. Jika frasa yang dilarang muncul di perintah atau respons yang dihasilkan, pembuatan akan gagal. Perhatikan bahwa daftar frasa yang dilarang memiliki konsekuensi pada setiap kueri dan panggilan LLM dan akan meningkatkan latensi.

    • Filter keamanan

      Konfigurasikan tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori Responsible AI (RAI). Konten akan dinilai berdasarkan empat kategori berikut:

      Kategori Deskripsi
      Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
      Konten berbahaya Mempromosikan atau memungkinkan akses ke barang, layanan, dan/atau aktivitas berbahaya
      Konten seksual vulgar Berisi referensi ke tindakan seksual dan/atau konten cabul lainnya
      Pelecehan Komentar yang jahat, mengintimidasi, menindas, dan/atau kasar yang menargetkan individu lain

      Konten akan diblokir berdasarkan kemungkinan bahwa konten tersebut berbahaya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu dari Blokir beberapa, Blokir beberapa, dan Blokir sebagian besar untuk setiap kategori. Anda juga bisa mendapatkan akses ke opsi terbatas Block none yang menonaktifkan pemeriksaan RAI untuk kategori tersebut setelah mengirimkan permintaan konfirmasi risiko untuk project Anda dan menerima persetujuan.

      Untuk informasi selengkapnya, lihat mengonfigurasi atribut keamanan.

    • Keamanan perintah

      Anda dapat memeriksa setelan enable prompt security check untuk mengaktifkan pemeriksaan keamanan yang cepat. Jika diaktifkan, agen akan mencoba mencegah serangan injection prompt. Serangan ini dapat digunakan untuk mengungkapkan bagian perintah agen atau untuk memberikan respons yang tidak seharusnya diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna mungkin berbahaya.

    • Fallback Generatif

  • Datastore

    Lihat Setelan agen penyimpanan data.

Alur Deterministik

Setelan ini berlaku untuk semua alur di agen ini, kecuali setelan ML yang diterapkan per alur. Untuk mengedit setelan khusus alur lainnya, buka alur di konsol dan edit setelan di sana.

  • Pelatihan intent

    Flow menggunakan algoritma machine learning (ML) untuk memahami input pengguna akhir, mencocokkannya dengan intent, dan mengekstrak data terstruktur. Alur belajar dari frasa pelatihan yang Anda berikan dan model bahasa yang di-build ke dalam alur. Berdasarkan data ini, model akan dibuat untuk membuat keputusan tentang intent mana yang harus dicocokkan dengan input pengguna akhir. Anda dapat menerapkan setelan ML unik untuk setiap alur agen.

    Setelan pelatihan intent berikut tersedia:

    • Koreksi ejaan

      Jika diaktifkan dan input pengguna akhir memiliki kesalahan ejaan atau tata bahasa, intent akan dicocokkan seolah-olah ditulis dengan benar. Respons intent deteksi akan berisi input pengguna akhir yang dikoreksi. Misalnya, jika pengguna akhir memasukkan "Saya ingin apel", kata tersebut akan diproses seolah-olah pengguna akhir memasukkan "Saya ingin apel". Hal ini juga berlaku untuk kecocokan yang melibatkan entitas sistem dan kustom.

      Koreksi ejaan tersedia dalam bahasa Inggris, Prancis, Jerman, Spanyol, dan Italia. Fitur ini tersedia di semua wilayah Agen Percakapan (Dialogflow CX).

      Peringatan dan praktik terbaik:

      • Koreksi ejaan tidak dapat memperbaiki error ASR (automatic speech recognition), sehingga sebaiknya jangan aktifkan untuk agen yang menggunakan input ASR.
      • Input yang dikoreksi dapat cocok dengan intent yang salah. Anda dapat memperbaikinya dengan menambahkan frasa yang sering tidak cocok ke contoh negatif.
      • Koreksi ejaan sedikit meningkatkan waktu respons agen.
      • Jika agen ditentukan menggunakan jargon khusus domain, koreksi mungkin tidak diinginkan.

    • Setelan ML khusus alur

      • Jenis NLU

        Hal ini dapat berupa salah satu dari:

      • Latih otomatis

        Jika diaktifkan, alur akan dilatih setiap kali diperbarui dengan konsol. Untuk alur yang besar, hal ini dapat menyebabkan penundaan UI konsol, jadi Anda harus menonaktifkan setelan ini dan melatih secara manual sesuai kebutuhan untuk alur yang besar.

      • Batas klasifikasi

        Untuk memfilter hasil positif palsu dan tetap mendapatkan beragam input bahasa alami yang cocok untuk agen Anda, Anda dapat menyesuaikan nilai minimum klasifikasi machine learning. Setelan ini mengontrol keyakinan deteksi intent minimum yang diperlukan untuk kecocokan intent.

        Jika skor keyakinan untuk kecocokan intent kurang dari nilai minimum, maka peristiwa tidak cocok akan dipanggil.

        Anda dapat menetapkan nilai minimum klasifikasi terpisah untuk setiap alur dalam setiap bahasa yang diaktifkan untuk agen. Hal ini untuk mengakomodasi berbagai bahasa yang berperforma terbaik pada berbagai nilai minimum klasifikasi. Untuk mengetahui informasi selengkapnya tentang cara membuat agen multibahasa, lihat dokumentasi agen multibahasa.

      • Status pelatihan

        Menunjukkan apakah alur telah dilatih sejak update terbaru pada data alur.

      • Latih

        Gunakan tombol ini untuk melatih alur secara manual.

    • Bahasa

      Bahasa yang didukung oleh agen Anda. Setelah agen dibuat, bahasa default tidak dapat diubah. Namun, Anda dapat melakukan hal berikut:

      1. Ekspor agen Anda ke format JSON.
      2. Ekstrak file yang didownload.
      3. Temukan file agent.json.
      4. Perbarui kolom defaultLanguageCode dan supportedLanguageCodes ke nilai yang diinginkan.
      5. Pulihkan agen ke agen yang sama atau berbeda dari langkah 1.
      6. Perbarui frasa pelatihan dan nilai entity khusus bahasa sesuai kebutuhan.

      Anda juga dapat mengaktifkan deteksi dan pengalihan bahasa otomatis.

Konektivitas

  • Template payload kustom

    Di bagian ini, Anda dapat membuat deskripsi dan payload untuk template payload kustom.

  • Definisi parameter

    Nyatakan dengan jelas parameter apa dari parameter sesi yang akan dikirim ke webhook, dan parameter sesi apa yang dapat ditetapkan oleh respons webhook.

  • Setelan sertifikat klien

    Digunakan untuk mengupload sertifikat SSL.

Ucapan dan IVR

  • Opsi ucapan

    • Text-to-Speech

      • Pemilihan suara

        Anda dapat memilih bahasa dan suara yang digunakan untuk sintesis ucapan.

        Anda dapat mengaktifkan Suara kustom untuk agen dengan memilih opsi suara kustom dari dropbox pemilihan suara dan menentukan nama suara kustom di kolom yang sesuai. Nama suara kustom harus mengikuti pola berikut: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

        • Jika Anda menggunakan gateway telepon, pastikan akun layanan Agen Layanan Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com diberi "AutoML Predictor" di project suara kustom Anda.
        • Untuk panggilan API reguler, pastikan akun layanan yang digunakan untuk memanggil Agen Percakapan (Dialogflow CX) diberi peran "AutoML Predictor" dalam project suara kustom Anda.

    • Speech-to-Text

  • Panggil pendamping

    Lihat Pendamping panggilan.

Setelan UI

Anda dapat menggunakan setelan ini untuk menyesuaikan antarmuka pengguna Messenger dan Pendamping Panggilan.

Keamanan

Lihat Setelan keamanan.

Setelan agen konsol Dialogflow CX

Untuk mengakses setelan agen:

Konsol

  1. Buka konsol Dialogflow CX.
  2. Pilih project Google Cloud Anda.
  3. Pilih agen Anda.
  4. Klik Setelan Agen.
  5. Perbarui setelan sesuai keinginan.
  6. Klik Simpan.

API

Lihat metode get dan patch/update untuk jenis Agent.

Pilih protokol dan versi untuk referensi Agen:

Protokol V3 V3beta1
REST Referensi agen Referensi agen
RPC Antarmuka agen Antarmuka agen
C++ AgentsClient Tidak tersedia
C# AgentsClient Tidak tersedia
Go AgentsClient Tidak tersedia
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Tidak tersedia Tidak tersedia
Python AgentsClient AgentsClient
Ruby Tidak tersedia Tidak tersedia

Subbagian berikut menjelaskan berbagai kategori setelan agen.

Setelan umum

Setelan umum berikut tersedia untuk agen:

  • Nama tampilan

    Nama yang dapat dibaca manusia untuk agen Anda.

  • Zona waktu

    Zona waktu default untuk agen Anda.

  • Bahasa default

    Bahasa default yang didukung oleh agen Anda. Setelah agen dibuat, bahasa default tidak dapat diubah. Namun, Anda dapat melakukan hal berikut:

    1. Ekspor agen Anda ke format JSON.
    2. Ekstrak file yang didownload.
    3. Temukan file agent.json.
    4. Perbarui kolom defaultLanguageCode dan supportedLanguageCodes ke nilai yang diinginkan.
    5. Pulihkan agen ke agen yang sama atau berbeda dari langkah 1.
    6. Perbarui frasa pelatihan dan nilai entity khusus bahasa sesuai kebutuhan.

  • Kunci agen

    • Mengunci agen

      Menunjukkan apakah agen terkunci. Agen yang terkunci tidak dapat diedit.

  • Setelan logging

    • Mengaktifkan Cloud Logging

      Menunjukkan apakah Logging cloud diaktifkan untuk agen.

    • Mengaktifkan logging interaksi

      Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas.

    • Mengaktifkan penyamaran input pengguna akhir berdasarkan izin

      Jika setelan ini diaktifkan, Anda dapat menggunakan parameter sesi khusus untuk mengontrol apakah input dan parameter pengguna akhir disamarkan dari histori percakapan dan logging Cloud. Secara default, parameter sesi adalah true. Jika setelan ini dinonaktifkan, tidak akan ada penyamaran.

      Izin pengguna dikumpulkan menggunakan parameter sesi boolean: $session.params.conversation-redaction. Jika setelan ini diaktifkan, dan parameter sesi disetel ke false, tidak akan ada penyamaran (strategi penyamaran lainnya tetap berlaku). Jika setelan ini diaktifkan, dan parameter sesi ditetapkan ke true, penyamaran akan terjadi.

      Contoh alur permintaan izin dapat berupa: pertama-tama, tanyakan kepada pengguna apakah mereka ingin menyimpan input pengguna akhir, dan cocokkan respons dengan dua intent, satu adalah "intent ya" dan yang lainnya adalah "intent tidak". Kemudian, tetapkan parameter sesi ke false (tidak ada penyamaran) di preset parameter rute "intent yes" di fulfillment, dan ke true (penyamburan terjadi) di preset parameter rute "intent no".

  • Ekspor BigQuery

    • Mengaktifkan BigQuery Export

      Menunjukkan apakah BigQuery Export diaktifkan.

    • BigQuery dataset

      Nama set data BigQuery.

    • BigQuery table

      Nama tabel BigQuery.

  • Saran Intent

    Anda dapat mengaktifkan saran intent.

  • Template payload kustom

    Di bagian ini, Anda dapat membuat deskripsi dan payload untuk template payload kustom.

Setelan ML

Agen Percakapan (Dialogflow CX) menggunakan algoritma machine learning (ML) untuk memahami input pengguna akhir, mencocokkannya dengan intent, dan mengekstrak data terstruktur. Agen Percakapan (Dialogflow CX) belajar dari frasa pelatihan yang Anda berikan dan model bahasa yang di-build ke dalam Agen Percakapan (Dialogflow CX). Berdasarkan data ini, model akan dibuat untuk membuat keputusan tentang intent mana yang harus dicocokkan dengan input pengguna akhir. Anda dapat menerapkan setelan ML unik untuk setiap alur agen, dan model yang dibuat oleh Agen Percakapan (Dialogflow CX) bersifat unik untuk setiap alur.

Setelan ML seluruh agen berikut tersedia:

  • Mengizinkan ML memperbaiki ejaan

    Jika diaktifkan dan input pengguna akhir memiliki kesalahan ejaan atau tata bahasa, intent akan dicocokkan seolah-olah ditulis dengan benar. Respons intent deteksi akan berisi input pengguna akhir yang dikoreksi. Misalnya, jika pengguna akhir memasukkan "Saya ingin apel", kata tersebut akan diproses seolah-olah pengguna akhir memasukkan "Saya ingin apel". Hal ini juga berlaku untuk kecocokan yang melibatkan entitas sistem dan kustom.

    Koreksi ejaan tersedia dalam bahasa Inggris, Prancis, Jerman, Spanyol, dan Italia. Fitur ini tersedia di semua wilayah Agen Percakapan (Dialogflow CX).

    Peringatan dan praktik terbaik:

    • Koreksi ejaan tidak dapat memperbaiki error ASR (automatic speech recognition), sehingga sebaiknya jangan aktifkan untuk agen yang menggunakan input ASR.
    • Input yang dikoreksi dapat cocok dengan intent yang salah. Anda dapat memperbaikinya dengan menambahkan frasa yang sering tidak cocok ke contoh negatif.
    • Koreksi ejaan sedikit meningkatkan waktu respons agen.
    • Jika agen ditentukan menggunakan jargon khusus domain, koreksi mungkin tidak diinginkan.

Setelan ML khusus alur berikut tersedia:

  • Jenis NLU

    Hal ini dapat berupa salah satu dari:

  • Auto train

    Jika diaktifkan, alur akan dilatih setiap kali diperbarui dengan konsol. Untuk alur yang besar, hal ini dapat menyebabkan penundaan UI konsol, jadi Anda harus menonaktifkan setelan ini dan melatih secara manual sesuai kebutuhan untuk alur yang besar.

  • Batas klasifikasi

    Untuk memfilter hasil positif palsu dan tetap mendapatkan beragam input bahasa alami yang cocok untuk agen, Anda dapat menyesuaikan nilai minimum klasifikasi machine learning. Setelan ini mengontrol keyakinan deteksi intent minimum yang diperlukan untuk kecocokan intent.

    Jika skor keyakinan untuk kecocokan intent kurang dari nilai minimum, maka peristiwa tidak cocok akan dipanggil.

    Anda dapat menetapkan nilai minimum klasifikasi terpisah untuk setiap alur dalam setiap bahasa yang diaktifkan untuk agen. Hal ini untuk mengakomodasi berbagai bahasa yang berperforma terbaik pada berbagai nilai minimum klasifikasi. Untuk mengetahui informasi selengkapnya tentang cara membuat agen multibahasa, lihat dokumentasi agen multibahasa.

  • Status pelatihan

    Menunjukkan apakah alur telah dilatih sejak update terbaru pada data alur.

  • Melatih NLU

    Gunakan tombol ini untuk melatih alur secara manual.

Setelan AI generatif

Setelan AI generatif berikut tersedia:

  • Umum

    • Frasa yang dilarang

      Daftar frasa yang dilarang untuk AI generatif. Jika frasa yang dilarang muncul di perintah atau respons yang dihasilkan, pembuatan akan gagal.

    • Filter keamanan

      Konfigurasikan tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori Responsible AI (RAI). Konten akan dinilai berdasarkan empat kategori berikut:

      Kategori Deskripsi
      Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
      Konten berbahaya Mempromosikan atau memungkinkan akses ke barang, layanan, dan aktivitas berbahaya
      Konten seksual vulgar Berisi referensi ke tindakan seksual atau konten cabul lainnya
      Pelecehan Komentar yang jahat, mengintimidasi, menindas, atau melecehkan yang menarget individu lain

      Konten akan diblokir berdasarkan kemungkinan bahwa konten tersebut berbahaya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu dari Blokir beberapa, Blokir beberapa, dan Blokir sebagian besar untuk setiap kategori. Anda juga bisa mendapatkan akses ke opsi terbatas Block none yang menonaktifkan pemeriksaan RAI untuk kategori tersebut setelah mengirimkan permintaan konfirmasi risiko untuk project Anda dan menerima persetujuan.

      Untuk informasi selengkapnya, lihat mengonfigurasi atribut keamanan.

    • Keamanan perintah

      Anda dapat memeriksa setelan enable prompt security check untuk mengaktifkan pemeriksaan keamanan yang cepat. Jika diaktifkan, agen akan mencoba mencegah serangan injection prompt. Serangan ini dapat digunakan untuk mengungkapkan bagian perintah agen atau untuk memberikan respons yang tidak seharusnya diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna mungkin berbahaya.

  • Agen Generatif

    • Pemilihan model generatif

      Pilih model yang digunakan oleh fitur generatif. Untuk informasi selengkapnya, lihat versi model.

    • Pemangkasan konteks playbook

      Pemangkasan konteks playbook menghapus beberapa giliran sebelumnya dari perintah playbook agar ukuran perintah tidak bertambah dengan setiap giliran berurutan yang ditangani oleh playbook. Fitur ini menawarkan cara untuk meminimalkan pertumbuhan ukuran perintah yang tidak diinginkan.

      Biasanya, tanpa pemotongan, setiap giliran berikutnya akan ditambahkan ke "histori percakapan" perintah LLM, terlepas dari apakah hal tersebut relevan dengan giliran saat ini. Hal ini pada akhirnya dapat menyebabkan prompt membesar dengan setiap giliran. Karena lebih banyak perintah yang digunakan oleh histori percakapan, lebih sedikit perintah yang dapat digunakan untuk contoh few-shot (sehingga perintah ini mungkin dihapus). Pada akhirnya, perintah tersebut juga dapat melanggar batas token saat ini. Anda dapat meningkatkan ukuran token untuk mengakomodasi hal ini, tetapi perlu diingat bahwa peningkatan ukuran perintah juga akan menambah latensi respons LLM.

      Pemotongan konteks Playbook memungkinkan Anda menetapkan persentase anggaran token yang akan dicadangkan untuk histori percakapan, sebagai maksimum. Giliran percakapan dipertahankan dalam urutan terbaru hingga paling lama. Setelan ini dapat membantu Anda mencegah batas token terlampaui. Apa pun setelan yang Anda pilih, minimal dua giliran percakapan akan dipertahankan, dalam urutan terbaru hingga paling lama.

      Anda harus menetapkan batas token terlebih dahulu sebelum dapat mengubah setelan ini.

      Penting: Pemotongan konteks dapat menyebabkan beberapa parameter hilang secara tidak sengaja jika merupakan bagian dari belokan yang dihapus. Evaluasi interaksi playbook Anda dengan cermat setelah mengaktifkan opsi ini.

      Anggaran input token juga digunakan oleh hal berikut:

      • Petunjuk dan contoh sistem: Otomatis ditambahkan ke perintah. Perilaku ini tidak dapat diubah.
      • Petunjuk dan sasaran Playbook: Setiap petunjuk dan sasaran yang Anda tulis akan ditambahkan ke perintah secara keseluruhan.
      • Contoh few-shot Playbook: Ditambahkan secara berurutan (secara default) atau oleh algoritma yang Anda pilih (seperti pengurutan pencocokan terbaik ekspresi reguler). Contoh dipilih agar sesuai dengan anggaran token input setelah semua item lainnya disertakan.
      • Histori percakapan yang terdiri dari ucapan pengguna dan agen, konteks transisi alur dan playbook, panggilan alat, dan output dalam sesi yang sama dari semua giliran sebelumnya yang ditangani secara berurutan oleh playbook saat ini.

  • Fallback Generatif

  • Datastore

    Lihat Setelan agen penyimpanan data.

Setelan ucapan dan IVR

Setelan ucapan dan IVR berikut tersedia:

  • Text-to-Speech

    • Pemilihan suara

      Anda dapat memilih bahasa dan suara yang digunakan untuk sintesis ucapan.

      Anda dapat mengaktifkan Suara kustom untuk agen dengan memilih opsi suara kustom dari dropbox pemilihan suara dan menentukan nama suara kustom di kolom yang sesuai. Nama suara kustom harus mengikuti pola berikut: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      • Jika Anda menggunakan gateway telepon, pastikan akun layanan Agen Layanan Dialogflow service-PROJECT_NUMBER@gcp-sa-dialogflow.iam.gserviceaccount.com diberi "AutoML Predictor" di project suara kustom Anda.
      • Untuk panggilan API reguler, pastikan akun layanan yang digunakan untuk memanggil Agen Percakapan (Dialogflow CX) diberi peran "AutoML Predictor" dalam project suara kustom Anda.

  • Speech-to-Text

DTMF

Lihat DTMF untuk integrasi telepon untuk mengetahui informasi selengkapnya.

Multimodal

Lihat Pendamping panggilan.

Setelan berbagi

Lihat Kontrol akses.

Setelan bahasa

Tambahkan dukungan bahasa tambahan ke agen Anda. Untuk mengetahui daftar lengkap bahasa, lihat referensi bahasa.

Deteksi bahasa otomatis

Saat Anda mengonfigurasi deteksi bahasa otomatis, agen chat akan otomatis mendeteksi bahasa pengguna akhir dan beralih ke bahasa tersebut. Lihat dokumentasi deteksi otomatis bahasa untuk mengetahui detailnya.

Setelan keamanan

Lihat Setelan keamanan.

Setelan lanjutan

Saat ini, satu-satunya setelan lanjutan adalah untuk analisis sentimen.

Setelan konsol Agent Builder

Bagian ini menjelaskan setelan yang tersedia untuk aplikasi agen.

Umum

Setelan umum berikut tersedia untuk aplikasi agen:

  • Nama tampilan

    Nama yang dapat dibaca manusia untuk aplikasi agen Anda.

  • Location

    Wilayah aplikasi agen.

  • Kunci aplikasi

    Jika diaktifkan, perubahan pada aplikasi agen tidak diizinkan.

Logging

Setelan logging berikut tersedia untuk aplikasi agen:

  • Mengaktifkan Cloud Logging

    Jika diaktifkan, log akan dikirim ke Cloud Logging.

  • Mengaktifkan Histori Percakapan

    Jika diaktifkan, histori percakapan akan tersedia. Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas. Setelan ini tidak memengaruhi apakah histori percakapan digunakan untuk membuat respons agen.

  • Mengaktifkan BigQuery Export

    Jika diaktifkan, histori percakapan akan diekspor ke BigQuery. Setelan Aktifkan Histori Percakapan juga harus diaktifkan.

GenAI

Setelan AI generatif berikut tersedia untuk aplikasi agen:

  • Pemilihan model generatif

    Pilih model generatif yang harus digunakan agen secara default.

  • Batas token input

    Pilih batas token input untuk model generatif. Ini adalah ukuran token maksimum untuk input yang dikirim ke model. Bergantung pada modelnya, token dapat berupa antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran input model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran input model dapat lebih besar.

  • Batas token output

    Pilih batas token output untuk model generatif. Ini adalah ukuran token maksimum untuk output yang diterima dari model. Bergantung pada modelnya, token dapat berupa antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran output model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran output model dapat lebih besar.

  • Suhu

    Suhu untuk LLM memungkinkan Anda mengontrol seberapa kreatif respons. Nilai rendah memberikan respons yang lebih dapat diprediksi. Nilai tinggi memberikan respons yang lebih kreatif atau acak.

  • Frasa yang dilarang

    Daftar frasa yang dilarang untuk AI generatif. Jika frasa yang dilarang muncul dalam perintah atau respons yang dihasilkan, agen akan menampilkan respons pengganti.

  • Filter keamanan

    Konfigurasikan tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori Responsible AI (RAI). Konten akan dinilai berdasarkan empat kategori berikut:

    Kategori Deskripsi
    Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
    Konten berbahaya Mempromosikan atau memungkinkan akses ke barang, layanan, dan aktivitas berbahaya
    Konten seksual vulgar Berisi referensi ke tindakan seksual atau konten cabul lainnya
    Pelecehan Komentar yang jahat, mengintimidasi, menindas, atau melecehkan yang menarget individu lain

    Konten akan diblokir berdasarkan kemungkinan bahayanya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu dari Block few (hanya memblokir instance konten berbahaya dengan probabilitas tinggi), Block some (instance dengan probabilitas sedang dan tinggi), dan Block most (probabilitas rendah, sedang, dan tinggi) untuk setiap kategori. Anda juga bisa mendapatkan akses ke opsi terbatas Block none yang menonaktifkan pemeriksaan RAI untuk kategori tersebut setelah mengirimkan permintaan konfirmasi risiko untuk project Anda dan menerima persetujuan.

    Untuk informasi selengkapnya, lihat mengonfigurasi atribut keamanan.

  • Keamanan perintah

    Anda dapat memeriksa setelan enable prompt security check untuk mengaktifkan pemeriksaan keamanan yang cepat. Jika diaktifkan, agen akan mencoba mencegah serangan injection prompt. Serangan ini dapat digunakan untuk mengungkapkan bagian perintah agen atau untuk memberikan respons yang tidak seharusnya diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna mungkin berbahaya.

Git

Setelan ini menyediakan integrasi Git. Ikuti petunjuk untuk mengonfigurasi integrasi.

Sebelumnya
Pengumpulan kode pos
Berikutnya
Model ucapan