Verbesserungen bei der Leistung von Datenspeichern

Dieser Leitfaden enthält Empfehlungen zum Überwachen und Optimieren der Leistung von Datenspeicher-Handlern.

Leistung Ihrer Kundenservicemitarbeiter im Blick behalten

Sie können den Unterhaltungsverlauf Ihrer Kundenservicemitarbeiter im Blick behalten und das Analysetool für Statistiken zu Kundenservicemitarbeitern verwenden.

Selfservice-Bewertung ausführen

Sie können eine Selfservice-Bewertung durchführen, bei der die Qualität Ihres Datenspeicher-Agenten bewertet und Änderungen empfohlen werden.

Antworten von Kundenservicemitarbeitern verbessern

Wenn Sie während des Tests einige Antworten finden, die nicht Ihren Erwartungen entsprechen, versuchen Sie Folgendes:

• Sie können eine Antwort überschreiben, indem Sie für eine bestimmte Frage einen FAQ-Eintrag hinzufügen.
• Wenn Sie mit strukturierten FAQs keine zufriedenstellenden Antworten erhalten, versuchen Sie es mit unstrukturierten FAQs.
• Mithilfe von Suchkonfigurationen können Sie dafür sorgen, dass die richtigen Antworten angezeigt werden.
• Verwenden Sie die Konfigurationen für die Textanalyse und die Blockierung, um Antworten zu optimieren.
• Informationen zum Verboten bestimmter Wortgruppen finden Sie unter Agent-Einstellungen: Verbotene Wortgruppen.
• Informationen zum Anpassen der Inhaltsfilter für verantwortungsbewusste KI (Responsible AI, RAI) finden Sie unter Agent-Einstellungen: Sicherheitsfilter.

Optimierung der Datenspeichertools, die von Playbooks verwendet werden

Mit dieser Einstellung wird die RAG eines Datenspeichers beschleunigt und die Latenz verbessert, da die Nutzerabfrage nicht umgeschrieben und die Toolparameter nicht dynamisch ausgefüllt werden. Das bedeutet, dass die Nutzerabfrage unverändert an den Datenspeicher übergeben wird und keine Filter oder Parameter für Nutzermetadaten ausgefüllt werden.

Sie können diese Funktion in der Dialogflow CX-Konsole aktivieren, indem Sie das Playbook auswählen und dann auf den Tab Einstellungen klicken. Sie können das Playbook so konfigurieren, dass alle Folgeaktionen sofort verarbeitet werden oder auf die nächste Eingabe des Endnutzers gewartet wird.

Wenn die Funktion aktiviert ist, werden die folgenden Playbook-Anweisungen weiterhin berücksichtigt:

• Wann die Nutzerabfrage mithilfe der Datenspeicher beantwortet werden soll.
• Gibt an, wann Nutzeranfragen nicht über die Datenspeicher beantwortet werden sollen, sondern stattdessen eine alternative Antwort ausgegeben werden soll.
• Alle anweisenden Formulierungen, die defensiv sind, z. B. „Antworte nicht auf Fragen zu Mitbewerbern“.

Wenn diese Option aktiviert ist, werden die folgenden Playbook-Anweisungen ignoriert. Aktivieren Sie diese Einstellung nicht, wenn eine der folgenden Abfrageanforderungen zutrifft:

• Bestimmte Datenspeicherfilter, die gemäß der Anleitung ausgefüllt werden sollen.
• Anleitung zum Anwenden von Metadaten zur Nutzerpersonalisierung, die von Filtern übergeben werden.
• Alle anderen Anweisungen zum Umschreiben der Nutzerabfrage vor dem Abfragen des Datenspeichers.

Ablenkungen in Unterhaltungen

Ein Endnutzer kann während einer Unterhaltung Fragen stellen, um etwas zu verdeutlichen. Beispielsweise möchte der Kunde bei der Erhebung der Kreditkartendaten wissen, was ein CVV-Code ist. In diesem Fall sollte der Kundenservicemitarbeiter die Frage beantworten und dann mit der Erhebung der erforderlichen Kreditkartendaten fortfahren. Dazu können Sie einen Datenspeicher-Handler mit Datenspeichern erstellen, die die Frage beantworten, diesen Handler auf die Startseite des Ablaufs anwenden, der die Erhebung von Kreditkarteninformationen verarbeitet, und ein Übergangsziel für diesen Handler festlegen, um zur „aktuellen Seite“ zurückzukehren.

Umgang mit unerwünschten Intent-Übereinstimmungen

Wenn Ihr Bot Intents abgleicht, obwohl ein Datenspeicher-Handler verwendet werden sollte, können Sie Folgendes versuchen, um das Problem zu beheben:

• Löschen oder ändern Sie vage Trainingsphrasen, damit alle Trainingsphrasen genau die gewünschte Absicht umsetzen und nicht mit den Inhalten Ihres Datenspeichers in Konflikt stehen.
• Verwenden Sie Negativbeispiele, um eine Intent-Abgleichung zu vermeiden.

Datenspeicherfilterung

In einigen Fällen möchten Sie möglicherweise nur bestimmte Datenspeicher für Abfragen verfügbar machen, je nach Werten der Sitzungsparameter. Möglicherweise haben Sie beispielsweise separate Datenspeicher für Produktkategorien. So filtern Sie Datenspeicher nach Produktkategorien:

• Legen Sie Sitzungsparameter für Produktkategorien fest.
• Erstellen Sie Bedingungspfade, die die Werte der Sitzungsparameter prüfen und zu einer bestimmten Seite mit dem gewünschten Datenspeicher-Handler wechseln.
• Der Datenspeicher-Handler sollte zur Aufrufseite zurückkehren, damit die Unterhaltung fortgesetzt werden kann.

Personalisierung

Damit generative Antworten für Endnutzer relevanter sind, können Sie Konversations-Agenten (Dialogflow CX) Informationen zu Nutzern zur Verfügung stellen.

Diese Informationen werden als JSON-Datei bereitgestellt. Es gibt kein erwartetes Schema, sodass Sie die Objekteigenschaften frei definieren können. Diese JSON-Datei wird unverändert an das Large Language Model gesendet. Daher erzielen Sie mit aussagekräftigen Property-Namen und ‑Werten die besten Ergebnisse.

Beispiel:

{
  "subscription plan": "Business Premium Plus",
  "devices owned": [
    {"model": "Google Pixel 7"},
    {"model": "Google Pixel Tablet"}
  ]
}

Personalisierung mit der API

Sie können diese Daten Conversational Agents (Dialogflow CX) zur Verfügung stellen, wenn Sie Anfragen zur Intent-Erkennung senden. Diese Informationen müssen in jeder Anfrage zum Erkennen von Absichten angegeben werden, da sie nicht in der Sitzung gespeichert werden.

Geben Sie diese Informationen im Feld queryParams.endUserMetadata der Methode Sessions.detectIntent an.

Zur API-Referenz-Sitzung

Wählen Sie ein Protokoll und eine Version für die Sitzungsreferenz aus:

Protokoll	V3	V3beta1
REST	Sitzungsressource	Sitzungsressource
RPC	Sitzungsoberfläche	Sitzungsoberfläche
C++	SessionsClient	Nicht verfügbar
C#	SessionsClient	Nicht verfügbar
Go	SessionsClient	Nicht verfügbar
Java	SessionsClient	SessionsClient
Node.js	SessionsClient	SessionsClient
PHP	Nicht verfügbar	Nicht verfügbar
Python	SessionsClient	SessionsClient
Ruby	Nicht verfügbar	Nicht verfügbar

Schließen

Personalisierung mit Dialogflow CX Messenger

Sie können diese Daten der Dialogflow CX Messenger-Integration zur Verfügung stellen. Weitere Informationen finden Sie unter setContext.

Suchkonfiguration

Damit Sie das Verhalten des Kundenservicemitarbeiters besser steuern und die Qualität der Antworten verbessern können, können Sie Suchkonfigurationen verwenden, um Dokumente zu präsentieren, zu verbergen und zu filtern.

Mit den Boost-Steuerelementen können Sie das Ranking der Suchergebnisse ändern, indem Sie bestimmten Dokumenten einen Boost-Wert zuweisen (größer als null für ein höheres Ranking, kleiner als null für ein niedrigeres Ranking).

Mit den Filtereinstellungen können Sie Suchergebnisse anhand der angegebenen Filterkriterien beibehalten oder entfernen.

Diese Informationen werden als JSON für Anfragen an Conversational Agents (Dialogflow CX) bereitgestellt. Das JSON-Format hängt vom Typ der Suchsteuerung ab.

Boost-Steuerung

In der folgenden Suchkonfiguration wird eine Einstellung für die Steigerung beschrieben:

"searchConfig": {
  "boostSpecs": [
    {
      "dataStores": [ "DATASTORE_ID" ],
      "spec": [
        {
          "conditionBoostSpecs": {
            "condition": "CONDITION",
            "boost": "1.0"
          }
        }
      ]
    }
  ]
}

Hinweis: DATASTORE_ID ist der vollständige Name des Datenspeichers: projects/your_project_id/locations/your_location/collections/your_collection_name/dataStores/your_datastore_name.
CONDITION muss der Syntax für Filterausdrücke im Vertex AI Agent Builder entsprechen.
und der Optimierungswert muss zwischen -1,0 und 1,0 liegen.

Filtersteuerung

In der folgenden Suchkonfiguration wird eine Filtersteuerung beschrieben:

"searchConfig": {
  "filterSpecs": [
    {
      "dataStores": [ "DATASTORE_ID" ],
      "filter": "CONDITION"
    }
  ]
}

Hinweis: DATASTORE_ID ist der vollständige Name des Datenspeichers: projects/your_project_id/locations/your_location/collections/your_collection_name/dataStores/your_datastore_name.
und CONDITION müssen der Syntax für Filterausdrücke von Vertex AI Agent Builder entsprechen.

Suchkonfiguration mit der API einrichten

Sie können diese Daten Conversational Agents (Dialogflow CX) zur Verfügung stellen, wenn Sie Anfragen zur Intent-Erkennung senden. Diese Informationen müssen in jeder Anfrage zum Erkennen von Absichten angegeben werden, da sie nicht in der Sitzung gespeichert werden.

Geben Sie diese Informationen im Feld queryParams.searchConfig der Methode Sessions.detectIntent an.

Zur API-Referenz-Sitzung

Wählen Sie ein Protokoll und eine Version für die Sitzungsreferenz aus:

Protokoll	V3	V3beta1
REST	Sitzungsressource	Sitzungsressource
RPC	Sitzungsoberfläche	Sitzungsoberfläche
C++	SessionsClient	Nicht verfügbar
C#	SessionsClient	Nicht verfügbar
Go	SessionsClient	Nicht verfügbar
Java	SessionsClient	SessionsClient
Node.js	SessionsClient	SessionsClient
PHP	Nicht verfügbar	Nicht verfügbar
Python	SessionsClient	SessionsClient
Ruby	Nicht verfügbar	Nicht verfügbar

Schließen

Suchkonfiguration mit Dialogflow CX Messenger einrichten

Sie können diese Daten der Dialogflow CX Messenger-Integration zur Verfügung stellen.

Wenn Sie ein Suchfeld einfügen möchten, muss das folgende Snippet in den Messenger-Code eingefügt werden, wenn Sie ihn in eine Website einbetten:

<script>
  document.addEventListener('df-messenger-loaded', () => {
    const dfMessenger = document.querySelector('df-messenger');
    const searchConfig = { ... }
    dfMessenger.setQueryParameters(searchConfig);
  });
</script>

Weitere Informationen finden Sie unter setQueryParameters.