Certains produits et fonctionnalités sont en cours de changement de nom. Les fonctionnalités de playbook et de flux génératifs sont également en cours de migration vers une console unique. Consultez les détails.

Cette page a été traduite par l'API Cloud Translation.

Paramètres de l'agent de datastore

Les paramètres de l'agent suivants sont disponibles.

Surface de référence

Pour chaque réponse générée à partir du contenu de vos datastores connectés, un niveau de confiance est calculé, qui évalue la confiance que toutes les informations de la réponse sont étayées par les informations des datastores. Vous pouvez sélectionner le niveau de confiance le plus bas autorisé. L'agent ne renverra alors pas de réponses inférieures à ce niveau.

Vous avez le choix entre cinq niveaux de confiance: très faible, faible, moyen, élevé et très élevé.

Vous pouvez également appliquer un filtre d'heuristiques de mise à la terre. Si cette option est activée, les réponses contenant du contenu susceptible d'être inexact en fonction d'hallucinations courantes sont supprimées.

Invite de data store

Vous pouvez ajouter des informations supplémentaires sur l'agent afin d'améliorer la qualité des réponses générées à partir du contenu du data store et de les faire correspondre davantage à votre marque:

Nom de l'agent : nom que l'agent doit s'attribuer. Si vous ne le définissez pas, la valeur par défaut Assistant AI est utilisée.
Identité de l'agent : identité du persona de l'agent. Si vous ne le définissez pas, la valeur par défaut Assistant AI est utilisée.
Nom de l'entreprise : définissez cette valeur sur le nom de votre entreprise. Ce paramètre doit déjà avoir été défini dans le flux de création d'agent, mais il peut être ajusté si nécessaire. Nous vous recommandons de définir correctement ce champ (et surtout de ne pas le laisser vide), afin de ne pas nuire à la qualité des réponses générées.
Description de l'entreprise : brève description de l'activité ou des offres de l'entreprise.
Champ d'application de l'agent : emplacement où l'agent doit être utilisé. Si vous ne le définissez pas, la valeur par défaut sur le site Web de l'entreprise est utilisée.

Une fois que vous avez rempli cette section partiellement ou complètement, vous pouvez inspecter le court paragraphe dérivé de ces paramètres sur la droite, sous Votre requête. Il est utilisé dans le cadre de la génération de réponses.

Invité de sélection et de résumé du modèle de data store

Lorsqu'une requête utilisateur est traitée, l'agent effectue une recherche dans les entrepôts de données pour trouver des sources appropriées. L'agent envoie ensuite la requête utilisateur et les sources trouvées au LLM, qui effectue un résumé.

Vous pouvez sélectionner le modèle à utiliser pour la synthèse et fournir éventuellement votre propre requête.

Sélectionner un modèle génératif

Vous pouvez sélectionner le modèle génératif utilisé par un agent de data store pour la requête générative de résumé. Le tableau suivant contient les options disponibles:

Identifiant du modèle	Langues acceptées
Par défaut	Il s'agit de la configuration recommandée actuellement, mais elle est susceptible d'évoluer au fil du temps. Si vous utilisez cette option, vous constaterez peut-être des changements dans le comportement des agents (améliorations probables). Si vous souhaitez que le comportement des agents soit plus cohérent, sélectionnez un modèle spécifique.
gemini-1.0-pro-001	Disponible dans toutes les langues acceptées.
gemini-1.5-flash-001	Disponible dans toutes les langues acceptées.
gemini-1.5-flash-002	Disponible dans toutes les langues acceptées.

Personnaliser l'invite de résumé

Vous pouvez fournir votre propre requête pour l'appel LLM de synthèse. L'invite est un modèle de texte pouvant contenir des espaces réservés prédéfinis. Les espaces réservés seront remplacés par les valeurs appropriées au moment de l'exécution, et le texte final sera envoyé au LLM.

Les espaces réservés sont les suivants:

$original-query: texte de la requête de l'utilisateur.
$rewritten-query: Dialogflow utilise un module de réécriture pour réécrire la requête utilisateur d'origine dans un format plus précis.
$sources: Dialogflow utilise Enterprise Search pour rechercher des sources en fonction de la requête de l'utilisateur. Les sources trouvées sont affichées dans un format spécifique:
```
[1] title of first source
content of first source
[2] title of second source
content of second source
```

$end-user-metadata: les informations sur l'utilisateur qui envoie la requête sont affichées au format suivant:

The following additional information is available about the human: {
"key1": "value1",
"key2": "value2",
...
}

$conversation: l'historique des conversations est affiché au format suivant:

Human: user's first query
AI: answer to user's first query
Human: user's second query
AI: answer to user's second query

${conversation USER:"<user prefix>" AI:"<agent prefix>" TURNS:<turn count>}: version paramétrée de l'espace réservé $conversation. Vous pouvez personnaliser le préfixe de l'utilisateur final (USER), le préfixe de l'agent (AI) et le nombre de virages précédents à inclure (TURNS). Toutes les valeurs de paramètre d'espace réservé doivent être spécifiées.

Par exemple, ${conversation USER:"Human says:" AI:"Agent says:" TURNS:1}. L'historique de la conversation s'affiche comme suit:
```
Human says: user's first query
Agent says: answer to user's first query
```

Une invite personnalisée doit indiquer au LLM de renvoyer "NOT_ENOUGH_INFORMATION" lorsqu'il ne peut pas fournir de réponse. Dans ce cas, l'agent appelle un événement sans correspondance.

Exemple :

Given the conversation between a Human and a AI assistant and a list of sources,
write a final answer for the AI assistant.
Follow these guidelines:
+   Answer the Human's query and make sure you mention all relevant details from
  the sources, using exactly the same words as the sources if possible.
+   The answer must be based only on the sources and not introduce any additional
  information.
+   All numbers, like price, date, time or phone numbers must appear exactly as
  they are in the sources.
+   Give as comprehensive answer as possible given the sources. Include all
  important details, and any caveats and conditions that apply.
+   The answer MUST be in English.
+   Don't try to make up an answer: If the answer cannot be found in the sources,
  you admit that you don't know and you answer NOT_ENOUGH_INFORMATION.
You will be given a few examples before you begin.

Example 1:
Sources:
[1] <product or service> Info Page
Yes, <company> offers <product or service> in various options or variations.

Human: Do you sell <product or service>?
AI: Yes, <company> sells <product or service>. Is there anything else I can
help you with?

Example 2:
Sources:
[1] Andrea - Wikipedia
Andrea is a given name which is common worldwide for both males and females.

Human: How is the weather?
AI: NOT_ENOUGH_INFORMATION

Begin! Let's work this out step by step to be sure we have the right answer.

Sources:
$sources

$end-user-metadata
$conversation
Human: $original-query
AI:

Solution de remplacement du data store

Cette section comporte les paramètres suivants:

Lien de remplacement: affichez le lien le plus approprié si l'agent ne parvient pas à fournir de réponse.
Activer l'IA générative: permet au data store d'utiliser l'IA générative lors de la génération de résultats.

Gestionnaires de datastore

Amélioration des performances des magasins de données