Generatori

Nota: la funzionalità Generatori è esclusa da Dialogflow sul livello del servizio (SLA).

I generatori utilizzano i più recenti modelli linguistici di grandi dimensioni (LLM) generativi di Google, e che fornisci per generare il comportamento e le risposte dell'agente in fase di runtime. I modelli disponibili sono forniti da Vertex AI.

Un generatore consente di effettuare una chiamata a un LLM in modo nativo da Dialogflow CX senza dover creare il tuo webhook esterno. Puoi configurare di eseguire le operazioni che normalmente chiederesti a un LLM.

I generatori sono ottimi in attività come riassunti, estrazione di parametri, dati trasformazioni e così via, vedi gli esempi di seguito.

Limitazioni

Questa funzionalità è disponibile per gli agenti in qualsiasi lingua Dialogflow, anche se i modelli disponibili potrebbero avere limitazioni linguistiche più restrittive. Vedi Vertex AI per più informazioni.

Comprendere i concetti del generatore

La documentazione di Vertex AI contiene informazioni che è importante comprendere durante la creazione dei generatori per Dialogflow:

• Modelli (Fondamenti di Google modelli e Versioni e modelli ciclo di vita)
• Prompt
• Controlli (chiamati "valori parametro" in Vertex AI)

Definisci un generatore

Per creare un generatore:

1. Vai alla console Dialogflow CX.
2. Selezionare il tuo progetto Google Cloud.
3. Seleziona l'agente.
4. Fai clic sulla scheda Gestisci.
5. Fai clic su Generatori.
6. Fai clic su Crea nuova.
7. Inserisci un nome visualizzato descrittivo per il generatore.
8. Inserisci il prompt di testo, il modello e i controlli come descritto in concetti.
9. Fai clic su Salva.

Nota: se hai inserito qualche frasi escluse per l'utilizzo con riserva generativo, queste frasi vietate avranno effetto anche su tutti i generatori.

Il prompt di testo viene inviato al modello generativo durante il completamento in fase di runtime. Deve essere una domanda o una richiesta chiara per consentire al modello di generare come risposta soddisfacente.

Puoi rendere il prompt contestuale contrassegnando le parole come segnaposto aggiungendo un $ prima della parola. In seguito puoi associare questi prompt del generatore segnaposto con parametri di sessione in fulfillment e vengono sostituiti i valori dei parametri di sessione durante l'esecuzione.

Definisci un generatore

Esistono segnaposto speciali di prompt del generatore che non devono essere associati ai parametri di sessione. Questi prompt integrati del generatore segnaposto

Termine	Definizione
$conversation	La conversazione tra l'agente e l'utente, escluse le ultime frasi dell'utente e quelle successive.
$last-user-utterance	L'ultima frase dell'utente.

Utilizza un generatore per il completamento

Puoi utilizzare i generatori durante il fulfillment (in Route, Gestori di eventi, Parametri e altro).

Vai alla sezione Generatori del riquadro Fulfillment ed espandila. Quindi, fai clic su Aggiungi generatore. Ora puoi selezionare un generatore predefinito e definire un nuovo generatore.

Dopo aver selezionato un generatore, devi associare il prompt del generatore segnaposto della richiesta con i parametri di sessione. Inoltre, è necessario definisci il parametro di output che conterrà il risultato del generatore dopo dell'esecuzione.

Utilizza il generatore in fulfillment

Tieni presente che puoi aggiungere diversi generatori in un unico fulfillment, che vengono eseguiti in parallelo.

Il parametro output può quindi essere utilizzato in seguito, ad esempio nell'agente la risposta corretta.

Usa l'output del generatore

Testa un generatore

La funzionalità del generatore può essere testata direttamente nel simulatore.

Testa il generatore nel simulatore

Esempi

Questa sezione fornisce casi d'uso di esempio per i generatori. Poiché i generatori sono una tecnologia generativa basata su modelli linguistici di grandi dimensioni (LLM), I singoli risultati derivanti dall'utilizzo dei seguenti prompt di esempio potrebbero essere diversi dall'output qui documentato. Tutti i risultati dei prompt restituiti da Google vengono al meglio delle nostre possibilità.

Riassunto dei contenuti

Questo esempio mostra come riassumere i contenuti.

Prompt:

Your goal is to summarize a given text.

Text:
$text

A concise summary of the text in 1 or 2 sentences is:

Riassunto della conversazione

Questo esempio mostra come fornire un riepilogo della conversazione.

Prompt:

You are an expert at summarizing conversations between a User and an Agent.
When providing the summary, always start with "Dear $email_address, the conversation summary is as follows:"
Provide a summary in a few bullet points.
Try to be as brief as possible with each bullet point,
only noting the key points of the conversation.
Output the summary in markdown format.

Conversation:
$conversation

Summary:

Prompt risolto:

Per una conversazione di esempio, il prompt risolto che viene inviato allo strumento potrebbe essere:

You are an expert at summarizing conversations between a User and an Agent.
When providing the summary, always start with "Dear [e-mail] conversation summary is as follows:"
Provide a summary in a few bullet points.
Try to be as brief as possible with each bullet point,
only noting the key points of the conversation.
Output the summary in markdown format.

Conversation:
Agent: Good day! What can I do for you today?
User: Hi, which models can I use in Dialogflow's generators?
Agent: You can use all models that Vertex AI provides!
User: Thanks, thats amazing!

Summary:

Formattazione Markdown

Questo esempio mostra come formattare il testo in markdown.

# Instructions

You are presented with a text and your goal is to apply markdown formatting to text.

**NOTE:** Do not change the meaning of the text, only the formatting.

# Example

## Text

Generators allow you to use Googles latest generative models to format text,
or to create a summaries, or even to write code. What an amazing feature.

## Text in Markdown

*Generators* allow you to use Google's latest generative models to

*   format text
*   create a summaries
*   write code

What an amazing feature.

# Your current task

## Text

$text

## Text in Markdown

Question answering

Questa serie di esempi mostra come utilizzare i generatori per rispondere alle domande.

In primo luogo, puoi semplicemente fare affidamento sulla conoscenza interna del modello generativo e rispondere alla domanda. Tieni presente, tuttavia, che il modello fornirà semplicemente una risposta sulla base di informazioni che facevano parte dei suoi dati di addestramento. Non vi è alcuna garanzia che la risposta sia vera o aggiornata.

Prompt per la risposta alle domande con autostima

Your goal is to politely reply to a human with an answer to their question.

The human asked:
$last-user-utterance

You answer:

Richiesta di risposta alle domande con informazioni fornite

Tuttavia, se vuoi che il modello risponda in base alle informazioni che fornisci, può semplicemente aggiungerlo al prompt. Questa opzione funziona se le informazioni non sono troppe che vuoi fornire (ad es. un menù ridotto di un ristorante o i dati di contatto del tuo dell'azienda).

# Instructions

Your goal is to politely answer questions about the restaurant menu.
If you cannot answer the question because it's not related to the restaurant
menu or because relevant information is missing from the menu, you politely
decline to answer.

# Restaurant menu:

## Starters
Salat 5$

## Main dishes
Pizza 10$

## Deserts
Ice cream 2$

# Examples

Question: How much is the pizza?
Answer: The pizza is 10$.

Question: I want to order the ice cream.
Answer: We do have ice cream! However, I can only answer questions about the menu.

Question: Do you have spaghetti?
Answer: I'm sorry, we do not have spaghetti on the menu.

# Your current task

Question: $last-user-utterance
Answer:

Prompt di risposta alle domande con informazioni dinamiche fornite

Spesso, le informazioni su cui il modello deve basare la sua risposta sono semplicemente incollati nel prompt. In questo caso puoi collegare il generatore un sistema di recupero delle informazioni come un database o un motore di ricerca, di recuperare dinamicamente le informazioni in base a una query. Puoi semplicemente salvare dell'output di tale sistema in un parametro e collegarlo a un segnaposto nella .

# Instructions

Your goal is to politely answer questions based on the provided information.
If you can't answer the question given the provided information, you politely
decline to answer.

# Provided information:
$information

Question: $last-user-utterance
Answer:

Generazione del codice

Questo esempio mostra come utilizzare un generatore per scrivere codice. Tieni presente che in questo caso ha senso usare un modello generativo addestrato specificatamente per generare codice.

Prompt

# Instructions:

Your goal is to write code in a given programming language solving a given problem.

Problem to solve:
$problem

Programming language:
$programming-language

# Solution:

Riassegnazione a un agente umano

Questo esempio mostra come gestire la riassegnazione a un agente umano. Gli ultimi due le istruzioni nel prompt impediscono al modello di essere troppo dettagliato.

Prompt:

# Instructions:

You are a polite customer service agent that handles requests
from users to speak with an operator.

Based on the $last-user-utterance,
respond to the user appropriately about their request to speak with an operator.
Always be polite and assure the user that you
will do your best to help their situation.

Do not ask the user any questions.
Do not ask the user if there is anything you can do to help them.

# Answer:

Generazione di query di ricerca

Questo esempio mostra come ottimizzare una query della Ricerca Google fornita dall'utente.

Prompt:

# Instructions:

You are an expert at Google Search and using "Google Fu"
to build concise search terms that provide the highest quality results.
A user will provide an example query,
and you will attempt to optimize this to be the best Google Search query possible.

# Example:

User: when was covid-19 first started and where did it originated from?
Agent: covid-19 start origin

# Your task:

User: $text
Agent:

Recupero dei dati del cliente

Questo esempio mostra come eseguire il recupero delle informazioni e i dati di ricerca forniti in formato stringa o JSON. Questi formati sono comunemente utilizzati dalla sessione Dialogflow parametri.

Prompt:

You are a database engineer and specialize in extracting information
from both structured and unstructured data formats like CSV, SQL, JSON,
and also plain text.

Given a $user_db, extract the information requested
by the user from the $last-user-utterance

EXAMPLE:
user_db: {'customer_name': 'Patrick', 'balance': '100'}
User: What is my current account balance?
Agent: Your current balance is 100.

Begin!

user_db: $user_db
User: $last-user-utterance
Agent:

Aggiornamento di un oggetto JSON

Questo esempio mostra come accettare un oggetto JSON di input dall'utente (o webhook), poi manipola l'oggetto in base alla richiesta dell'utente.

Prompt:

You are an expert Software Engineer
that specializes in the JSON object data structure.

Given some user $update_request and existing $json_object,
you will modify the $json_object based on the user's $update_request.

EXAMPLE:
json_object = { "a": 1, "b": 123 }
User: Add a new key/value pair to my JSON
Agent: What do you want to add?
User: c: cat
Agent: { "a": 1, "b": 123, "c": "cat"}

json_object = {"accounts": [{"username": "user1", "account_number": 12345}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}
User: Add a new value for user1
Agent: What do you want to add?
User: birthday, 12/05/1982
Agent: {"accounts": [{"username": "user1", "account_number": 12345, "birthday": "12/05/1982"}, {"username": "user2", "account_number": 98765}], "timestamp": "2023-05-25", "version":"1.0"}

json_object = $json_object
User: Add a new key value to my db
Agent: What do you want to add?
User: $last-user-utterance
Agent:

Codelab

Consulta anche i Generatori Codelab.

Risoluzione dei problemi

Se vuoi eseguire il debug della funzionalità, puoi esaminare la lingua di grandi dimensioni risolta di input del modello LLM nel simulatore della console Dialogflow:

1. Fai clic sul pulsante Risposta originale:

   

2. Individua il campo "Generators LLM Inputs". Leggi questi campi come valori semplici e controllare se l'input dell'LLM ha senso. Se una frase contiene $, esamina l'input del simulatore e chiarisci se il valore $ nei prompt sono intenzionali (ad esempio, $ in price is $10 probabilmente intenzionali, mentre visit $city probabilmente non lo farebbe e potrebbe sottintendere uso improprio o un bug).

3. Se non vedi "Input LLM generativi" campo, contatta l'assistenza.