Die folgenden Best Practices können Ihnen dabei helfen, robuste Bots zu erstellen.
Playbook-Name in natürlicher Sprache
Verwenden Sie für Playbook-Namen eine natürliche Sprache mit eindeutiger Bedeutung. „Playbook für die Google Unternehmenshilfe“ ist beispielsweise aussagekräftiger als „company_specialist“. Das wirkt sich positiv auf die Leistung von KI-Generatoren bei der Laufzeit aus.
Prägnante Zielvorhaben
Die Ziele sollten eine prägnante Beschreibung des Zwecks des Playbooks sein.
Hochwertige Anleitungen bereitstellen
Die Anleitung sollte:
- den Schritt-für-Schritt-Ansatz zur Lösung eines Problems der Endnutzer widerspiegeln
- Sie müssen aus kurzen Sätzen in natürlicher Sprache bestehen, die allgemeine Anweisungen enthalten.
- klar und verständlich sein und die Szenarien für die Verwendung des Tools angeben
Mindestens ein Beispiel für jedes Playbook
Für jedes Playbook sollte es mindestens ein Beispiel geben. Wir empfehlen jedoch mindestens vier. Beispiele sollten auch Happy-Path-Szenarien enthalten.
Ohne genügend Beispiele führt ein Playbook wahrscheinlich zu unvorhersehbarem Verhalten. Wenn Ihr Playbook nicht wie erwartet reagiert oder sich verhält, sind fehlende oder schlecht definierte Beispiele wahrscheinlich die Ursache. Sie können Ihre Beispiele verbessern oder neue hinzufügen.
Präzision von Anleitungen und Beispielen
Klare und aussagekräftige Anweisungen sind zwar hilfreich, aber die Genauigkeit des Playbooks hängt vor allem von der Qualität und Quantität Ihrer Beispiele ab. Mit anderen Worten: Verbringen Sie mehr Zeit damit, ausführliche Beispiele zu schreiben, als perfekt präzise Anleitungen zu verfassen.
Tools in Beispielen erwähnen
Wenn das Playbook Antworten mithilfe von Tools liefern soll, verweise in den Beispielen für diese Art von Anfrage auf die Tools.
Feld „Tool-Schema“ operationId
Beim Definieren von Schemas für Ihre Tools ist der Wert operationId wichtig.
In der Playbook-Anleitung wird auf diesen Wert verwiesen.
Hier sind einige Empfehlungen für die Benennung dieses Felds:
- Nur Buchstaben, Ziffern und Unterstriche.
- Muss unter allen im Schema beschriebenen
operationIds eindeutig sein. - Muss ein aussagekräftiger Name sein, der die bereitgestellte Funktion widerspiegelt.
Schemavalidierung
Sie sollten Ihr Tool-Schema validieren. Mit dem Swagger Editor können Sie die OpenAPI 3.0-Schemasyntax prüfen.
Leere Tool-Ergebnisse verarbeiten
Wenn Ihr Playbook für die Reaktion auf ein Tool angewiesen ist, kann ein leeres Tool-Ergebnis zu unvorhersehbarem Playbook-Verhalten führen. Manchmal generiert der KI-Generator für das Playbook Informationen in einer Antwort anstelle eines Tool-Ergebnisses. Um dies zu verhindern, können Sie bestimmte Anweisungen hinzufügen, damit der Playbook-KI-Generator nicht versucht, selbst zu antworten.
Bei einigen Anwendungsfällen müssen Playbook-Antworten auf Toolergebnissen oder bereitgestellten Daten beruhen und Antworten, die nur auf dem Wissen des Playbook-KI-Generators basieren, müssen abgeschwächt werden.
Beispiele für Anleitungen zur Vermeidung von Halluzinationen:
- „Sie müssen das Tool verwenden, um alle Fragen der Nutzer zu beantworten.“
- „Wenn Sie keine Daten vom Tool erhalten, antworten Sie, dass Sie die Antwort auf die Anfrage des Nutzers nicht kennen.“
- „Erfinden Sie keine Antwort, wenn Sie keine Daten vom Tool erhalten.“
Schema mit Gemini generieren
Gemini kann ein Schema für Sie generieren. Versuchen Sie es beispielsweise mit „Können Sie ein Beispiel für ein OpenAPI 3.0-Schema für Google Kalender erstellen?“
Konzentrierte Playbooks
Vermeiden Sie sehr große und komplexe Playbooks. Jedes Playbook sollte eine bestimmte und eindeutige Aufgabe erfüllen. Wenn Sie ein komplexes Playbook haben, sollten Sie es in kleinere Teil-Playbooks aufteilen.
Schleifen und rekursive Aufrufe vermeiden
Erstellen Sie keine Schleifen oder rekursiven Abläufe, wenn Sie Kundenservicemitarbeiter in Ihren Anweisungen verknüpfen.
Informationen zur Routing-Funktion für Beispiele angeben
Wenn ein Playbook zu einem anderen Playbook weiterleiten soll, sollten Sie diese Informationen in den Beispielen angeben. Dies ist ein Beispiel aus dem Feld Endbeispiel mit Ausgabeinformationen im Beispielabschnitt Eingabe und Ausgabe.
Der letzte Satz dieses Felds könnte beispielsweise „Für weitere Suchanfragen zum Standard-Playbook weiterleiten“ lauten.
Messenger-JavaScript-Funktionen von Conversational Agents (Dialogflow CX) für die Personalisierung verwenden
Wenn Sie Conversational Agents (Dialogflow CX) Messenger verwenden, sind die folgenden Funktionen nützlich, um Informationen zur Nutzerpersonalisierung von der Weboberfläche an das Playbook zu senden:
Leistung planen
Bei generativen Funktionen dauert es in der Regel mehrere Sekunden oder sogar mehrere Dutzend Sekunden, bis eine Antwort generiert wird. Playbooks tragen zwar dazu bei, die Natürlichkeit von Unterhaltungen zu verbessern, aber es ist wichtig, die Reaktionszeiten zu verwalten, um eine positive Nutzererfahrung zu gewährleisten. Hier sind einige Strategien zur Leistungsoptimierung:
Nutzung generativer Funktionen ausgleichen
Berücksichtigen Sie den Trade-off zwischen dem Zeitaufwand für die Ausführung mehrerer generativer Funktionen und dem Mehrwert, den sie für die Unterhaltung bieten. Verwenden Sie diese Funktionen nicht zu häufig, wenn sie nicht wesentlich zum Ziel des Nutzers beitragen.
Eingabe für generative Funktionen minimieren
Versuchen Sie, nur die minimalen Informationen zu erfassen und zu verarbeiten, die für einen KI-Generator erforderlich sind, um eine nützliche Antwort zu generieren. Dadurch kann die Bearbeitungszeit erheblich verkürzt werden.
Kontext-Caching verwenden
Wenn Sie Gemini über ein Tool verwenden und einen großen ursprünglichen Kontext haben, können Sie mithilfe des Vertex AI-Kontext-Cachings Informationen zum Caching prüfen, um wiederholte Anfragen für dieselben Daten zu vermeiden. Feste Antworten für mehr Geschwindigkeit implementieren:
Wenn für Ihre Anwendung keine eindeutigen, dynamischen Inhalte erforderlich sind, sollten Sie häufig verwendete Antworten in einer herkömmlichen Datenbank wie Firebase speichern. Da sie vordefiniert und sofort verfügbar sind, bieten diese festen Antworten viel kürzere Reaktionszeiten als eine generative Funktion, die eine Antwort in Echtzeit berechnen muss.
KI-Generator anweisen, kurze Playbook-Antworten zu generieren
Bei der Texteingabe und ‑ausgabe hängt die Antwortzeit des KI-Generators stark vom verwendeten Modell und von der Länge der Ausgabe ab. Kurze Antworten können die Leistung erheblich verbessern. Die Eingabelänge spielt zwar auch eine Rolle, die Ausgabelänge hat jedoch einen größeren Einfluss.
Streamingantworten:
Playbook-Antworten an den Dialogflow-Client streamen, der sie wiederum an den Endnutzer streamt. Das ist im Gegensatz dazu, dass gewartet wird, bis die gesamte Antwort generiert wurde, bevor ein Teil davon gesendet wird. Durch das Streaming von Antworten wird die Nutzerfreundlichkeit verbessert, da Teilantworten sobald sie verfügbar sind, gesendet werden. So wird die wahrgenommene Verzögerung minimiert und die Wartezeit des Nutzers verkürzt.