生成式与确定性

在对话过程中，对话式客服 (Dialogflow CX) 客服始终使用语言模型来理解最终用户的意图，但您可以选择是否以及如何使用语言模型来生成客服回复。你可以选择完全生成式、部分生成式或和确定性特征。

本指南概述了这些功能。这有助于您决定计划使用的资源数量以便您知道哪些文档与您相关。

完全生成式

完全生成式功能基于 Vertex AI 大语言模型 (LLM) 构建，可用于理解最终用户的意图以及生成客服人员回复。这些功能简单易用，可提供非常自然的对话。下面简要介绍了完全生成式功能：

X	项
策略方案	Playbook 提供了一种使用 LLM 创建虚拟客服人员的新方式。您只需提供自然语言指令和结构化数据。这可以显著缩短虚拟客服的创建和维护时间，并为您的企业实现全新类型的对话体验。
数据存储区	数据存储区会解析和理解您的公开或不公开内容（网站、内部文档等）。将这些信息编入索引后，代理就可以回答相关问题并就相应内容进行对话。您只需提供内容即可。

如果您需要对对话和客服代理生成的所有响应进行更确定性的控制，可以使用流程来设计客服代理。

X	项
流	流程使用语言模型来理解对话过程中的最终用户意图，而该意图可能并不完全确定。但是，一旦建立了意图，您就可以完全控制对话流和代理响应。设计具有确定性流的代理通常需要更多的设计时间，但对于需要明确控制代理响应的代理而言，这是一个不错的选择。

流有一些可选的生成功能，如果不使用，需要确定性地控制代理在某些对话场景中的响应。下面概述了这些功能：

X	项
生成器	生成器用于生成客服回答。您可以提供 LLM 提示，而不是明确提供客服人员的回答，该提示可以处理许多场景，包括对话摘要、问题解答、客户信息检索以及上报给人工客服。
生成式回退	生成式回退用于在最终用户输入与预期意图不匹配时生成客服人员响应。在某些情况下，你可以提供 LLM 提示来生成回答，从而启用生成式回退。