As práticas recomendadas a seguir podem ajudar você a criar apps robustos de agentes.
Metas concisos
As metas precisam ser uma descrição concisa da finalidade do agente.
Fornecer instruções de qualidade
As instruções precisam:
- refletem a abordagem passo a passo para resolver um problema do usuário final
- ser frases concisas em linguagem natural de instruções de alto nível
- Ser direto e especificar os cenários para usos das ferramentas
Pelo menos um exemplo para cada agente
É necessário ter pelo menos um exemplo para cada agente, mas é recomendável ter pelo menos quatro. Os exemplos devem incluir cenários do cenário ideal.
Sem exemplos suficientes, é provável que um agente resulte em um comportamento imprevisível. Se o agente não estiver respondendo ou se comportando da maneira esperada, a causa provavelmente será a falta de exemplos ou a definição incorreta de exemplos. Tente melhorar seus exemplos ou adicionar novos.
Precisão de instruções e exemplos
É útil escrever instruções claras e descritivas, mas são a qualidade e a quantidade dos exemplos que determinam a precisão do comportamento do agente. Em outras palavras, passe mais tempo escrevendo exemplos completos do que escrevendo instruções perfeitamente precisas.
Campo operationId do esquema da ferramenta
Ao definir esquemas para suas ferramentas, o valor de operationId é importante.
As instruções do agente vão usar esse valor.
Veja a seguir as recomendações de nomenclatura para esse campo:
- Somente letras, números e sublinhados.
- Precisa ser exclusivo entre todos os
operationIds descritos no esquema. - Precisa ser um nome significativo que reflita a capacidade fornecida.
Validação do esquema da ferramenta
É preciso validar o esquema da ferramenta. Use o Editor do Swagger para verificar a sintaxe do esquema da openAPI 3.0.
Processar resultados de ferramenta vazias
Quando o agente depende de uma ferramenta para informar a resposta, um resultado de ferramenta vazio pode levar a um comportamento imprevisível do agente. Às vezes, o LLM do agente faz alucinação de informações em uma resposta em vez de um resultado da ferramenta. Para evitar isso, adicione instruções específicas para garantir que o LLM do agente não tente responder por conta própria.
Alguns casos de uso exigem que as respostas do agente estejam bem fundamentadas nos resultados da ferramenta ou nos dados fornecidos e precisam mitigar as respostas com base apenas no conhecimento do LLM do agente.
Exemplos de instruções para reduzir as alucinações artificiais:
- "Você deve usar a ferramenta para responder a todas as perguntas dos usuários"
- "Se você não receber dados da ferramenta, responda que não sabe a resposta da consulta do usuário"
- "Não invente uma resposta se você não receber dados da ferramenta"
Gerar um esquema com o Gemini
O Gemini pode gerar um esquema para você. Por exemplo, tente "criar um exemplo de esquema da openAPI 3.0 para o Google Agenda"?
Agentes focados
Evite criar agentes muito grandes e complexos. Cada agente precisa realizar uma tarefa específica e clara. Se você tiver um agente complexo, considere dividi-lo em subagentes menores.
Evitar loops e recursão
Não crie loops ou recursão ao vincular apps de agente nas suas instruções.
Fornecer informações de roteamento para exemplos
Quando um agente precisar ser encaminhado para outro, forneça essas informações nos exemplos. Isso é fornecido em um exemplo do campo Exemplo final com informações de saída da seção de exemplo Entrada e saída.
Por exemplo, a frase final desse campo pode ser "Redirecionar de volta para o agente padrão para mais consultas".
Usar as funções JavaScript do Dialogflow CX Messenger para personalização
Ao usar o Dialogflow CX Messenger, as seguintes funções são úteis para enviar informações de personalização do usuário da interface da Web para o agente: