Tersedia setelan agen penyimpanan data berikut.
Grounding
Untuk setiap respons yang dihasilkan dari konten penyimpanan data yang terhubung, tingkat keyakinan dihitung, yang mengukur keyakinan bahwa semua informasi dalam respons didukung oleh informasi dalam penyimpanan data. Anda dapat memilih tingkat keyakinan terendah yang diizinkan, dan agen tidak akan menampilkan respons yang lebih rendah dari tingkat tersebut.
Ada 5 tingkat keyakinan yang dapat dipilih: sangat rendah, rendah, sedang, tinggi, dan sangat tinggi.
Anda juga dapat menerapkan filter heuristik grounding. Jika diaktifkan, respons yang berisi konten yang mungkin tidak akurat berdasarkan halusinasi umum akan disembunyikan.
Dialog penyimpanan data
Anda memiliki opsi untuk menambahkan informasi tambahan tentang agen yang dapat meningkatkan kualitas jawaban yang dihasilkan dari konten penyimpanan data dan membuatnya lebih menyerupai brand Anda:
- Nama agen - Nama yang harus disebut agen itu sendiri. Jika Anda tidak menyetelnya, nilai default AI Assistant akan digunakan.
- Identitas agen - Apa yang akan menjadi persona agen. Jika Anda tidak menyetelnya, nilai default AI Assistant akan digunakan.
- Nama perusahaan Tetapkan ke nama perusahaan Anda. Proses ini seharusnya sudah ditetapkan sebagai bagian dari alur pembuatan agen, tetapi dapat disesuaikan sesuai kebutuhan. Sebaiknya tetapkan kolom ini dengan benar (dan terutama jangan kosong), agar kualitas jawaban yang dihasilkan tidak terpengaruh.
- Deskripsi perusahaan Deskripsi singkat tentang apa yang dilakukan atau ditawarkan perusahaan.
- Cakupan agen - Tempat agen akan digunakan. Jika tidak disetel, nilai default di situs perusahaan akan digunakan.
Setelah mengisi bagian ini sebagian atau seluruhnya, Anda dapat memeriksanya di sisi kanan, di bagian Perintah Anda, paragraf pendek yang berasal dari setelan ini. Ini digunakan sebagai bagian dari pembuatan jawaban.
Perintah peringkasan dan pemilihan model penyimpanan data
Saat kueri pengguna diproses, agen melakukan penelusuran penyimpanan data untuk menemukan sumber yang baik. Agen kemudian mengirimkan kueri pengguna dan sumber yang ditemukan ke LLM, yang melakukan perangkuman.
Anda dapat memilih model yang akan digunakan untuk perangkuman dan jika perlu, menyediakan perintah Anda sendiri.
Memilih model generatif
Anda dapat memilih model generatif yang digunakan oleh agen penyimpanan data untuk permintaan generatif ringkasan. Tabel berikut berisi opsi yang tersedia:
| ID Model | Dukungan Bahasa |
|---|---|
| Default | Ini adalah konfigurasi yang saat ini direkomendasikan dan dapat berubah dari waktu ke waktu. Jika menggunakan opsi ini, Anda mungkin akan mengalami perubahan perilaku agen (kemungkinan peningkatan). Jika Anda ingin perilaku agen yang lebih konsisten, pilih model yang spesifik. |
| teks-bison@002 | Tersedia dalam semua bahasa yang didukung. |
| gemini-1.0-pro-001 | Tersedia dalam semua bahasa yang didukung. |
| gemini-1.5-flash-001 (pratinjau) | Tersedia dalam semua bahasa yang didukung. Catatan: Konfigurasi ini belum stabil dan dapat berubah seiring waktu. |
Menyesuaikan perintah ringkasan
Anda dapat menyediakan perintah Anda sendiri untuk panggilan LLM ringkasan. Perintahnya adalah template teks yang mungkin berisi placeholder yang telah ditentukan sebelumnya. Placeholder akan diganti dengan nilai yang sesuai saat runtime dan teks akhir akan dikirim ke LLM.
Placeholdernya adalah sebagai berikut:
$original-query: Teks kueri pengguna.$rewritten-query: Dialogflow menggunakan modul rewriter untuk menulis ulang kueri pengguna asli ke dalam format yang lebih akurat.$sources: Dialogflow menggunakan Enterprise Search untuk menelusuri sumber berdasarkan kueri pengguna. Sumber yang ditemukan dirender dalam format tertentu:[1] title of first source content of first source [2] title of second source content of second source$end-user-metadata: Informasi tentang pengguna yang mengirim kueri dirender dalam format berikut:The following additional information is available about the human: { "key1": "value1", "key2": "value2", ... }$conversation: Histori percakapan dirender dalam format berikut:Human: user's first query AI: answer to user's first query Human: user's second query AI: answer to user's second query
Perintah kustom harus menginstruksikan LLM untuk menampilkan "NOT_ENOUGH_INFORMATION" jika tidak dapat memberikan jawaban. Dalam hal ini, agen akan memanggil peristiwa tidak ada kecocokan.
Contoh:
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:
Penggantian penyimpanan data
Bagian ini memiliki setelan berikut:
- Link penggantian: Menampilkan link yang paling sesuai jika agen gagal memberikan jawaban.
- Aktifkan AI Generatif: Izinkan penyimpanan data menggunakan AI generatif saat membuat hasil.