Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Was sind Triggerausdrücke in Copilot Studio?
Triggerausdrücke trainieren das NLU-Modell Ihres Agents.
Triggerausdrücke werden auf Themenebene konfiguriert und zeigen dem Agent an, bei welchen typischen Äußerungen von Benutzenden ein bestimmtes Thema ausgelöst werden soll.
Triggerausdrücke erfassen in der Regel, wie ein Benutzender nach einem Problem fragen würde, beispielsweise: „Problem mit Unkraut im Rasen“.
Wenn Sie ein neues Thema erstellen, müssen Sie nur ein paar Beispielausdrücke angeben (idealerweise zwischen 5 und 10). Zur Laufzeit analysiert die KI, was der Benutzer sagt, und löst das Thema aus, das der Benutzeräußerung in seiner Bedeutung am nächsten kommt. Weitere Informationen zu effektiven Triggerausdrücken finden Sie unter Effektive Triggerausdrücke wählen.
Die Bedeutung des auslösenden Kontexts
Copilot Studio NLU verhält sich je nach Gesprächszustand unterschiedlich, was manchmal zu unterschiedlichen Verhaltensweisen bei derselben Äußerung von Benutzenden führen kann.
Im Folgenden finden Sie die verschiedenen Status der Unterhaltung:
Beginn der Unterhaltung: Der Agent hat keinen Kontext, daher wird von einer Benutzeräußerung Folgendes erwartet:
- Ein Thema direkt auslösen (Intent-Erkennung).
- Eine Frage zur Begriffsklärung „Meinten Sie“ (mehrere Themen übereinstimmend) unter den Absichtskandidaten auslösen, wenn es mehrere übereinstimmende Themen gibt.
- Zu einem Fallbackthema wechseln, wenn die Absicht nicht erkannt wird.
Nachdem ein „Meinten Sie“ (Multiple Topics Matched) ausgelöst wurde: NLU optimiert, um einem der vorgeschlagenen Themen zu entsprechen, mit höheren Schwellenwerten, um aus den präsentierten Optionen herauszukommen.
Ausschalten aus einem aktuellen Thema: Wenn die NLU versucht, eine Aufteilung in Bereiche in einem Thema vorzunehmen, und der Benutzer eine Benutzeranfrage stellt, die ein anderes Thema auslösen könnte (Themenwechsel).
Interpunktion
Das NLU-Modell ist unabhängig von Interpunktionen, einschließlich Fragezeichen.
Neue Auslöser-Phrasen erstellen
Wenn möglich, sollten Sie mit echten Produktionsdaten beginnen, anstatt eigene Auslöser-Phrasen zu erfinden. Die besten Triggerausdrücke sind diejenigen, die den tatsächlichen Daten von Benutzenden ähneln. Diese Sätze sind diejenigen, die Benutzende einen bereitgestellten Agent fragen.
Es ist nicht nötig, bestimmte Wörter wegzulassen: Das Modell ist so konzipiert, dass unnötige Wörter, wie z.B. Stoppwörter (Wörter, die vor der Verarbeitung von natürlichsprachlichen Daten herausgefiltert werden, weil sie unbedeutend sind), weniger Gewicht erhalten.
Optimierung von Auslöser-Phrasen
| Tipp | Beispiele |
|---|---|
|
Mindestens 5-10 Triggerausdrücke pro Thema haben Iterieren Sie und fügen Sie weitere hinzu, wenn Sie von den Benutzern lernen. |
Finde den nächstgelegenen Store Store-Standort prüfen Finde einen Store Finde den nächstgelegenen Standort Store in meiner Nähe |
|
Variable Satzstruktur und Schlüsselbegriffe Das Modell berücksichtigt automatisch Variationen dieser Phrasen. |
Wann sind Sie geschlossen Täglich geöffnete Stunden |
|
Benutzen Sie kurze Triggerausdrücke Weniger als 10 Wörter. |
Wann sind Sie geöffnet |
|
Vermeiden Sie Triggerausdrücke, die nur aus einem Wort bestehen Dies erhöht die Gewichtung bestimmter Worte bei der Auslösung von Themen. Das kann zu Verwirrung zwischen ähnlichen Themen führen. |
Store |
| Verwenden Sie vollständige Sätze | Kann ich mit einem menschlichen Mitarbeiter sprechen |
| Haben Sie eindeutige Verben und Substantive oder Kombinationen davon |
Ich brauche Kundenservice Ich möchte mit einem Berater sprechen |
|
Vermeiden Sie die Verwendung der gleichen Entitätsvariation Sie müssen nicht alle Beispiele aus dem Entitäten-Wert verwenden. Die NLU berücksichtigt automatisch alle Variationen. |
Ich möchte einen Burger bestellen Ich hätte gerne eine Pizza Ich möchte Hühnchen-Nuggets |
Halten Sie die Anzahl der Auslöser-Phrasen pro Thema im Gleichgewicht
Versuchen Sie, die Anzahl der Auslöser-Phrasen zwischen den Themen auszugleichen. Auf diese Weise werden die NLU-Funktionen nicht durch die konfigurierten Auslösephrasen dazu veranlasst, ein Thema gegenüber einem anderen zu bevorzugen.
Bewerten Ihrer Änderungen
Nach dem Aktualisieren von Triggerausdrücken oder nach dem Zusammenführen oder Teilen von Themen gibt es mehrere Möglichkeiten, die Änderungen zu bewerten:
- Eine unmittelbare Änderung des Agentenverhaltens, die im Testchat beobachtet werden kann (z. B. ein Thema, das jetzt basierend auf Triggerausdruckaktualisierungen ausgelöst wird oder nicht).
- Eine Änderung, wenn der Agent mit der Bearbeitung von echten Benutzeranfragen beginnt, die sich in höheren oder niedrigeren Abweisungsraten (ohne Eskalation) niederschlägt. Dies kann auf der Registerkarte „Analysen“ in Copilot Studio beobachtet werden.
Trinkgeld
Mit dem Copilot Studio-Kit können Sie das Auslösen von Themen und die Leistung Ihres NLU Modells anhand von Testdaten in großen Mengen testen.
Obwohl die zugrunde liegenden Funktionen und Komponenten, die zum Erstellen des Copilot Studio-Kits verwendet werden (z. B. die Interaktion mit der Direct Line-API), vollständig unterstützt werden, stellt das Copilot Studio-Kit selbst Beispielimplementierungen dieser Funktionen dar.
Unsere Kunden und Communitys können das Copilot Studio-Kit verwenden und anpassen, um Massentests zu implementieren. Wenn Sie Probleme mit dem Copilot Studio-Kit haben, melden Sie das Problem hier: https://aka.ms/CopilotStudioKit. (Der Microsoft-Support hilft Ihnen nicht bei Problemen im Zusammenhang mit diesen Beispielen, aber bei verwandten, zugrunde liegenden Plattform- und Funktionsproblemen.)