Ontwerp effectief taalbegrip

Natuurlijk taalbegrip (NLU) staat centraal in hoe Copilot Studio-agenten gebruikersvragen begrijpen en relevante, contextuele antwoorden bieden. Een goed gedefinieerde aanpak van intentieherkenning, entiteitsextractie en fallback-afhandeling zorgt ervoor dat agenten efficiënte, natuurlijke gesprekken voeren die aansluiten bij zakelijke behoeften.

Wanneer een gebruiker iets invoert aan een agent, wordt dat een uiting genoemd. De agent moet die uiting opsplitsen in intentie en entiteiten, zodat de reactie van de agent zowel natuurlijk als efficiënt aanvoelt.

Wat is taalbegrip?

Taalbegrip (LU) is een subgebied van Natural Language Processing (NLP) dat zich richt op het in staat stellen van machines om de betekenis, intentie en context achter menselijke taal te begrijpen.

Taalbegrip omvat:

• Intentieherkenning: Identificeren wat de gebruiker wil bereiken (bijvoorbeeld, "Boek volgende week een vlucht naar Parijs" sluit aan bij de intentie om een vlucht te boeken).
• Entiteitsextractie: Het extraheren van belangrijke details zoals data, locaties of namen (bijvoorbeeld "Parijs" als bestemming, "volgende week" als reisdatum).
• Contextbewustzijn: Het behouden van continuïteit en het oplossen van ambiguïteiten in gesprekken (bijvoorbeeld het begrijpen van voornaamwoorden of referenties).
• Omgaan met ambiguïteiten: Context gebruiken om woorden met meerdere betekenissen op te lossen (bijvoorbeeld "bank" als financiële instelling of rivieroever).

Taalbegrip in Copilot Studio

Copilot Studio heeft een flexibel model voor taalbegrip, met meerdere configuratieopties.

Generatieve indeling

Generatieve orkestratie gebruikt taalmodellen om onderwerpen, acties en kennis intelligent aan elkaar te koppelen. Deze mogelijkheid maakt multi-intentieherkenning, geavanceerde entiteitsextractie en dynamische plangeneratie voor complexe queries mogelijk.

Deze methode is de standaard voor Copilot Studio. Deze aanpak herkent meerdere intenties of onderwerpen in één uiting, schakelt automatisch acties en kennisbronnen aan elkaar en genereert uniforme reacties. Het is vooral nuttig voor het voeren van complexe gesprekken die meerdere bedrijfsgebieden beslaan. Generatieve orkestratie kent grenzen, zoals vijf berichten per onderwerp of actieketen, en 128 onderwerpen of acties per orkestratie, maar het biedt een krachtige manier om de breedte van het gesprek op te schalen.

Lees meer in Generatieve orkestratiemogelijkheden toepassen.

Klassieke indeling

Klassieke orkestratie gebruikt triggerfrasen en deterministische topic routing. Als de uiting van een gebruiker overeenkomt met een triggerzin, loopt het bijbehorende onderwerp. Als er geen match is, zoeken vanghulpmechanismen in kennisbronnen of vragen de gebruiker om verduidelijking.

Ingebouwde NLU

Deze aanpak was de standaard, maar is nu de fallback-aanpak. Copilot Studio biedt een kant-en-klaar NLU-model dat triggerzonders, vooraf gedefinieerde entiteiten en aangepaste entiteiten ondersteunt. Dit model stelt agenten in staat om de intentie van de gebruiker te identificeren en belangrijke details zoals data, bestemmingen of hoeveelheden rechtstreeks uit een query te halen.

NLU+

Voor hoge nauwkeurigheid gebruik je de NLU+-optie. De NLU+ optie is ideaal voor grote zakelijke toepassingen. Deze typen toepassingen bestaan doorgaans uit een groot aantal onderwerpen en entiteiten en gebruiken een groot aantal trainingsvoorbeelden. Als u een agent met spraakfunctionaliteit hebt, worden uw NLU+ trainingsgegevens ook gebruikt om uw spraakherkenningsmogelijkheden te optimaliseren.

Azure CLU integration

Voor meer geavanceerde scenario's waarin je de standaard generatieve orkestratie niet kunt gebruiken, kun je Azure Conversational Language Understanding (CLU) integreren. CLU biedt meer personalisatie, meertalige ondersteuning en complexe entiteitsextractie (bijvoorbeeld meerdere "van"-entiteiten). Je moet CLU-intenties koppelen aan Copilot Studio-onderwerpen om ze synchroon te houden. Deze optie is vooral waardevol voor branchespecifieke woordenschat, niet-Engelse talen of scenario's die hogere nauwkeurigheid vereisen.

Belangrijkste kenmerken en beperkingen

Deze tabel vergelijkt de drie taalbegripsbenaderingen in Copilot Studio. Het benadrukt hun belangrijkste kenmerken en beperkingen om u te helpen het juiste model te kiezen voor de complexiteit, schaal en nauwkeurigheid van uw makelaar.

Lees meer in overzicht van natuurlijke taalkennis (NLU).

Onderwerpstructuur en vangnet

De onderwerpen zijn verschoven van een rigide, intentiegerichte weg naar een flexibelere, orkestratiegerichte aanpak. In plaats van uitsluitend te vertrouwen op vooraf gedefinieerde triggers en paden, fungeren onderwerpen nu als modulaire instructies waarop de agent kan terugvallen bij het orkestreren van een gesprek. Generatieve orkestratie behandelt de meeste routering door gebruikersinvoer dynamisch te interpreteren, en topics bieden gestructureerde fallback wanneer precisie nodig is.

Het meer traditionele gestructureerde thema-ontwerp zorgt ervoor dat gesprekken natuurlijk en efficiënt aanvoelen. Onderwerpen kunnen toegangspunten zijn die worden geactiveerd door gebruikersuitingen of herbruikbare subonderwerpen die worden aangeroepen door doorverwijzingen of systeemgebeurtenissen. Disambiguatieonderwerpen helpen verwarring te voorkomen wanneer meerdere onderwerpen kunnen worden getriggerd, terwijl fallback- en gespreksversterkende onderwerpen vangnetten bieden wanneer de agent niet met zekerheid intentie kan matchen. Je kunt ook generatieve antwoorden toevoegen die je uit externe kennisbronnen haalt, zodat gebruikers zelden zonder antwoord zitten.

Lees meer in Best Practices Passen toe op het schrijven van onderwerpen.

Lokalisatie en talen

De taal die door een Copilot Studio-agent wordt gebruikt, wordt bepaald door de waarde van de systeemvariabele: System.User.Language.

Deze variabele fungeert als het centrale controlepunt voor al het taalgerelateerd gedrag van de agent. Je kunt de waarde handmatig of programmatisch of automatisch detecteren.

Hoe werkt het?

• Zoek kennis in de taal van de gebruiker: Copilot Studio gebruikt de waarde van System.User.Language om kennisbronnen in de opgegeven taal te doorzoeken. Deze aanpak betekent dat zelfs als een gebruiker een vraag in één taal stelt, de agent de zoekopdracht vertaalt naar de taal die in System.User.Language is ingesteld (automatische vertaling voor zoekzoekopdracht).

• Reageer in de taal van de gebruiker: De agent genereert antwoorden in de door , gespecificeerde System.User.Languagetaal, ongeacht de taal die in de vraag of de originele documenten wordt gebruikt (automatische vertaling voor antwoordgeneratie).

• Handmatig override: Je kunt handmatig de waarde van System.User.Language instellen om de agent te dwingen in een specifieke taal te werken. Deze functie is nuttig voor testen of voor situaties waarin je de taal expliciet moet besturen. Meer informatie in Configureren en meertalige agents maken.

Automatisch detecteren gesproken taal

Je kunt Copilot Studio zo instellen dat het automatisch de gesproken of geschreven taal van de gebruiker detecteert en de variabele System.User.Language daarop instelt. Deze functie maakt naadloze meertalige ervaringen mogelijk zonder dat gebruikers hun taalvoorkeur hoeven op te geven.

Hoe automatische detectie werkt

• Trigger-gebaseerde detectie: Wanneer de bot een bericht ontvangt, start een trigger een taaldetectiestroom.
• Stel systeemvariabele in: De bot wijst de gedetecteerde taal toe aan System.User.Language.
• Dynamische reactie: De agent zet het gesprek voort in de gedetecteerde taal, waarbij hij zowel kennis zoekt als antwoorden genereert.

Voordelen

• Gepersonaliseerde ervaring: Gebruikers communiceren in hun voorkeurstaal zonder handmatige configuratie.
• Consistente ervaring: Alle antwoorden en kennisopvragingen komen overeen met de gedetecteerde of ingestelde taal.
• Schaalbare oplossing: Ondersteunt wereldwijde implementaties met minimale configuratie.

Best practices voor lokalisatie

• Configureer ondersteunde talen: Definieer primaire en secundaire talen voor je agent. Gebruik lokalisatiebestanden (JSON of ResX) om vertalingen te leveren voor prompts, berichten en onderwerpen.
• Test meertalige scenario's: Simuleer gebruikersinteracties in verschillende talen om soepele overgangen en nauwkeurige antwoorden te garanderen.
• Gebruik automatische vertaling: Vertrouw op de ingebouwde vertaling van Copilot Studio voor kenniszoekopdrachten en antwoordgeneratie, maar bied aangepaste vertalingen aan voor kritische of genuanceerde inhoud.
• Monitor en verfijn: Gebruik analyses om taalgebruik te volgen en de lokalisatiedekking in de loop van de tijd te verbeteren.

Copilot Studio agenttaalbenaderingen:

• Aparte agenten per taal.
• Enkeltalige agenten met vooraf geschreven vertalingen.
• Realtime meertalige agenten, gebruikmakend van vertaaldiensten tussen gebruiker en agent.

De juiste aanpak hangt af van het gebruik, zorgen over de scheiding, schaal, update-cadans en beschikbare middelen.

Geïdentificeerde technische uitdagingen

Typische uitdagingen zijn onder meer het waarborgen dat Azure CLU- en Copilot Studio-onderwerpen synchroon blijven, het omgaan met dubbelzinnige uitingen en het opschalen van meertalige implementaties. Vroegtijdige identificatie van deze obstakels stelt je in staat om mitigatiestrategieën te plannen, zoals fallbackconfiguraties, bulktesten van triggerzinnen of vertaaldiensten op basis van relays.

Het doel van taalbegrip is ervoor te zorgen dat elke agent gebruikersvragen nauwkeurig kan interpreteren, zich kan aanpassen aan diverse talen en scenario's, en op elegante wijze met het onverwachte kan omgaan. Dit doel vormt een sterke basis voor het opbouwen van betrouwbare, boeiende en efficiënte Copilot Studio-gesprekken.

Verwante informatie

• Ontwerp effectieve trigger-phrases
• Implementatie van best practices voor het vullen van slots.
• Door Copilot Studio ondersteunde talen
• Ondersteunde talen voor Azure CLU
• Azure CLU-limieten
• Azure CLU-prijzen
• Agentgedrag organiseren met generatieve AI