Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
Quais são as frases acionadoras no Copilot Studio
As frases acionadoras treinam o modelo de compreensão da linguagem natural (NLU) do seu agente.
As frases acionadoras são configuradas ao nível do tópico e indicam ao agente para que expressões típicas do utilizador um tópico específico deve ser acionado.
As frases acionadoras capturam frequentemente a forma como um utilizador perguntaria sobre um problema ou questão — por exemplo, "problema com ervas daninhas no relvado".
Ao criar um novo tópico, só precisa de fornecer algumas frases de exemplo (idealmente entre 5 e 10). Em runtime, a IA analisa o que o utilizador diz e aciona o tópico com significado mais próximo da expressão do utilizador. Para mais informações sobre frases acionadoras eficazes, consulte Escolher frases acionadoras eficazes.
A importância do contexto acionador
A NLU do Copilot Studio comporta-se de forma diferente dependendo do estado da conversa, o que por vezes pode levar a comportamentos diferentes para a mesma expressão do utilizador.
Seguem-se os diferentes estados de conversa:
Início da conversa: o agente não tem contexto, pelo que é esperado que uma expressão do utilizador:
- Acione um tópico diretamente (reconhecimento de intenção).
- Acione uma pergunta de desambiguação "queria dizer" (Vários Tópicos Correspondentes) entre os candidatos à intenção se existirem vários tópicos correspondentes.
- Se a intenção não for reconhecida, recorra a um tópico alternativo.
Depois de ser ativado um "queria dizer" (Múltiplos Tópicos Correspondentes):: a NLU otimiza para corresponder a um dos tópicos sugeridos, com limiares mais elevados para sair das opções apresentadas.
Mudar de um tópico atual: se a NLU estiver a tentar preencher um bloco num tópico e o utilizador estiver a fazer uma consulta que possa acionar outro tópico (mudança de tópico).
Pontuação
O modelo de NLU é agnóstico em relação à pontuação, incluindo pontos de interrogação.
Criação de novas frases acionadoras
Se possível, comece com dados reais de produção em vez de inventar as suas próprias frases acionadoras. As melhores frases acionadoras são aquelas semelhantes a dados reais provenientes dos utilizadores. Estas são as frases que os utilizadores utilizam para fazer perguntas a um agente implementado.
Não há necessidade de omitir palavras específicas: o modelo foi concebido para dar menos peso a palavras desnecessárias, como as stopwords (palavras que são filtradas antes do processamento de dados de linguagem natural por serem insignificantes).
Otimização de frases acionadoras
| Sugestão | Exemplos |
|---|---|
|
Ter pelo menos 5-10 frases acionadoras por tópico Itere e adicione mais à medida que aprende com os utilizadores. |
Encontrar a loja mais próxima Verificar a localização da loja Encontrar uma loja Encontre-me a localização mais próxima Loja perto de mim |
|
Varie a estrutura das frases e os termos chave O modelo considera automaticamente as variações dessas frases. |
Quando fecham Horário de funcionamento diário |
|
Utilizar frases acionadoras curtas Menos de 10 palavras. |
Quando estão abertos |
|
Evite frases acionadoras de uma só palavra Isto aumenta o peso de palavras específicas no acionamento de tópicos. Isto pode gerar confusão entre tópicos semelhantes. |
Loja |
| Utilize frases completas | Posso falar com um assistente humano |
| Possuem verbos e substantivos únicos, ou combinações destes |
Preciso de suporte ao cliente Quero falar com um consultor |
|
Evite utilizar a mesma variação de entidade Não precisa de utilizar todos os exemplos do valor da entidade. A NLU considera automaticamente todas as variações. |
Quero encomendar um hambúrguer Queria uma pizza Quero nuggets de frango |
Equilibre o número de frases acionadoras por tópico
Tente equilibrar o número de frases acionadoras entre os tópicos. Desta forma, as capacidades de NLU não priorizam um tópico em detrimento de outro com base nas frases acionadoras configuradas.
Avaliar as suas alterações
Após a atualização das frases acionadoras ou após a união ou divisão de tópicos, existem várias formas de avaliar as alterações:
- Uma alteração imediata no comportamento do agente, que pode ser observada através do chat de teste (por exemplo, um tópico que é agora acionado ou não com base em atualizações da frase acionadora).
- Uma alteração após a implementação do agente e o contacto com o tráfego, que se traduz em taxas de desvio (não escalamento) mais elevadas ou mais baixas. Isto pode ser observado no separador de análises do Copilot Studio.
Sugestão
Pode testar o acionamento por tópico e o desempenho do seu modelo de NLU em relação a dados de teste em massa, utilizando o Copilot Studio Kit.
Embora as funcionalidades e os componentes subjacentes utilizados para construir o Copilot Studio Kit (como a interação com a Direct Line API) sejam totalmente suportados, o próprio Copilot Studio Kit representa implementações de exemplo destas funcionalidades.
Os nossos clientes e a comunidade podem utilizar e adaptar o Copilot Studio Kit para implementar testes em massa. Se tiver problemas com o Copilot Studio Kit, reporte o problema aqui: https://aka.ms/CopilotStudioKit. (O Suporte da Microsoft não pode ajudar com problemas relacionados com estes exemplos, mas pode ajudar com problemas subjacentes relacionados com a plataforma e as funcionalidades.)