自然語言理解（NLU）是 Copilot Studio 代理理解使用者查詢並提供相關且具情境回應的核心。 明確的意圖識別、實體擷取及備援處理方法，確保客服人員能提供高效且自然的對話，符合業務需求。
當使用者向代理輸入某件事時，稱為話語（Utterance）。 代理人需要將該話語拆解為意圖與實體，使代理人的回應感覺自然且高效。
什麼是語言理解？
語言理解（LU）是自然語言處理（NLP）的一個子領域，專注於讓機器理解人類語言背後的意義、意圖與脈絡。
圖示顯示使用者訊息如何被拆解為意圖與實體。 有人打字說：「我想訂下週飛往巴黎的機票。」 訊息被標示為句語。 「我想訂機票」這句話被標示為意圖，而「巴黎」和「下週」則被標示為實體。 系統接著會詢問更多細節，例如出發城市和旅行等級。 圖示說明代理人如何利用意圖、實體與情境來判斷最佳回應。
語言理解包括：
- 意圖辨識：辨識使用者想達成的目標（例如，「預訂下週飛往巴黎的機票」會映射到訂機票的意圖）。
- 實體擷取：擷取關鍵細節，如日期、地點或姓名（例如目的地為「巴黎」，旅行日期為「下週」）。
- 語境意識：維持對話連續性並解決歧義（例如理解代名詞或指稱）。
- 處理歧義：利用語境來解決具有多重意義的詞彙（例如，「bank」指銀行或河岸）。
Copilot Studio 中的語言理解
Copilot Studio 提供靈活的語言理解模型，並提供多種配置選項。
生成式協調流程
生成式協調 利用語言模型智慧地串聯主題、動作與知識。 此功能使多意圖識別、進階實體擷取及複雜查詢的動態計畫產生成為可能。
這是 Copilot Studio 的預設方法。 此方法能在單一語句中識別多種意圖或主題，自動串聯動作與知識來源，並產生統一回應。 它特別適合處理跨越多個業務領域的複雜對話。 生成式協調有其限制，例如每個主題或動作鏈最多可包含五則訊息，且每個協調可達128個主題或動作，但它提供了強大的方式來擴展對話的廣度。
在 應用生成式協調功能中了解更多。
傳統協調流程
經典的編曲使用觸發詞語和確定性主題路由。 如果使用者的發言與觸發詞相符，則該主題會被執行。 若無匹配，備援機制會搜尋知識來源或提示使用者說明。
內建 NLU
這種做法曾是預設做法，現在則是備用方案。 Copilot Studio 提供現成的 NLU 模型 ，支援觸發詞、預設實體及自訂實體。 此模型使代理能直接從查詢中識別使用者意圖，並擷取日期、目的地或數量等關鍵細節。
NLU+
為了高準確度，請使用 NLU+ 選項。 NLU+ 選項適用於大型企業級應用程式。 這些類型的應用程式通常包含大量的主題和實體，並使用大量的定型範例。 此外，如果您有 啟用語音的代理程式，NLU+ 定型數據也會用來優化您的語音辨識功能。
Azure CLU integration
對於無法使用預設生成式編排的進階情境，你可以整合 Azure 會話語言理解（CLU）。 CLU 提供更豐富的客製化、多語言支援及複雜的實體擷取（例如多個「來源」實體）。 你必須將 CLU 意圖對應到 Copilot Studio 的主題，以保持同步。此選項對於產業特定詞彙、非英語語言或需要更高準確度的情境特別有價值。
主要特色與限制
下表比較了 Copilot Studio 中的三種語言理解方法。 它強調其主要特點與限制，幫助您選擇符合經紀人複雜度、規模與準確性需求的合適模型。
| 功能和限制 | 生成式協調流程 | 內建的 NLU 模型 | 自訂 Azure CLU 模型 |
|---|---|---|---|
| 主要特徵 |
|
|
|
| Limits |
|
|
|
在自然 語言理解（NLU）概述中了解更多。
主題結構與備用
主題已從僵化、意圖導向的路徑轉向更靈活、以配器為先的方法。 主題不再僅依賴預設的觸發條件與路徑，而是作為模組化指令，代理在協調對話時可呼叫。 生成式協調透過動態解讀使用者輸入來處理大多數路由，當需要精確度時，主題則提供結構化的備用。
較傳統且結構化的主題設計讓對話感覺自然且高效。 主題可以是由使用者發言觸發的入口點，或是由重定向或系統事件呼叫的可重複使用子主題。 消歧義主題有助於避免多個主題同時觸發時的混淆，而退回主題與促進對話的主題則在客服無法自信匹配意圖時提供安全網。 你也可以加入生成式答案，從外部知識來源擷取，確保使用者很少會缺少回應。
在 「應用最佳實踐於寫作主題」中了解更多。
當地語系化和語言
Copilot Studio 代理所使用的語言由系統變數的值決定： System.User.Language。
此變數作為代理中所有語言相關行為的中央控制點。 你可以手動設定它的值、程式化設定，或自動偵測。
其運作方式為何？
以使用者語言搜尋知識：Copilot Studio 使用 的
System.User.Language值來搜尋指定語言中的知識來源。 這種做法意味著即使使用者用一種語言提問，代理也會將搜尋查詢翻譯成 （System.User.Language搜尋查詢的自動翻譯）。以使用者語言回應：代理人會以指定的語言
System.User.Language生成答案，無論問題中使用的語言或原始文件（自動翻譯以產生答案）。手動覆寫：你可以手動設定 的
System.User.Language值，強制代理人以特定語言運作。 此功能適合測試或必須明確控制語言的情境。 在 設定和建立多語言客服專員中深入瞭解。
自動偵測口語
你可以設定 Copilot Studio 自動偵測使用者的口語或書寫語言，並相應設定變 System.User.Language 數。 此功能讓使用者無需指定語言偏好即可無縫多語言體驗。
自動偵測的運作方式
- 基於觸發器的偵測：當機器人收到訊息時，觸發器會啟動語言偵測流程。
-
設定系統變數：機器人將偵測到的語言指派到
System.User.Language。 - 動態回應：代理人繼續以偵測到的語言進行對話，既搜尋知識也相應產生回應。
優點
- 個人化體驗：使用者以偏好語言互動，無需手動設定。
- 一致性的體驗：所有回應與知識檢索均與偵測到或設定的語言相符。
- 可擴展解決方案：支援以最小配置進行全球部署。
小提示
檢視範例解決方案，示範如何讓 Copilot Studio 代理自動偵測使用者的口語語言，並切換到製造商認可的語言： 自動偵測生成式回應語言
在地化的最佳實務
- 設定支援語言：為您的代理定義主要與次要語言。 使用本地化檔案（JSON 或 ResX）來提供提示、訊息和主題的翻譯。
- 測試多語言情境：模擬不同語言的使用者互動，確保流暢銜接與準確回應。
- 使用自動翻譯：依賴 Copilot Studio 內建的翻譯來搜尋知識與答案生成，但對於關鍵或細膩內容則提供客製化翻譯。
- 監控與精煉：利用分析追蹤語言使用，並隨時間提升本地化覆蓋範圍。
Copilot Studio 代理語言方法：
- 每種語言使用獨立代理。
- 單一多語言代理，並附有預先撰寫的翻譯。
- 即時多語言代理，利用使用者與代理之間的翻譯服務。
正確的做法取決於使用情況、分離、規模、更新節奏及可用資源等因素。
識別出的技術挑戰
典型挑戰包括確保 Azure CLU 與 Copilot Studio 主題保持同步、處理模糊語句，以及擴大多語言部署規模。 及早發現這些障礙，能讓你規劃緩解策略，例如備援配置、觸發詞的批量測試，或基於中繼的翻譯服務。
語言理解的目標是確保每位代理都能準確解讀使用者查詢，適應多元語言與情境，並優雅地處理突發狀況。 此目標為建立可靠、引人入勝且高效的 Copilot Studio 對話奠定堅實基礎。