Setelan agen

Agen memiliki banyak setelan yang memengaruhi perilaku, dan setiap konsol menyediakan setelan yang berbeda.

Setelan agen konsol Conversational Agents

Untuk mengakses setelan agen:

Konsol

  1. Buka konsol Conversational Agents.
  2. Pilih project Anda.
  3. Pilih agen Anda.
  4. Klik ikon setelan ini di sudut kanan atas.
  5. Perbarui setelan sesuai kebutuhan.
  6. Klik Simpan.

API

Lihat metode get dan patch/update untuk jenis Agent.

Pilih protokol dan versi untuk referensi Agen:

Protokol V3 V3beta1
REST Resource agen Resource agen
RPC Antarmuka agen Antarmuka agen
C++ AgentsClient Tidak tersedia
C# AgentsClient Tidak tersedia
Go AgentsClient Tidak tersedia
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Tidak tersedia Tidak tersedia
Python AgentsClient AgentsClient
Ruby Tidak tersedia Tidak tersedia

Subbagian berikut menjelaskan berbagai kategori setelan agen.

Setelan umum

Setelan umum berikut tersedia untuk agen:

  • Nama tampilan

    Nama yang dapat dibaca manusia untuk agen Anda.

  • Zona waktu

    Zona waktu default untuk agen Anda.

  • Mulai percakapan

    Setelan ini menentukan apakah agen Anda memulai percakapan dengan playbook generatif atau alur deterministik.

  • Lokasi agen

    Region agen yang Anda pilih saat membuat agen.

  • Kunci agen

    • Mengunci agen: Menunjukkan apakah agen dikunci. Agen yang dikunci tidak dapat diedit.

  • Setelan logging

    • Aktifkan logging cloud: Menunjukkan apakah Cloud logging diaktifkan untuk agen.

    • Aktifkan histori percakapan: Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas.

    • Tentukan URI Cloud Storage untuk menyimpan dan memutar ulang percakapan suara: Jika histori percakapan diaktifkan, Anda dapat memberikan URI Cloud Storage, dan audio percakapan akan disimpan di lokasi ini. Kolom ini disinkronkan dengan setelan ucapan lanjutan untuk bucket ekspor audio. Anda dapat menggunakan tombol Browse Google cloud storage secara opsional, yang akan membuka panel pemilihan bucket.

    • Aktifkan penyamaran input pengguna akhir berbasis izin: Jika setelan ini diaktifkan, Anda dapat menggunakan parameter sesi khusus untuk mengontrol apakah input dan parameter pengguna akhir disamarkan dari histori percakapan dan Cloud Logging. Secara default, parameter sesi adalah true. Jika setelan ini dinonaktifkan, tidak ada penyamaran yang terjadi.

      Izin pengguna dikumpulkan menggunakan parameter sesi boolean: $session.params.conversation-redaction. Jika setelan ini diaktifkan, dan parameter sesi disetel ke false, tidak ada penyamaran yang terjadi (strategi penyamaran lainnya tetap berlaku). Jika setelan ini diaktifkan, dan parameter sesi disetel ke true, penyamaran akan terjadi.

      Contoh alur permintaan izin dapat berupa: pertama, tanyakan kepada pengguna apakah mereka ingin menyimpan input pengguna akhir, dan cocokkan respons dengan dua intent, yang satu adalah "intent ya" dan yang lainnya adalah "intent tidak". Kemudian, tetapkan parameter sesi ke false (tanpa penyensoran) di preset parameter rute "intent ya" di fulfillment, dan ke true (penyensoran terjadi) di preset parameter rute "intent tidak".

  • BigQuery Export

    • Aktifkan BigQuery Export: Menunjukkan apakah BigQuery Export diaktifkan.
    • Set data BigQuery: Nama set data BigQuery.
    • Tabel BigQuery: Nama tabel BigQuery.

  • Saran maksud

    Anda dapat mengaktifkan saran maksud.

  • Masukan pengguna

    Anda dapat mengaktifkan setelan ini untuk memberikan masukan tentang kualitas jawaban agen, yang mencakup penilaian suka/tidak suka.

  • Integrasi Git

    Gunakan setelan ini untuk menambahkan integrasi Git.

Setelan AI generatif

Setelan AI generatif berikut tersedia:

  • Umum:

    • Pemilihan model generatif

    Pilih model yang akan digunakan oleh fitur generatif. Untuk mengetahui informasi selengkapnya, lihat versi model.

  • Batas token:

    • Batas token input

      Pilih batas token input untuk model generatif. Ini adalah ukuran token maksimum untuk input yang akan dikirim ke model. Bergantung pada modelnya, token dapat berupa satu karakter hingga satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran input model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran input model bisa lebih besar.

    • Batas token output

      Pilih batas token output untuk model generatif. Ini adalah ukuran token maksimum untuk output yang diterima dari model. Bergantung pada modelnya, token dapat berupa satu karakter hingga satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran output model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran output model bisa lebih besar.

    • Suhu

      Temperatur untuk LLM memungkinkan Anda mengontrol seberapa kreatif respons yang dihasilkan. Nilai yang rendah memberikan respons yang lebih mudah diprediksi. Nilai yang tinggi memberikan respons yang lebih kreatif atau acak.

    • Batas token konteks

      Setelan ini menghapus beberapa giliran sebelumnya dari perintah LLM untuk mencegah ukuran perintah bertambah dengan setiap giliran berurutan yang ditangani oleh agen. Fitur ini menawarkan cara untuk mengurangi pertumbuhan ukuran perintah yang tidak diinginkan.

      Biasanya, tanpa pemotongan, setiap giliran berikutnya akan ditambahkan ke "histori percakapan" perintah LLM, terlepas dari apakah relevan dengan giliran saat ini atau tidak. Hal ini pada akhirnya dapat menyebabkan perintah bertambah besar setiap kali giliran. Jika sebagian besar perintah diisi dengan histori percakapan, maka lebih sedikit perintah yang dapat digunakan untuk contoh few-shot (sehingga contoh ini mungkin dihilangkan). Pada akhirnya, perintah juga dapat melanggar batas token saat ini. Anda dapat meningkatkan ukuran token untuk mengakomodasi hal ini, tetapi perlu diingat bahwa peningkatan ukuran perintah juga menambah latensi respons LLM.

      Pemangkasan konteks memungkinkan Anda menetapkan persentase anggaran token yang akan dicadangkan untuk histori percakapan, sebagai maksimum. Giliran percakapan dipertahankan dalam urutan dari yang terbaru hingga yang terlama. Setelan ini dapat membantu Anda mencegah batas token terlampaui. Terlepas dari setelan yang Anda pilih, minimal dua giliran percakapan akan dipertahankan, dalam urutan dari yang terbaru hingga yang paling lama.

      Anda harus menyetel batas token terlebih dahulu sebelum dapat mengubah setelan ini.

      Memangkas konteks dapat menyebabkan beberapa parameter hilang secara tidak sengaja jika parameter tersebut merupakan bagian dari giliran yang dihilangkan. Evaluasi interaksi playbook Anda dengan cermat setelah mengaktifkan opsi ini.

      Anggaran input token juga digunakan oleh berikut ini:

      • Petunjuk dan contoh sistem: Ditambahkan secara otomatis ke perintah. Perilaku ini tidak dapat diubah.
      • Petunjuk dan sasaran playbook: Petunjuk dan sasaran apa pun yang Anda tulis akan ditambahkan ke perintah secara keseluruhan.
      • Contoh few-shot playbook: Ditambahkan secara berurutan (secara default) atau oleh algoritma yang Anda pilih (seperti pengurutan kecocokan terbaik ekspresi reguler). Contoh dipangkas agar sesuai dengan anggaran token input setelah semua item lainnya disertakan.
      • Histori percakapan yang terdiri dari ucapan pengguna dan agen, konteks transisi alur dan playbook, panggilan dan output alat dalam sesi yang sama dari semua giliran sebelumnya yang ditangani secara berurutan oleh playbook saat ini.

    • Frasa yang dilarang

    Daftar frasa yang dilarang untuk AI generatif. Jika frasa terlarang muncul dalam perintah atau respons yang dihasilkan, pembuatan akan gagal. Perlu diketahui bahwa daftar frasa yang dilarang akan berdampak pada setiap kueri dan panggilan LLM serta akan meningkatkan latensi.

    • Filter keamanan

    Mengonfigurasi tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori AI yang bertanggung jawab (RAI). Konten akan dinilai berdasarkan empat kategori berikut:

    Kategori Deskripsi
    Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
    Dangerous content Mempromosikan atau memungkinkan akses ke barang, layanan, dan/atau aktivitas berbahaya
    Sexually explicit content Berisi referensi ke tindakan seksual dan/atau konten cabul lainnya
    Pelecehan Komentar jahat, mengintimidasi, menindas, dan/atau melecehkan yang menargetkan individu lain

    Konten akan diblokir berdasarkan probabilitas bahayanya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu opsi Jangan blokir, Blokir sedikit, Blokir sebagian, dan Blokir sebagian besar untuk setiap kategori.

    Untuk mengetahui informasi selengkapnya, lihat mengonfigurasi atribut keselamatan.

    • Keamanan perintah

    Anda dapat mencentang setelan enable prompt security check untuk mengaktifkan pemeriksaan keamanan perintah. Jika diaktifkan, agen akan menolak kueri pengguna yang memicu filter keamanan, termasuk serangan injeksi perintah. Serangan ini dapat digunakan untuk mengungkapkan bagian dari perintah agen atau untuk memberikan respons yang seharusnya tidak diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna berpotensi berbahaya. Jika diaktifkan, Anda dapat memberikan opsi berikut:

    • Setelan keamanan perintah: Anda dapat memilih Default untuk setelan keamanan default atau Sesuaikan untuk memperjelas kueri pengguna mana yang harus dianggap aman atau tidak aman.
    • Pilih model generatif: Ini mengontrol LLM yang digunakan untuk klasifikasi. Jika Anda memilih Default (direkomendasikan), model default akan dipilih untuk Anda, yang dapat berubah secara otomatis saat model yang lebih baru dan lebih baik tersedia.
    • Dialog keamanan: Anda dapat memilih Default untuk dialog keamanan default atau Sesuaikan untuk memberikan petunjuk yang membantu mengklasifikasikan kueri pengguna berbahaya. Jika Anda memilih Default, perintah dapat diperbarui secara otomatis untuk peningkatan.
    • Nilai minimum input: Panjang karakter minimum untuk kueri pengguna sebelum pemeriksaan keamanan diterapkan. Kueri kecil lebih ambigu dan mungkin salah diklasifikasikan. Semua kueri yang lebih kecil dari nilai minimum input akan dianggap aman secara inheren.

  • Penggantian respons generatif:

  • Penyimpanan Data:

    Lihat Setelan agen penyimpanan data.

Alur Deterministik

Setelan ini berlaku untuk semua alur dalam agen ini, kecuali setelan ML yang diterapkan per alur. Untuk mengedit setelan khusus alur lainnya, buka alur di konsol dan edit setelannya di sana.

  • Pelatihan niat: Flows menggunakan algoritma machine learning (ML) untuk memahami input pengguna akhir, mencocokkannya dengan niat, dan mengekstrak data terstruktur. Alur belajar dari frasa pelatihan yang Anda berikan dan model bahasa yang disertakan dalam alur. Berdasarkan data ini, model tersebut membuat model untuk mengambil keputusan tentang intent mana yang harus dicocokkan dengan input pengguna akhir. Anda dapat menerapkan setelan ML unik untuk setiap alur agen.

    Setelan pelatihan maksud berikut tersedia:

    • Koreksi ejaan

    Jika diaktifkan dan input pengguna memiliki kesalahan ejaan atau tata bahasa, maksud akan dicocokkan seolah-olah ditulis dengan benar. Respons deteksi maksud akan berisi input pengguna akhir yang telah dikoreksi. Misalnya, jika pengguna akhir memasukkan "Saya ingin applle", maka akan diproses seolah-olah pengguna akhir memasukkan "Saya ingin apel". Hal ini juga berlaku untuk kecocokan yang melibatkan entity sistem dan entity kustom.

    Koreksi ejaan tersedia dalam bahasa Inggris, Prancis, Jerman, Spanyol, dan Italia. Fitur ini tersedia di semua region Dialogflow CX.

    Peringatan dan praktik terbaik:

    • Koreksi ejaan tidak dapat mengoreksi kesalahan ASR (pengenalan ucapan otomatis), jadi sebaiknya jangan mengaktifkannya untuk agen yang menggunakan input ASR.
      • Input yang dikoreksi dapat cocok dengan maksud yang salah. Anda dapat memperbaikinya dengan menambahkan frasa yang umumnya tidak cocok ke contoh negatif.

    • Koreksi ejaan akan meningkatkan waktu respons agen sedikit.

      • Jika agen ditentukan menggunakan jargon khusus domain, koreksi mungkin tidak diinginkan.

    • Setelan ML khusus alur:

      Nilai ini dapat berupa salah satu dari:

      • NLU Lanjutan: (default) Teknologi NLU lanjutan. Jenis NLU ini berfungsi lebih baik daripada jenis standar, terutama untuk agen dan alur yang besar.
      • NLU Standar: Teknologi NLU standar. Tidak akan lagi menerima peningkatan kualitas atau fitur baru.

      • Latih otomatis

        Jika diaktifkan, alur akan dilatih setiap kali diperbarui dengan konsol. Untuk alur besar, hal ini dapat menyebabkan penundaan UI konsol, jadi Anda harus menonaktifkan setelan ini dan melatih secara manual sesuai kebutuhan untuk alur besar.

      • Batas klasifikasi

        Untuk memfilter hasil positif palsu dan tetap mendapatkan variasi dalam input bahasa alami yang cocok untuk agen Anda, Anda dapat menyesuaikan batas klasifikasi machine learning. Setelan ini mengontrol keyakinan deteksi maksud minimum yang diperlukan untuk kecocokan maksud.

        Jika skor keyakinan untuk kecocokan maksud kurang dari nilai batas, maka peristiwa tidak cocok akan dipanggil.

        Anda dapat menetapkan batas klasifikasi terpisah untuk setiap alur dalam setiap bahasa yang diaktifkan untuk agen. Hal ini dilakukan untuk mengakomodasi bahasa yang berbeda yang berperforma terbaik pada nilai minimum klasifikasi yang berbeda. Untuk mengetahui informasi selengkapnya tentang cara membuat agen multibahasa, lihat dokumentasi Agen multibahasa.

      • Status pelatihan

        Menunjukkan apakah alur telah dilatih sejak update terbaru pada data alur.

      • Train

        Gunakan tombol ini untuk melatih alur secara manual.

    • Bahasa

      Bahasa yang didukung oleh agen Anda. Setelah agen dibuat, bahasa default tidak dapat diubah. Namun, Anda dapat melakukan hal berikut:

      1. Ekspor agen Anda ke format JSON.
      2. Ekstrak file yang didownload.
      3. Cari file agent.json.
      4. Perbarui kolom defaultLanguageCode dan supportedLanguageCodes ke nilai yang dipilih.
      5. Pulihkan agen ke agen yang sama atau berbeda dari langkah 1.
      6. Perbarui frasa pelatihan dan nilai entity khusus bahasa sesuai kebutuhan.

      Anda juga dapat mengaktifkan deteksi dan peralihan bahasa otomatis.

Konektivitas

  • Template payload kustom

    Di bagian ini, Anda dapat membuat deskripsi dan payload untuk template payload kustom.

  • Definisi parameter

    Nyatakan dengan jelas parameter apa dari parameter sesi yang akan dikirim ke webhook, dan parameter sesi apa yang dapat ditetapkan oleh respons webhook.

  • Setelan sertifikat klien

    Digunakan untuk mengupload sertifikat SSL.

Ucapan dan IVR

  • Opsi ucapan:

    • Text-to-Speech

    • Bahasa dan suara

      Anda dapat memilih bahasa dan suara yang digunakan untuk sintesis ucapan.

      Anda dapat mengaktifkan Suara kustom untuk agen Anda dengan memilih opsi suara kustom dari kotak drop-down nama suara dan menentukan nama suara kustom di kolom yang sesuai. Nama suara kustom harus mengikuti pola berikut: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      Anda juga dapat menggunakan kloning suara.

      • Jika Anda menggunakan gateway telepon, pastikan akun layanan Dialogflow Service Agent service-PROJECT_NUMBER@gcp-sa-dialogflow. diberi "AutoML Predictor" di project suara kustom Anda.

      • Untuk panggilan API reguler, pastikan akun layanan yang digunakan untuk memanggil Dialogflow CX diberi peran "AutoML Predictor" di project suara kustom Anda.

      • Nada suara

        Mengontrol tinggi atau rendahnya nada bicara.

      • Kecepatan bicara

        Mengontrol kecepatan bicara suara.

      • Mengganti konfigurasi ucapan yang disintesis tingkat permintaan

        Jika diaktifkan, konfigurasi ucapan yang disintesis yang ditentukan dalam setelan agen akan menggantikan konfigurasi yang ditentukan dalam API, integrasi partner, atau profil percakapan.

      • Pengucapan

        Gunakan setelan ini untuk memberikan pengucapan frasa tertentu kepada agen, menggunakan encoding fonetik X-SAMPA.

    • Speech-to-Text

      • Mengaktifkan adaptasi ucapan otomatis

      Lihat Adaptasi ucapan otomatis.

  • Perangkat pendamping panggilan: Lihat Perangkat pendamping panggilan.

Setelan UI

Anda dapat menggunakan setelan ini untuk menyesuaikan antarmuka pengguna pendamping panggilan dan Messenger.

Keamanan

Untuk mengetahui informasi selengkapnya, lihat Setelan keamanan dan Kontrol akses.

Setelan agen konsol Dialogflow CX

Untuk mengakses setelan agen:

Konsol

  1. Buka konsol.
  2. Pilih project Anda.
  3. Pilih agen Anda.
  4. Klik Setelan Agen.
  5. Perbarui setelan sesuai kebutuhan.
  6. Klik Simpan.

API

Untuk mengetahui informasi selengkapnya, lihat metode get dan patch/update untuk jenis Agent.

Pilih protokol dan versi untuk referensi Agen:

Protokol V3 V3beta1
REST Resource agen Resource agen
RPC Antarmuka agen Antarmuka agen
C++ AgentsClient Tidak tersedia
C# AgentsClient Tidak tersedia
Go AgentsClient Tidak tersedia
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Tidak tersedia Tidak tersedia
Python AgentsClient AgentsClient
Ruby Tidak tersedia Tidak tersedia

Setelan umum

Setelan umum berikut tersedia untuk agen:

  • Nama tampilan: Nama yang dapat dibaca manusia untuk agen Anda.
  • Zona waktu: Zona waktu default untuk agen Anda.

  • Bahasa default: Bahasa default yang didukung oleh agen Anda. Setelah agen dibuat, bahasa default tidak dapat diubah. Namun, Anda dapat melakukan hal berikut:

    1. Ekspor agen Anda ke format JSON.
    2. Ekstrak file yang didownload.
    3. Cari file agent.json.
    4. Perbarui kolom defaultLanguageCode dan supportedLanguageCodes ke nilai yang diperlukan.
    5. Pulihkan agen ke agen yang sama atau berbeda dari langkah 1.
    6. Perbarui frasa pelatihan dan nilai entity khusus bahasa sesuai kebutuhan.

  • Kunci agen:

    • Mengunci agen: Menunjukkan apakah agen dikunci. Agen yang dikunci tidak dapat diedit.

  • Setelan logging:

    • Aktifkan Cloud Logging: Menunjukkan apakah Cloud Logging diaktifkan untuk agen.
    • Aktifkan histori percakapan: Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas.
    • Mengaktifkan penyamaran data input pengguna akhir berbasis izin:

    Jika setelan ini diaktifkan, Anda dapat menggunakan parameter sesi khusus untuk mengontrol apakah input dan parameter pengguna akhir disamarkan dari histori percakapan dan Cloud Logging. Secara default, parameter sesi adalah true. Jika setelan ini dinonaktifkan, tidak ada penyensoran yang terjadi.

    Izin pengguna dikumpulkan menggunakan parameter sesi boolean: $session.params.conversation-redaction. Jika setelan ini diaktifkan, dan parameter sesi disetel ke false, tidak ada penyensoran yang terjadi (strategi penyensoran lainnya tetap berlaku). Jika setelan ini diaktifkan, dan parameter sesi disetel ke true, penyamaran akan terjadi.

    Contoh alur permintaan izin dapat berupa: pertama, tanyakan kepada pengguna apakah mereka ingin menyimpan input pengguna akhir, dan cocokkan respons dengan dua intent, yang satu adalah "intent ya" dan yang lainnya adalah "intent tidak". Kemudian, tetapkan parameter sesi ke false (tanpa penyensoran) di preset parameter rute "yes intent" di fulfillment, dan ke true (penyensoran terjadi) di preset parameter rute "no intent".

  • BigQuery Export:

    • Aktifkan BigQuery Export: Menunjukkan apakah BigQuery Export diaktifkan.
    • Set data BigQuery: Nama set data BigQuery.
    • Tabel BigQuery: Nama tabel BigQuery.

  • Saran maksud: Anda dapat mengaktifkan saran maksud.

  • Template payload kustom: Di bagian ini, Anda dapat membuat deskripsi dan payload untuk template payload kustom.

Setelan ML

Dialogflow CX menggunakan algoritma machine learning (ML) untuk memahami input pengguna akhir, mencocokkannya dengan maksud (intent), dan mengekstrak data terstruktur. Dialogflow CX belajar dari frasa pelatihan yang Anda berikan dan model bahasa yang ada di Dialogflow CX. Berdasarkan data ini, model akan membuat model untuk membuat keputusan tentang intent mana yang harus dicocokkan dengan input pengguna akhir. Anda dapat menerapkan setelan ML unik untuk setiap alur agen, dan model yang dibuat oleh Dialogflow CX bersifat unik untuk setiap alur.

Setelan ML di seluruh agen berikut tersedia:

  • Mengizinkan ML mengoreksi ejaan:

    Jika diaktifkan dan input pengguna memiliki kesalahan ejaan atau tata bahasa, maksud akan dicocokkan seolah-olah ditulis dengan benar. Respons deteksi maksud akan berisi input pengguna akhir yang telah dikoreksi. Misalnya, jika pengguna akhir memasukkan "Saya ingin applle", permintaan tersebut akan diproses seolah-olah pengguna akhir memasukkan "Saya ingin apple". Hal ini juga berlaku untuk kecocokan yang melibatkan entity sistem dan entity kustom.

    Koreksi ejaan tersedia dalam bahasa Inggris, Prancis, Jerman, Spanyol, dan Italia. Layanan ini tersedia di semua region Dialogflow CX.

    Peringatan dan praktik terbaik:

    • Koreksi ejaan tidak dapat mengoreksi kesalahan ASR (pengenalan ucapan otomatis), jadi sebaiknya jangan mengaktifkannya untuk agen yang menggunakan input ASR.
    • Input yang dikoreksi dapat cocok dengan maksud yang salah. Anda dapat memperbaiki hal ini dengan menambahkan frasa yang sering tidak cocok ke contoh negatif.
    • Koreksi ejaan akan meningkatkan waktu respons agen sedikit.
    • Jika agen ditentukan menggunakan jargon khusus domain, koreksi mungkin tidak diinginkan.

Setelan ML khusus alur berikut tersedia:

  • Jenis NLU:

    Nilai ini dapat berupa salah satu dari:

  • Pelatihan otomatis: Jika diaktifkan, alur akan dilatih setiap kali diperbarui dengan konsol. Untuk alur besar, hal ini dapat menyebabkan penundaan UI konsol, jadi Anda harus menonaktifkan setelan ini dan melatih secara manual sesuai kebutuhan untuk alur besar.

  • Batas klasifikasi:

    Untuk memfilter hasil positif palsu dan tetap mendapatkan variasi dalam input bahasa alami yang cocok untuk agen Anda, Anda dapat menyesuaikan batas klasifikasi machine learning. Setelan ini mengontrol keyakinan deteksi maksud minimum yang diperlukan untuk kecocokan maksud.

    Jika skor keyakinan untuk kecocokan maksud kurang dari nilai minimum, maka peristiwa tidak cocok akan dipanggil.

    Anda dapat menetapkan batas klasifikasi terpisah untuk setiap alur dalam setiap bahasa yang diaktifkan untuk agen. Hal ini dilakukan untuk mengakomodasi berbagai bahasa yang berperforma terbaik pada berbagai nilai minimum klasifikasi. Untuk mengetahui informasi selengkapnya tentang cara membuat agen multibahasa, lihat dokumentasi Agen multibahasa.

  • Status pelatihan: Menunjukkan apakah alur telah dilatih sejak update terbaru pada data alur.

  • Latih NLU: Gunakan tombol ini untuk melatih alur secara manual.

Setelan AI generatif

Setelan AI generatif berikut tersedia:

  • Umum:

    • Frasa yang dilarang: Daftar frasa yang dilarang untuk AI generatif. Jika frasa yang dilarang muncul dalam perintah atau respons yang dihasilkan, pembuatan akan gagal.
    • Filter keamanan: Konfigurasi tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori AI yang bertanggung jawab (RAI). Konten akan dinilai berdasarkan empat kategori berikut:
    Kategori Deskripsi
    Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
    Dangerous content Mempromosikan atau memungkinkan akses ke barang, layanan, dan aktivitas berbahaya
    Sexually explicit content Berisi referensi ke tindakan seksual atau konten cabul lainnya
    Pelecehan Komentar jahat, mengintimidasi, menindas, atau melecehkan yang menargetkan individu lain

    Konten akan diblokir berdasarkan probabilitas bahayanya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu opsi Jangan blokir, Blokir sedikit, Blokir sebagian, dan Blokir sebagian besar untuk setiap kategori.

    Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi atribut keselamatan.

    • Keamanan perintah: Anda dapat mencentang setelan aktifkan pemeriksaan keamanan perintah untuk mengaktifkan pemeriksaan keamanan perintah. Jika diaktifkan, agen akan berupaya mencegah serangan injeksi perintah. Serangan ini dapat digunakan untuk mengungkapkan bagian dari perintah agen atau memberikan respons yang tidak seharusnya diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna berpotensi berbahaya.

  • Agen generatif:

    • Pemilihan model generatif: Pilih model yang digunakan oleh fitur generatif. Untuk mengetahui informasi selengkapnya, lihat versi model.
    • Pemangkasan konteks playbook: memangkas beberapa giliran sebelumnya dari perintah playbook untuk mencegah ukuran perintah bertambah dengan setiap giliran berurutan yang ditangani oleh playbook. Fitur ini menawarkan cara untuk memitigasi pertumbuhan ukuran perintah yang tidak diinginkan.

    Biasanya, tanpa pemotongan, setiap giliran berikutnya akan ditambahkan ke "histori percakapan" perintah LLM, terlepas dari apakah relevan dengan giliran saat ini atau tidak. Hal ini pada akhirnya dapat menyebabkan perintah bertambah besar setiap kali giliran. Karena sebagian besar perintah diisi oleh histori percakapan, lebih sedikit perintah yang dapat digunakan untuk contoh few-shot (sehingga contoh ini mungkin dihilangkan). Pada akhirnya, perintah juga dapat melanggar batas token saat ini. Anda dapat meningkatkan ukuran token untuk mengakomodasi hal ini, tetapi perlu diingat bahwa peningkatan ukuran perintah juga menambah latensi respons LLM.

    Pemangkasan konteks playbook memungkinkan Anda menetapkan persentase anggaran token yang akan dicadangkan untuk histori percakapan, sebagai maksimum. Giliran percakapan dipertahankan dalam urutan dari yang terbaru hingga yang terlama. Setelan ini dapat membantu Anda mencegah batas token terlampaui. Terlepas dari setelan yang Anda pilih, minimal dua giliran percakapan akan dipertahankan, dalam urutan terbaru hingga paling lama.

    Anda harus menyetel batas token terlebih dahulu sebelum dapat mengubah setelan ini.

    Penting: Memangkas konteks dapat menyebabkan beberapa parameter tidak sengaja hilang jika merupakan bagian dari giliran yang dihapus. Evaluasi interaksi playbook Anda dengan cermat setelah mengaktifkan opsi ini.

    Anggaran input token juga digunakan oleh berikut ini:

    • Petunjuk dan contoh sistem otomatis ditambahkan ke perintah. Perilaku ini tidak dapat diubah.
    • Petunjuk dan sasaran playbook: Petunjuk dan sasaran yang Anda tulis akan ditambahkan ke perintah secara keseluruhan.
    • Contoh few-shot playbook ditambahkan secara berurutan (secara default) atau dengan algoritma yang Anda pilih (seperti pengurutan kecocokan terbaik ekspresi reguler). Contoh dipangkas agar sesuai dengan anggaran token input setelah semua item lainnya disertakan.
    • Histori percakapan yang terdiri dari ucapan pengguna dan agen, konteks transisi alur dan playbook, panggilan alat dan output dalam sesi yang sama dari semua giliran sebelumnya yang ditangani secara berurutan oleh playbook saat ini.

  • Penggantian respons generatif:

  • Penyimpanan data: Lihat Setelan agen penyimpanan data.

Setelan ucapan dan IVR

Setelan ucapan dan IVR berikut tersedia:

  • Text-to-Speech:

    • Pilihan suara:

    Anda dapat memilih bahasa dan suara yang digunakan untuk sintesis ucapan.

    Anda dapat mengaktifkan Suara kustom untuk agen Anda dengan memilih opsi suara kustom dari kotak drop-down pilihan suara dan menentukan nama suara kustom di kolom yang sesuai. Nama suara kustom harus mengikuti pola berikut: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • Jika Anda menggunakan gateway telepon, pastikan akun layanan Dialogflow Service Agent service-PROJECT_NUMBER@gcp-sa-dialogflow. diberi "AutoML Predictor" di project suara kustom Anda.
    • Untuk panggilan API reguler, pastikan akun layanan yang digunakan untuk memanggil Dialogflow CX diberi peran "AutoML Predictor" di project suara kustom Anda.

  • Speech-to-Text:

DTMF

Lihat DTMF untuk integrasi telepon.

Multimodal

Lihat perangkat pendamping panggilan.

Setelan berbagi

Lihat Kontrol akses.

Setelan bahasa

Menambahkan dukungan bahasa tambahan ke agen Anda. Untuk mengetahui daftar lengkap bahasa, lihat referensi bahasa.

Deteksi otomatis bahasa

Saat Anda mengonfigurasi deteksi otomatis bahasa, agen chat Anda akan otomatis mendeteksi bahasa pengguna akhir dan beralih ke bahasa tersebut. Lihat dokumentasi deteksi otomatis bahasa untuk mengetahui detailnya.

Setelan keamanan

Lihat Setelan keamanan.

Setelan lanjutan

Satu-satunya setelan lanjutan adalah untuk analisis sentimen.

Setelan Generative AI App Builder

Bagian ini menjelaskan setelan yang tersedia untuk aplikasi agen.

Umum

Setelan umum berikut tersedia untuk aplikasi agen:

  • Nama tampilan: Nama yang dapat dibaca manusia untuk aplikasi agen Anda.
  • Lokasi: Wilayah aplikasi agen.
  • Kunci aplikasi: Jika diaktifkan, perubahan pada aplikasi agen tidak diizinkan.

Logging

Setelan logging berikut tersedia untuk aplikasi agen:

  • Aktifkan Cloud Logging: Jika diaktifkan, log akan dikirim ke Cloud Logging.
  • Aktifkan Histori Percakapan: Jika diaktifkan, histori percakapan akan tersedia. Menunjukkan apakah Anda ingin Google mengumpulkan dan menyimpan kueri pengguna akhir yang disamarkan untuk peningkatan kualitas. Setelan ini tidak memengaruhi apakah histori percakapan digunakan untuk membuat respons agen.
  • Mengaktifkan BigQuery Export: Jika diaktifkan, histori percakapan akan diekspor ke BigQuery. Setelan Aktifkan Histori Percakapan juga harus diaktifkan.

GenAI

Setelan AI generatif berikut tersedia untuk aplikasi agen:

  • Pemilihan model generatif: Pilih model generatif yang harus digunakan agen secara default.
  • Batas token input: Pilih batas token input untuk model generatif. Ini adalah ukuran token maksimum untuk input yang akan dikirim ke model. Bergantung pada modelnya, token dapat berupa antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran input model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran input model dapat lebih besar.
  • Batas token output: Pilih batas token output untuk model generatif. Ini adalah ukuran token maksimum untuk output yang akan diterima dari model. Bergantung pada modelnya, token dapat berkisar antara satu karakter dan satu kata. Batas token yang lebih kecil memiliki latensi yang lebih rendah, tetapi ukuran output model terbatas. Batas token yang lebih besar memiliki latensi yang lebih tinggi, tetapi ukuran output model bisa lebih besar.
  • Temperatur: Temperatur untuk LLM memungkinkan Anda mengontrol seberapa kreatif respons yang dihasilkan. Nilai yang rendah memberikan respons yang lebih mudah diprediksi. Nilai yang tinggi memberikan respons yang lebih kreatif atau acak.
  • Frasa yang dilarang: Daftar frasa yang dilarang untuk AI generatif. Jika frasa yang dilarang muncul dalam perintah atau respons yang dihasilkan, agen akan menampilkan respons pengganti.

  • Filter keamanan: Konfigurasi tingkat sensitivitas filter keamanan sehubungan dengan berbagai kategori AI yang bertanggung jawab (RAI). Konten akan dinilai berdasarkan empat kategori berikut:

    Kategori Deskripsi
    Ujaran kebencian Komentar negatif atau berbahaya yang menargetkan atribut identitas dan/atau dilindungi.
    Dangerous content Mempromosikan atau memungkinkan akses ke barang, layanan, dan aktivitas berbahaya
    Sexually explicit content Berisi referensi ke tindakan seksual atau konten cabul lainnya
    Pelecehan Komentar jahat, mengintimidasi, menindas, atau melecehkan yang menargetkan individu lain

    Konten akan diblokir berdasarkan probabilitas bahayanya. Tingkat sensitivitas dapat disesuaikan dengan memilih salah satu opsi Jangan blokir (menonaktifkan pemeriksaan RAI), Blokir sedikit (hanya memblokir konten berbahaya dengan probabilitas tinggi), Blokir sebagian (konten dengan probabilitas sedang dan tinggi), dan Blokir sebagian besar (konten dengan probabilitas rendah, sedang, dan tinggi) untuk setiap kategori.

    Untuk mengetahui informasi selengkapnya, lihat mengonfigurasi atribut keselamatan.

  • Keamanan perintah: Anda dapat mencentang setelan aktifkan pemeriksaan keamanan perintah untuk mengaktifkan pemeriksaan keamanan perintah. Jika diaktifkan, agen akan berupaya mencegah serangan injeksi perintah. Serangan ini dapat digunakan untuk mengungkapkan bagian dari perintah agen atau untuk memberikan respons yang seharusnya tidak diberikan oleh agen. Hal ini dilakukan dengan mengirimkan perintah LLM tambahan yang memeriksa apakah kueri pengguna akhir berpotensi berbahaya.

Git

Setelan ini menyediakan integrasi Git. Ikuti petunjuk untuk mengonfigurasi integrasi.

Sebelumnya
Pengumpulan kode pos
Berikutnya
Model ucapan