Agent-Einstellungen

Agenten haben viele Einstellungen, die ihr Verhalten beeinflussen. Jede Konsole bietet unterschiedliche Einstellungen.

Agent-Einstellungen in der Konsole für Konversations-Agenten

So rufen Sie Agent-Einstellungen auf:

Console

  1. Öffnen Sie die Conversational Agents-Konsole.
  2. Wählen Sie Ihr Projekt aus.
  3. Wählen Sie den Agent aus.
  4. Klicken Sie rechts oben auf das Einstellungssymbol.
  5. Passen Sie die Einstellungen nach Bedarf an.
  6. Klicken Sie auf Speichern.

API

Siehe die Methoden get und patch/update für den Typ Agent.

Wählen Sie ein Protokoll und eine Version für die Agent-Referenz aus:

Protokoll V3 V3beta1
REST Agent-Ressource Agent-Ressource
RPC Agent-Oberfläche Agent-Oberfläche
C++ AgentsClient Nicht verfügbar
C# AgentsClient Nicht verfügbar
Go AgentsClient Nicht verfügbar
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Nicht verfügbar Nicht verfügbar
Python AgentsClient AgentsClient
Ruby Nicht verfügbar Nicht verfügbar

In folgenden Unterabschnitten werden die verschiedenen Kategorien der Agent-Einstellungen beschrieben.

Allgemeine Einstellungen

Für Agents sind folgende allgemeine Einstellungen verfügbar:

  • Anzeigename

    Ein für Menschen lesbarer Name für Ihren Agent.

  • Zeitzone

    Die Standardzeitzone für den Agent.

  • Unterhaltungsbeginn

    Mit dieser Einstellung wird festgelegt, ob Ihr Agent die Unterhaltung mit einem generativen Playbook oder einem deterministischen Ablauf beginnt.

  • Standort des Kundenservicemitarbeiters

    Die Agent-Region, die Sie beim Erstellen des Agents ausgewählt haben.

  • Agent sperren

    • Agent sperren:Gibt an, ob der Agent gesperrt ist. Ein gesperrter Agent kann nicht bearbeitet werden.

  • Protokollierungseinstellungen

    • Cloud Logging aktivieren:Gibt an, ob Cloud Logging für den Agent aktiviert ist.

    • Unterhaltungsverlauf aktivieren:Gibt an, ob Google anonymisierte Endnutzerabfragen zur Qualitätsverbesserung erfassen und speichern soll.

    • Cloud Storage-URI zum Speichern und Wiedergeben von Sprachunterhaltungen angeben:Wenn der Unterhaltungsverlauf aktiviert ist, können Sie einen Cloud Storage-URI angeben. Die Audioinhalte von Unterhaltungen werden dann an diesem Speicherort gespeichert. Dieses Feld wird mit den erweiterten Spracheinstellungen für den Audioexport-Bucket synchronisiert. Optional können Sie auf den Button Google Cloud Storage durchsuchen klicken, um einen Bucket auszuwählen.

    • Löschung von Endnutzereingaben auf Grundlage der Einwilligung aktivieren:Wenn diese Einstellung aktiviert ist, können Sie mit einem speziellen Sitzungsparameter steuern, ob Endnutzereingaben und ‑parameter aus dem Unterhaltungsverlauf und Cloud Logging entfernt werden. Der Standardsitzungsparameter ist true. Wenn diese Einstellung deaktiviert ist, findet keine Schwärzung statt.

      Die Nutzereinwilligung wird über einen booleschen Sitzungsparameter erfasst: $session.params.conversation-redaction. Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf false gesetzt ist, erfolgt keine Schwärzung (andere Schwärzungsstrategien gelten weiterhin). Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf true festgelegt ist, werden Daten unkenntlich gemacht.

      Ein Beispiel für einen Ablauf zum Einholen der Einwilligung: Fragen Sie den Nutzer zuerst, ob er die Endnutzereingabe beibehalten möchte, und ordnen Sie die Antwort zwei Intents zu, einem „Ja-Intent“ und einem „Nein-Intent“. Legen Sie dann den Sitzungsparameter in den Parametervoreinstellungen der Route „yes intent“ unter Auftragsausführung auf false (keine Schwärzung) und in der Parametervoreinstellung der Route „no intent“ auf true (Schwärzung erfolgt) fest.

  • BigQuery-Export

    • BigQuery-Export aktivieren:Gibt an, ob der BigQuery-Export aktiviert ist.
    • BigQuery-Dataset:Der Name des BigQuery-Datasets.
    • BigQuery-Tabelle:Der Name der BigQuery-Tabelle.

  • Vorschläge für Intents

    Sie können Intent-Vorschläge aktivieren.

  • Nutzerfeedback

    Sie können diese Einstellung aktivieren, um Feedback zur Qualität der Antworten des Kundenservicemitarbeiters zu geben, z. B. mit „Mag ich“- oder „Mag ich nicht“-Bewertungen.

  • Git-Integration

    Mit dieser Einstellung können Sie eine Git-Integration hinzufügen.

Einstellungen für generative KI

Folgende Einstellungen für generative KI sind verfügbar:

  • Allgemein:

    • Auswahl des generativen Modells

    Wählen Sie das Modell aus, das von generativen Funktionen verwendet werden soll. Weitere Informationen finden Sie unter Modellversionen.

  • Token-Limits:

    • Eingabetokenlimit

      Wählen Sie das Eingabetokenlimit für das generative Modell aus. Dies ist die maximale Tokengröße für die Eingabe, die an das Modell gesendet werden kann. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort liegen. Kleinere Tokenlimits haben eine geringere Latenz, aber die Modell-Eingabegröße ist begrenzt. Bei größeren Tokenlimits ist die Latenz höher, aber die Modell-Eingabegröße kann größer sein.

    • Tokenausgabelimit

      Wählen Sie das Ausgabetokenlimit für das generative Modell aus. Dies ist die maximale Token-Größe für die vom Modell empfangene Ausgabe. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort liegen. Kleinere Tokenlimits führen zu einer geringeren Latenz, aber die Größe der Modellausgabe ist begrenzt. Bei größeren Tokenlimits ist die Latenz höher, die Modellausgabegröße kann jedoch größer sein.

    • Temperatur

      Mit der Temperatur für ein LLM können Sie steuern, wie kreativ die Antworten sind. Ein niedriger Wert führt zu vorhersehbareren Antworten. Ein hoher Wert führt zu kreativeren oder zufälligeren Antworten.

    • Kontext-Token-Limits

      Mit der Einstellung werden einige vergangene Turns aus dem LLM-Prompt entfernt, damit die Promptgröße nicht mit jedem sequenziellen Turn, der vom Agenten verarbeitet wird, wächst. Mit dieser Funktion lässt sich das unerwünschte Wachstum der Promptgröße eindämmen.

      Normalerweise wird ohne Kürzung jede nachfolgende Äußerung an den „Unterhaltungsverlauf“ des LLM-Prompts angehängt, unabhängig davon, ob sie für die aktuelle Äußerung relevant ist. Das kann dazu führen, dass der Prompt mit jeder Antwort größer wird. Je mehr des Prompts vom Unterhaltungsverlauf eingenommen wird, desto weniger des Prompts kann für Few-Shot-Beispiele verwendet werden. Diese werden dann möglicherweise ausgelassen. Möglicherweise überschreitet der Prompt irgendwann auch die aktuellen Token-Limits. Sie können die Token-Größen erhöhen, um dem Rechnung zu tragen. Beachten Sie jedoch, dass größere Prompts auch die Antwortlatenz des LLM erhöhen.

      Mit der Kontextkürzung können Sie einen Prozentsatz des Token-Budgets festlegen, der maximal für den Unterhaltungsverlauf reserviert werden soll. Die Gesprächsrunden werden in der Reihenfolge vom neuesten zum ältesten Eintrag beibehalten. Mit dieser Einstellung können Sie verhindern, dass Tokenlimits überschritten werden. Unabhängig von der gewählten Einstellung werden mindestens zwei Unterhaltungsrunden beibehalten, und zwar in der Reihenfolge von der neuesten bis zur ältesten.

      Sie müssen zuerst ein Tokenlimit festlegen, bevor Sie diese Einstellung ändern können.

      Wenn der Kontext gekürzt wird, können einige Parameter versehentlich verloren gehen, wenn sie Teil der entfernten Züge sind. Prüfen Sie die Playbook-Interaktionen sorgfältig, nachdem Sie diese Option aktiviert haben.

      Das Token-Eingabebudget wird auch für Folgendes verwendet:

      • Systemanweisungen und Beispiele: Werden dem Prompt automatisch hinzugefügt. Dieses Verhalten kann nicht geändert werden.
      • Playbook-Anweisungen und ‑Ziele: Alle Anweisungen und Ziele, die Sie eingeben, werden vollständig in den Prompt aufgenommen.
      • Playbook-Few-Shot-Beispiele: Sie werden entweder in der Reihenfolge (Standard) oder nach einem von Ihnen ausgewählten Algorithmus (z. B. Sortierung nach dem besten regulären Ausdruck) hinzugefügt. Beispiele werden so ausgewählt, dass sie nach Berücksichtigung aller anderen Elemente in das Budget für Eingabetokens passen.
      • Unterhaltungsverlauf, der sich aus Äußerungen von Nutzern und Agenten, Kontext für Ablauf- und Playbook-Übergänge, Tool-Aufrufen und Ausgaben in derselben Sitzung aus allen vorherigen Runden zusammensetzt, die sequenziell vom aktuellen Playbook verarbeitet wurden.

    • Verbotene Wortgruppen

    Eine Liste von Begriffen, die für generative KI verboten sind. Wenn eine verbotene Wortgruppe in der Eingabeaufforderung oder der generierten Antwort vorkommt, schlägt die Generierung fehl. Die Liste der verbotenen Begriffe wirkt sich auf jede Anfrage und jeden LLM-Aufruf aus und erhöht die Latenz.

    • Sicherheitsfilter

    Sie können die Empfindlichkeitsstufen von Sicherheitsfiltern in Bezug auf verschiedene Kategorien für die verantwortungsbewusste Anwendung von KI (Responsible AI, RAI) konfigurieren. Inhalte werden anhand der folgenden vier Kategorien bewertet:

    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und/oder Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen und/oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende und/oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Die Sensibilitätsstufe kann für jede Kategorie angepasst werden, indem Sie eine der Optionen Keine blockieren, Wenige blockieren, Einige blockieren und Meiste blockieren auswählen.

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

    • Promptsicherheit

    Sie können die Einstellung Prompt-Sicherheitscheck aktivieren aktivieren, um Prompt-Sicherheitschecks zu aktivieren. Wenn diese Option aktiviert ist, lehnt der Agent Nutzeranfragen ab, die den Sicherheitsfilter auslösen, einschließlich Prompt-Injection-Angriffen. Mit diesen Angriffen können Teile des Agent-Prompts offengelegt oder Antworten generiert werden, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Nutzeranfrage möglicherweise schädlich ist. Wenn die Option aktiviert ist, können Sie Folgendes angeben:

    • Sicherheitseinstellungen für Prompts:Sie können entweder Standard für die Standardsicherheitseinstellungen oder Anpassen auswählen, um festzulegen, welche Nutzeranfragen als sicher oder unsicher gelten sollen.
    • Generatives Modell auswählen:Damit wird das für die Klassifizierung verwendete LLM gesteuert. Wenn Sie Standard (empfohlen) auswählen, wird ein Standardmodell für Sie ausgewählt, das sich automatisch ändern kann, wenn neuere und verbesserte Modelle verfügbar werden.
    • Sicherheitsaufforderung:Sie können entweder Standard für eine Standardsicherheitsaufforderung oder Anpassen auswählen, um Anleitungen zur Klassifizierung schädlicher Nutzeranfragen bereitzustellen. Wenn Sie Standard auswählen, kann der Prompt automatisch aktualisiert werden, um Verbesserungen zu berücksichtigen.
    • Eingabeschwellenwert:Die Mindestanzahl an Zeichen für eine Nutzeranfrage, bevor Sicherheitsprüfungen durchgeführt werden. Kurze Anfragen sind mehrdeutig und werden möglicherweise falsch klassifiziert. Alle Anfragen, die kleiner als der Eingabeschwellenwert sind, werden als von Natur aus sicher behandelt.

  • Generativer Fallback:

  • Datenspeicher:

    Weitere Informationen finden Sie unter Agent-Einstellungen für Datenspeicher.

Deterministische Abläufe

Diese Einstellungen gelten für alle Abläufe in diesem Agent, mit Ausnahme der ML-Einstellungen, die pro Ablauf angewendet werden. Wenn Sie andere flowspezifische Einstellungen bearbeiten möchten, rufen Sie den Flow in der Konsole auf und bearbeiten Sie die Einstellungen dort.

  • Intent-Training:In Flows werden Algorithmen für maschinelles Lernen (ML) verwendet, um Eingaben von Endnutzern zu verstehen, sie mit Intents abzugleichen und strukturierte Daten zu extrahieren. Abläufe lernen aus den von Ihnen bereitgestellten Trainingsformulierungen und aus den in Abläufe integrierten Sprachmodellen. Anhand dieser Daten wird ein Modell erstellt, um zu entscheiden, welcher Intent der Eingabe eines Endnutzers zugeordnet werden soll. Sie können für jeden Ablauf eines Agents eigene ML-Einstellungen nutzen.

    Folgende Einstellungen für das Intent-Training sind verfügbar:

    • Rechtschreibkorrektur

    Wenn diese Option aktiviert ist und eine Nutzereingabe einen Rechtschreib- oder Grammatikfehler enthält, wird für den Intent-Abgleich die korrekte Rechtschreibung verwendet. Die Antwort für die Intent-Erkennung enthält die korrigierte Nutzereingabe. Wenn ein Endnutzer beispielsweise „Ich möchte einen Appfel“ eingibt, wird dies so verarbeitet, als ob er „Ich möchte einen Apfel“ eingegeben hätte. Dies gilt auch für den Abgleich mit Systementitäten und benutzerdefinierten Entitäten.

    Rechtschreibkorrekturen sind auf Deutsch, Englisch, Französisch, Spanisch und Italienisch verfügbar. Sie sind in allen Dialogflow CX-Regionen verfügbar.

    Warnungen und Best Practices:

    • Mit der Rechtschreibkorrektur können keine ASR-Fehler (Automated Speech Recognition, automatische Spracherkennung) korrigiert werden. Bei Verwendung von ASR-Eingaben sollte daher die Rechtschreibkorrektur deaktiviert sein.
      • Eine korrigierte Eingabe kann mit dem falschen Intent übereinstimmen. Sie können dies beheben, indem Sie häufig nicht übereinstimmende Wortgruppen als Negativbeispiele hinzufügen.

    • Durch die Rechtschreibkorrektur verlängert sich die Antwortzeit des Agents geringfügig.

      • Wenn ein Agent mit domänenspezifischem Jargon definiert wird, sind die Korrekturen möglicherweise unerwünscht.

    • Ablauf-spezifische ML-Einstellungen:

      Dies kann einer der folgenden sein:

      • Erweiterte NLU (Standard): Erweiterte NLU-Technologie. Dieser NLU-Typ arbeitet besser als der Standardtyp, insbesondere bei großen Agents und Abläufen.
      • Standard-NLU:Standard-NLU-Technologie. keine Qualitätsverbesserungen oder neuen Funktionen mehr erhalten.

      • Auto-Training

        Wenn diese Option aktiviert ist, wird der Ablauf bei jeder Aktualisierung über die Konsole trainiert. Bei großen Abläufen kann dies zur verzögerten Reaktion der Benutzeroberfläche der Konsole führen. Deshalb sollten Sie diese Einstellung deaktivieren und bei Bedarf für große Abläufe manuell trainieren.

      • Klassifizierungsschwellenwert

        Wenn Sie Falsch-Positiv-Ergebnisse herausfiltern und den Agent trotzdem mit einer vielfältigen natürlichen Sprache trainieren möchten, können Sie den Klassifizierungsschwellenwert für maschinelles Lernen einstellen. Mit dieser Einstellung legen Sie fest, welche Intent-Erkennungskonfidenz für eine Intent-Übereinstimmung mindestens erforderlich ist.

        Wenn der Konfidenzwert für eine Intent-Übereinstimmung unter dem Schwellenwert liegt, wird ein No-Match-Ereignis ausgelöst.

        Sie können für jeden Flow in jeder für den Agent aktivierten Sprache einen separaten Klassifizierungsschwellenwert festlegen. So wird berücksichtigt, dass verschiedene Sprachen bei unterschiedlichen Klassifizierungsschwellenwerten am besten funktionieren. Weitere Informationen zum Erstellen eines mehrsprachigen Agents finden Sie in der Dokumentation zu mehrsprachigen Agents.

      • Trainingsstatus

        Gibt an, ob der Ablauf seit der letzten Aktualisierung der Ablaufdaten trainiert wurde.

      • Zug

        Mit diesem Button können Sie den Ablauf manuell trainieren.

    • Sprache

      Die von Ihrem Agent unterstützten Sprachen. Nachdem ein Agent erstellt wurde, kann die Standardsprache nicht mehr geändert werden. Sie können jedoch Folgendes tun:

      1. Exportieren Sie Ihren Agenten in das JSON-Format.
      2. Extrahieren Sie die heruntergeladene Datei.
      3. Suchen Sie nach der Datei agent.json.
      4. Aktualisieren Sie die Felder defaultLanguageCode und supportedLanguageCodes mit den ausgewählten Werten.
      5. Stellen Sie den Agenten wieder her. Sie können ihn auf demselben oder einem anderen Agenten wiederherstellen, den Sie in Schritt 1 verwendet haben.
      6. Aktualisieren Sie sprachspezifische Trainingsformulierungen und Entitätswerte nach Bedarf.

      Sie können auch die automatische Spracherkennung und ‑umstellung aktivieren.

Verbindung

  • Benutzerdefinierte Nutzlastvorlage

    In diesem Abschnitt können Sie Beschreibungen und Nutzlasten für benutzerdefinierte Nutzlastvorlagen erstellen.

  • Parameter definition

    Geben Sie deutlich an, welche Parameter aus den Sitzungsparametern an den Webhook gesendet werden und welche Sitzungsparameter durch die Webhook-Antwort festgelegt werden können.

  • Clientzertifikateinstellungen

    Zum Hochladen von SSL-Zertifikaten.

Sprache und IVR

  • Sprachoptionen:

    • Text-to-Speech

    • Sprachen und Stimmen

      Sie können die Sprache und Stimme für die Sprachsynthese auswählen.

      Sie können Benutzerdefinierte Stimme für Ihren Agent aktivieren, indem Sie die Option „Benutzerdefinierte Stimme“ im Drop-down-Menü für den Namen der Stimme auswählen und den Namen der benutzerdefinierten Stimme im entsprechenden Feld angeben. Der Name der benutzerdefinierten Stimme muss dem folgenden Muster entsprechen: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

      Sie können auch Voice Cloning verwenden.

      • Wenn Sie das Telefonie-Gateway verwenden, muss dem Dialogflow-Dienst-Agent-Dienstkonto service-PROJECT_NUMBER@gcp-sa-dialogflow. in Ihrem Custom Voice-Projekt die Rolle „AutoML Predictor“ zugewiesen sein.

      • Bei regulären API-Aufrufen muss dem Dienstkonto, mit dem Dialogflow CX aufgerufen wird, die Rolle „AutoML Predictor“ in Ihrem Custom Voice-Projekt zugewiesen sein.

      • Tonhöhe

        Steuert die relative Höhe oder Tiefe des Sprechtons.

      • Sprechgeschwindigkeit

        Steuert die Sprechgeschwindigkeit der Stimme.

      • Konfiguration der synthetischen Sprache auf Anfrageebene überschreiben

        Wenn diese Option aktiviert ist, wird die in den Agent-Einstellungen angegebene Konfiguration für synthetische Sprache durch die in der API, der Partnerintegration oder dem Konversationsprofil angegebene Konfiguration überschrieben.

      • Aussprache

        Mit diesen Einstellungen können Sie dem Agenten die Aussprache bestimmter Phrasen mithilfe der phonetischen X‑SAMPA-Codierung mitteilen.

    • Speech-to-Text

      • Automatische Sprachanpassung aktivieren

      Weitere Informationen finden sich unter Automatische Sprachanpassung.

  • Call Companion:Weitere Informationen finden Sie unter Call Companion.

UI-Einstellungen

Mit diesen Einstellungen können Sie die Benutzeroberflächen von Messenger und der Anruf-Companion-App anpassen.

Sicherheit

Weitere Informationen finden Sie unter Sicherheitseinstellungen und Zugriffssteuerung.

Agenteneinstellungen in der Dialogflow CX-Konsole

So rufen Sie Agent-Einstellungen auf:

Console

  1. Öffnen Sie die Konsole.
  2. Wählen Sie Ihr Projekt aus.
  3. Wählen Sie den Agent aus.
  4. Klicken Sie auf Agent-Einstellungen.
  5. Passen Sie die Einstellungen nach Bedarf an.
  6. Klicken Sie auf Speichern.

API

Weitere Informationen finden Sie in den Methoden get und patch/update für den Typ Agent.

Wählen Sie ein Protokoll und eine Version für die Agent-Referenz aus:

Protokoll V3 V3beta1
REST Agent-Ressource Agent-Ressource
RPC Agent-Oberfläche Agent-Oberfläche
C++ AgentsClient Nicht verfügbar
C# AgentsClient Nicht verfügbar
Go AgentsClient Nicht verfügbar
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Nicht verfügbar Nicht verfügbar
Python AgentsClient AgentsClient
Ruby Nicht verfügbar Nicht verfügbar

Allgemeine Einstellungen

Für Agents sind folgende allgemeine Einstellungen verfügbar:

  • Anzeigename:Ein menschenlesbarer Name für Ihren Agent.
  • Zeitzone:Die Standardzeitzone für Ihren Agent.

  • Standardsprache:Die Standardsprache, die von Ihrem Agent unterstützt wird. Nachdem ein Agent erstellt wurde, kann die Standardsprache nicht mehr geändert werden. Sie haben jedoch folgende Möglichkeiten:

    1. Exportieren Sie Ihren Agenten in das JSON-Format.
    2. Extrahieren Sie die heruntergeladene Datei.
    3. Suchen Sie nach der Datei agent.json.
    4. Aktualisieren Sie die Felder defaultLanguageCode und supportedLanguageCodes mit den erforderlichen Werten.
    5. Stellen Sie den Agenten wieder her. Sie können ihn im selben oder in einem anderen Agenten wiederherstellen, den Sie in Schritt 1 verwendet haben.
    6. Aktualisieren Sie sprachspezifische Trainingsformulierungen und Entitätswerte nach Bedarf.

  • Sperre durch Kundenservicemitarbeiter:

    • Agent sperren:Gibt an, ob der Agent gesperrt ist. Ein gesperrter Agent kann nicht bearbeitet werden.

  • Einstellungen für die Protokollierung:

    • Cloud Logging aktivieren:Gibt an, ob Cloud Logging für den Agent aktiviert ist.
    • Unterhaltungsverlauf aktivieren:Gibt an, ob Google anonymisierte Endnutzerabfragen zur Qualitätsverbesserung erfassen und speichern soll.
    • Datenentfernung von Endnutzereingaben auf Grundlage der Einwilligung aktivieren:

    Wenn diese Einstellung aktiviert ist, können Sie mit einem speziellen Sitzungsparameter steuern, ob Endnutzereingaben und Parameter aus dem Unterhaltungsverlauf und Cloud Logging entfernt werden. Der Standardsitzungsparameter ist true. Wenn diese Einstellung deaktiviert ist, werden keine Daten unkenntlich gemacht.

    Die Nutzereinwilligung wird über einen booleschen Sitzungsparameter erfasst: $session.params.conversation-redaction. Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf false gesetzt ist, erfolgt keine Schwärzung (andere Schwärzungsstrategien gelten weiterhin). Wenn diese Einstellung aktiviert ist und der Sitzungsparameter auf true festgelegt ist, werden Daten unkenntlich gemacht.

    Ein Beispiel für einen Ablauf zum Einholen der Einwilligung könnte so aussehen: Fragen Sie den Nutzer zuerst, ob er die Endnutzereingabe beibehalten möchte, und ordnen Sie die Antwort zwei Intents zu, einem „Ja-Intent“ und einem „Nein-Intent“. Legen Sie dann den Sitzungsparameter in den Parametervoreinstellungen der Route „yes intent“ (Ja-Intent) in der Auftragsausführung auf false (keine Schwärzung) und in der Parametervoreinstellung der Route „no intent“ (Nein-Intent) auf true (Schwärzung erfolgt) fest.

  • BigQuery Export:

    • BigQuery-Export aktivieren:Gibt an, ob der BigQuery-Export aktiviert ist.
    • BigQuery-Dataset:Der Name des BigQuery-Datasets.
    • BigQuery-Tabelle:Der Name der BigQuery-Tabelle.

  • Vorschläge für Intentionen:Sie können Vorschläge für Intentionen aktivieren.

  • Benutzerdefinierte Nutzlastvorlage:In diesem Abschnitt können Sie Beschreibungen und Nutzlasten für benutzerdefinierte Nutzlastvorlagen erstellen.

ML-Einstellungen

Dialogflow CX verwendet Algorithmen des maschinellen Lernens (ML), um Eingaben von Endnutzern zu verstehen, sie mit Intents abzugleichen und strukturierte Daten zu extrahieren. Dialogflow CX lernt aus den von Ihnen bereitgestellten Trainingsformulierungen und aus den in Dialogflow CX integrierten Sprachmodellen. Anhand dieser Daten wird ein Modell erstellt, um zu entscheiden, welcher Intent der Eingabe eines Endnutzers zugeordnet werden soll. Sie können für jeden Ablauf eines Agents eigene ML-Einstellungen nutzen. Das von Dialogflow CX erstellte Modell ist für jeden Ablauf einmalig.

Die folgenden Agent-weiten ML-Einstellungen sind verfügbar:

  • ML zulassen, um die Rechtschreibung zu korrigieren:

    Wenn diese Option aktiviert ist und eine Nutzereingabe einen Rechtschreib- oder Grammatikfehler enthält, wird für den Intent-Abgleich die korrekte Rechtschreibung verwendet. Die Antwort für die Intent-Erkennung enthält die korrigierte Nutzereingabe. Wenn ein Endnutzer beispielsweise „Ich möchte einen Appfel“ eingibt, wird dies so verarbeitet, als ob er „Ich möchte einen Apfel“ eingegeben hätte. Dies gilt auch für den Abgleich mit Systementitäten und benutzerdefinierten Entitäten.

    Die Rechtschreibkorrektur ist auf Deutsch, Englisch, Französisch, Spanisch und Italienisch verfügbar. Sie ist in allen Dialogflow CX-Regionen verfügbar.

    Warnungen und Best Practices:

    • Mit der Rechtschreibkorrektur können keine ASR-Fehler (Automated Speech Recognition, automatische Spracherkennung) korrigiert werden. Bei Verwendung von ASR-Eingaben sollte daher die Rechtschreibkorrektur deaktiviert sein.
    • Eine korrigierte Eingabe kann mit dem falschen Intent übereinstimmen. Sie können dies beheben, indem Sie häufig nicht übereinstimmende Wortgruppen als Negativbeispiele hinzufügen.
    • Durch die Rechtschreibkorrektur verlängert sich die Antwortzeit des Agents geringfügig.
    • Wenn ein Agent mit domänenspezifischem Jargon definiert wird, sind die Korrekturen möglicherweise unerwünscht.

Die folgenden ablaufspezifischen ML-Einstellungen sind verfügbar:

  • NLU-Typ:

    Dies kann einer der folgenden sein:

  • Automatisches Training:Wenn diese Option aktiviert ist, wird der Ablauf bei jeder Aktualisierung über die Console trainiert. Bei großen Abläufen kann dies zur verzögerten Reaktion der Benutzeroberfläche der Konsole führen. Deshalb sollten Sie diese Einstellung deaktivieren und bei Bedarf für große Abläufe manuell trainieren.

  • Klassifizierungsschwellenwert:

    Wenn Sie Falsch-Positiv-Ergebnisse herausfiltern und den Agent trotzdem mit einer vielfältigen natürlichen Sprache trainieren möchten, können Sie den Klassifizierungsschwellenwert für maschinelles Lernen einstellen. Mit dieser Einstellung legen Sie fest, welche Intent-Erkennungskonfidenz für eine Intent-Übereinstimmung mindestens erforderlich ist.

    Wenn der Konfidenzwert für eine Intent-Übereinstimmung unter dem Schwellenwert liegt, wird ein No-Match-Ereignis ausgelöst.

    Sie können für jeden Ablauf in jeder für den Agent aktivierten Sprache einen separaten Klassifizierungsschwellenwert festlegen. So wird berücksichtigt, dass verschiedene Sprachen bei unterschiedlichen Klassifizierungsschwellenwerten am besten funktionieren. Weitere Informationen zum Erstellen eines mehrsprachigen Agents finden Sie in der Dokumentation zu mehrsprachigen Agents.

  • Trainingsstatus:Gibt an, ob der Ablauf seit der letzten Aktualisierung der Ablaufdaten trainiert wurde.

  • NLU trainieren:Mit dieser Schaltfläche können Sie den Ablauf manuell trainieren.

Einstellungen für generative KI

Folgende Einstellungen für generative KI sind verfügbar:

  • Allgemein:

    • Verbotene Formulierungen:Eine Liste von Formulierungen, die für generative KI verboten sind. Wenn ein verbotener Ausdruck in der Eingabeaufforderung oder der generierten Antwort enthalten ist, schlägt die Generierung fehl.
    • Sicherheitsfilter:Konfigurieren Sie die Sensitivitätsstufen von Sicherheitsfiltern in Bezug auf verschiedene Kategorien für die verantwortungsbewusste Anwendung von KI (Responsible AI, RAI). Inhalte werden anhand der folgenden vier Kategorien bewertet:
    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Die Sensibilitätsstufe kann für jede Kategorie angepasst werden, indem Sie eine der Optionen Keine blockieren, Wenige blockieren, Einige blockieren und Meiste blockieren auswählen.

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

    • Prompt-Sicherheit:Sie können die Einstellung Prompt-Sicherheitscheck aktivieren aktivieren, um Prompt-Sicherheitschecks zu aktivieren. Wenn diese Option aktiviert ist, versucht der Agent, Prompt-Injection-Angriffe zu verhindern. Diese Angriffe können verwendet werden, um Teile des Agent-Prompts preiszugeben oder Antworten zu liefern, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Nutzeranfrage möglicherweise schädlich ist.

  • Generativer Agent:

    • Auswahl des generativen Modells:Wählen Sie das Modell aus, das von generativen Funktionen verwendet wird. Weitere Informationen finden Sie unter Modellversionen.
    • Kürzung des Playbook-Kontexts:Einige vergangene Züge werden aus dem Playbook-Prompt entfernt, damit die Prompt-Größe nicht mit jedem sequenziellen Zug wächst, der vom Playbook verarbeitet wird. Mit dieser Funktion lässt sich das unerwünschte Anwachsen der Promptgröße eindämmen.

    Normalerweise wird ohne Kürzung jede nachfolgende Äußerung an den „Unterhaltungsverlauf“ des LLM-Prompts angehängt, unabhängig davon, ob sie für die aktuelle Äußerung relevant ist. Das kann dazu führen, dass der Prompt mit jeder Antwort größer wird. Je mehr des Prompts vom Unterhaltungsverlauf eingenommen wird, desto weniger kann für Few-Shot-Beispiele verwendet werden. Diese werden dann möglicherweise ausgelassen. Außerdem kann es sein, dass der Prompt die aktuellen Token-Limits überschreitet. Sie können die Token-Größen entsprechend anpassen. Beachten Sie jedoch, dass größere Prompts auch die Latenz der LLM-Antwort erhöhen.

    Mit der Kürzung des Playbook-Kontexts können Sie einen Prozentsatz des Token-Budgets festlegen, der maximal für den Unterhaltungsverlauf reserviert werden soll. Die Gesprächsrunden werden in der Reihenfolge vom neuesten zum ältesten Eintrag beibehalten. Mit dieser Einstellung können Sie verhindern, dass Tokenlimits überschritten werden. Unabhängig von der gewählten Einstellung werden mindestens zwei Gesprächsrunden beibehalten, und zwar in der Reihenfolge von der neuesten bis zur ältesten.

    Sie müssen zuerst ein Tokenlimit festlegen, bevor Sie diese Einstellung ändern können.

    Wichtig:Wenn der Kontext gekürzt wird, gehen möglicherweise einige Parameter versehentlich verloren, wenn sie Teil der entfernten Turns sind. Prüfen Sie die Playbook-Interaktionen sorgfältig, nachdem Sie diese Option aktiviert haben.

    Das Token-Eingabebudget wird auch für Folgendes verwendet:

    • Dem Prompt werden automatisch Systemanweisungen und Beispiele hinzugefügt. Dieses Verhalten kann nicht geändert werden.
    • Playbook-Anleitung und ‑Ziele:Alle Anleitungen und Ziele, die Sie eingeben, werden vollständig in den Prompt aufgenommen.
    • Playbook-Few-Shot-Beispiele, die entweder in der Reihenfolge (standardmäßig) oder nach einem von Ihnen ausgewählten Algorithmus (z. B. Best-Match-Reihenfolge für reguläre Ausdrücke) hinzugefügt werden. Beispiele werden so ausgewählt, dass sie in das Budget für Eingabetokens passen, nachdem alle anderen Elemente berücksichtigt wurden.
    • Der Unterhaltungsverlauf besteht aus Äußerungen von Nutzern und Kundenservicemitarbeitern, dem Kontext für Ablauf- und Playbook-Übergänge sowie Tool-Aufrufen und ‑Ausgaben in derselben Sitzung aus allen vorherigen Runden, die sequenziell vom aktuellen Playbook verarbeitet wurden.

  • Generativer Fallback:

  • Datenspeicher:Weitere Informationen finden Sie unter Einstellungen für Datenspeicher-Agenten.

Einstellungen für Sprache und IVR

Folgende Einstellungen für Sprache und IVR sind verfügbar:

  • Text-to-Speech:

    • Stimmenauswahl:

    Sie können die Sprache und Stimme für die Sprachsynthese auswählen.

    Sie können Benutzerdefinierte Stimme für Ihren Agent aktivieren, indem Sie die Option für benutzerdefinierte Stimmen in der Drop-down-Liste für die Sprachauswahl auswählen und den Namen der benutzerdefinierten Stimme im entsprechenden Feld angeben. Der Name der benutzerdefinierten Stimme muss dem folgenden Muster entsprechen: projects/PROJECT_ID/locations/LOCATION/models/MODEL_NAME.

    • Wenn Sie das Telefonie-Gateway verwenden, muss dem Dialogflow-Dienst-Agent-Dienstkonto service-PROJECT_NUMBER@gcp-sa-dialogflow. in Ihrem Custom Voice-Projekt die Rolle „AutoML Predictor“ zugewiesen sein.
    • Achten Sie bei regulären API-Aufrufen darauf, dass dem Dienstkonto, mit dem Dialogflow CX aufgerufen wird, in Ihrem Custom Voice-Projekt die Rolle „AutoML Predictor“ zugewiesen ist.

  • Speech-to-Text:

DTMF

Weitere Informationen finden Sie unter DTMF für Telefonieintegrationen.

Multimodal

Weitere Informationen finden Sie unter Call Companion.

Freigabeeinstellungen

Weitere Informationen finden sich unter Zugriffssteuerung.

Spracheinstellungen

Fügen Sie Ihrem Agent zusätzliche Sprachunterstützung hinzu. Eine vollständige Liste der Sprachen finden Sie in der Sprachreferenz.

Automatische Spracherkennung

Wenn Sie die automatische Spracherkennung konfigurieren, erkennt Ihr Chat-Agent automatisch die Sprache des Endnutzers und wechselt zu dieser Sprache. Weitere Informationen finden Sie in der Dokumentation zur automatischen Spracherkennung.

Sicherheitseinstellungen

Weitere Informationen finden Sie unter Sicherheitseinstellungen.

Erweiterte Einstellungen

Die einzige erweiterte Einstellung ist für die Sentimentanalyse.

Einstellungen für Generative AI App Builder

In diesem Abschnitt werden die Einstellungen beschrieben, die für Agent-Apps verfügbar sind.

Allgemein

Für Agent-Apps sind folgende allgemeine Einstellungen verfügbar:

  • Anzeigename:Ein menschenlesbarer Name für Ihre Agent-App.
  • Standort:Die Region der Agent-App.
  • App-Sperre:Wenn diese Option aktiviert ist, sind Änderungen an der Agent-App nicht zulässig.

Logging

Die folgenden Logging-Einstellungen sind für Agent-Apps verfügbar:

  • Cloud Logging aktivieren:Wenn diese Option aktiviert ist, werden Logs an Cloud Logging gesendet.
  • Unterhaltungsverlauf aktivieren:Wenn diese Option aktiviert ist, ist der Unterhaltungsverlauf verfügbar. Gibt an, ob Google Abfragen entfernen soll, um Qualitätsverbesserungen vorzunehmen. Diese Einstellung hat keinen Einfluss darauf, ob der Unterhaltungsverlauf zum Generieren von Agentenantworten verwendet wird.
  • BigQuery-Export aktivieren:Wenn diese Option aktiviert ist, wird der Unterhaltungsverlauf nach BigQuery exportiert. Die Einstellung Chatprotokoll aktivieren muss ebenfalls aktiviert sein.

GenAI

Die folgenden Einstellungen für generative KI sind für Agent-Apps verfügbar:

  • Auswahl des generativen Modells:Wählen Sie das generative Modell aus, das Agents standardmäßig verwenden sollen.
  • Limit für Eingabetokens:Wählen Sie das Limit für Eingabetokens für das generative Modell aus. Dies ist die maximale Tokengröße für Eingaben, die an das Modell gesendet werden. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort lang sein. Bei kleineren Tokenlimits ist die Latenz geringer, aber die Größe der Modelleingabe ist begrenzt. Bei größeren Tokenlimits ist die Latenz höher, aber die Modell-Eingabegröße kann größer sein.
  • Ausgabetokenlimit:Wählen Sie das Ausgabetokenlimit für das generative Modell aus. Dies ist die maximale Tokengröße für die Ausgabe, die vom Modell empfangen werden soll. Je nach Modell kann ein Token zwischen einem Zeichen und einem Wort liegen. Bei kleineren Tokenlimits ist die Latenz geringer, aber die Größe der Modellausgabe ist begrenzt. Bei größeren Tokenlimits ist die Latenz höher, die Modellausgabe kann aber größer sein.
  • Temperatur:Mit der Temperatur für ein LLM können Sie steuern, wie kreativ die Antworten sind. Ein niedriger Wert führt zu vorhersehbareren Antworten. Ein hoher Wert führt zu kreativeren oder zufälligeren Antworten.
  • Verbotene Formulierungen:Eine Liste von Formulierungen, die für generative KI verboten sind. Wenn ein verbotener Ausdruck im Prompt oder in der generierten Antwort vorkommt, gibt der Agent stattdessen eine Fallback-Antwort zurück.

  • Sicherheitsfilter:Konfigurieren Sie die Sensitivitätsstufen von Sicherheitsfiltern in Bezug auf verschiedene Kategorien für die verantwortungsbewusste Anwendung von KI (Responsible AI, RAI). Inhalte werden anhand der folgenden vier Kategorien bewertet:

    Kategorie Beschreibung
    Hassrede Negative oder schädliche Kommentare, die auf Identität und/oder geschützte Merkmale ausgerichtet sind
    Gefährliche Inhalte Fördert oder ermöglicht den Zugriff auf schädliche Waren, Dienste und Aktivitäten
    Sexuell explizite Inhalte Enthält Verweise auf sexuelle Handlungen oder andere vulgäre Inhalte
    Belästigung Böswillige, einschüchternde, mobbende oder missbräuchliche Kommentare, die auf andere Personen ausgerichtet sind

    Inhalte werden auf Basis der Wahrscheinlichkeit blockiert, dass sie schädlich sind. Der Sensitivitätsgrad kann angepasst werden, indem Sie für jede Kategorie eine der folgenden Optionen auswählen: Keine blockieren (RAI-Prüfungen deaktivieren), Wenige blockieren (nur Instanzen mit hoher Wahrscheinlichkeit für schädliche Inhalte blockieren), Einige blockieren (Instanzen mit mittlerer und hoher Wahrscheinlichkeit) und Meiste blockieren (Instanzen mit niedriger, mittlerer und hoher Wahrscheinlichkeit).

    Weitere Informationen finden Sie unter Sicherheitsattribute konfigurieren.

  • Prompt-Sicherheit:Sie können die Einstellung Prompt-Sicherheitscheck aktivieren aktivieren, um Prompt-Sicherheitschecks zu aktivieren. Wenn diese Option aktiviert ist, versucht der Agent, Prompt-Injection-Angriffe zu verhindern. Mit diesen Angriffen können Teile des Agent-Prompts offengelegt oder Antworten generiert werden, die der Agent nicht liefern soll. Dazu wird ein zusätzlicher LLM-Prompt gesendet, der prüft, ob die Anfrage des Endnutzers möglicherweise schädlich ist.

Git

Diese Einstellungen bieten eine Git-Integration. Folgen Sie der Anleitung, um die Integration zu konfigurieren.

Zurück
Postleitzahlerhebung
Weiter
Sprachmodelle