将对话记录导出到 BigQuery

您可以将对话记录导出到 BigQuery。配置完成后，所有实时对话记录都会写入 BigQuery 表。这为您提供了高级分析工具，可帮助您调试和改进代理，并发现对话数据中的模式。

限制

存在以下限制：

• 每个对话最多可导出 500 轮。

跨项目权限

如果您的 Dialogflow 代理和 BigQuery 数据不在同一项目中，则与 Dialogflow Google Cloud 项目关联的服务账号还必须具有 BigQuery Google Cloud 项目中 BigQuery 数据集的 roles/bigquery.dataEditor IAM 权限。

服务账号格式：service-<dialogflow-project-number>@gcp-sa-dialogflow.

在 Dialogflow 中配置导出的用户必须拥有 BigQuery 项目的权限。否则，BigQuery 项目不会作为选项显示在 Dialogflow 控制台中。

用户在 Dialogflow 中查看 BigQuery 项目所需的最低权限为 resourcemanager.projects.get。或者，您也可以分配以下 Google Cloud 预定义角色之一，这些角色包含此权限，但不要求用户有权访问 BigQuery 数据集：roles/browser或roles/bigquery.metadataViewer。

表说明

表的每一行都包含一轮对话，其中包含以下列：

列	类型	说明
project_id	STRING	项目 ID。
agent_id	STRING	代理 ID。
conversation_name	STRING	会话的完全限定资源名称。
turn_position	INTEGER	对话轮数。
request_time	时间戳	对话轮次的时间。
language_code	STRING	语言标记。
请求	JSON	检测 intent 请求。
Response	JSON	检测 intent 响应。
partial_responses	JSON	只答完一部分的回答（如果适用）。
derived_data	JSON	此对话轮次的其他元数据。
conversation_signals	JSON	NLU 相关分析数据。如需了解 JSON 架构，请参阅 ConversationSignals。
bot_answer_feedback	JSON	回答反馈（如有）。

配置

如需配置对话记录导出，请执行以下操作：

1. 确保已启用对话记录。
2. 按照 BigQuery 数据集创建指南创建数据集。记下数据集名称，因为您在下一步中会用到它。

3. 按照 BigQuery 表创建指南，使用 SQL 架构定义创建表。使用以下 SQL 语句进行创建：

   CREATE TABLE <your_dataset_name>.dialogflow_bigquery_export_data(
     project_id STRING,
     agent_id STRING,
     conversation_name STRING,
     turn_position INTEGER,
     request_time TIMESTAMP,
     language_code STRING,
     request JSON,
     response JSON,
     partial_responses JSON,
     derived_data JSON,
     conversation_signals JSON,
     bot_answer_feedback JSON
   );
   

4. 配置您的 代理设置 ，以启用 BigQuery Export，并提供上面创建的数据集和表名称。

   注意： 如果您的智能体受客户管理的加密密钥 (CMEK) 保护，而目标 BigQuery 表不受 CMEK 保护，您会看到警告。