Génératif par rapport au déterminisme

Lors d'une conversation, les agents Dialogflow CX utilisent toujours des modèles de langage pour comprendre l'intention de l'utilisateur final, mais vous pouvez décider si et comment les modèles de langage sont utilisés pour les réponses de l'agent. Vous pouvez choisir entre des fonctionnalités entièrement génératives, partiellement génératives et déterministes lors de la conception de votre agent.

Ce guide présente ces fonctionnalités et vous aide à décider lesquelles utiliser.

Entièrement génératif

Les fonctionnalités entièrement génératives sont basées sur Vertex AI les grands modèles de langage (LLM) pour comprendre l'intention de l'utilisateur final et générer des réponses d'agent. Ces fonctionnalités permettent des conversations naturelles.

Voici une présentation des fonctionnalités entièrement génératives :

  • Les **playbooks** permettent de créer des agents virtuels à l'aide de LLM. Fournissez des instructions en langage naturel et des données structurées. Cela réduit le temps de création et de maintenance des agents virtuels, et vous permet de créer de nouveaux types d'expériences conversationnelles pour votre entreprise.
  • Les datastores analysent et comprennent votre contenu public ou privé, tel que des sites Web ou des documents internes. Une fois ces informations indexées, votre agent peut répondre à des questions et avoir des conversations sur le contenu.

Flux déterministes

Si vous avez besoin d'un contrôle plus déterministe sur la conversation et toutes les réponses de l'agent, vous pouvez concevoir votre agent avec des flux :

Flux partiellement génératifs

Les flux incluent des fonctionnalités génératives facultatives que vous pouvez utiliser lorsque vous n'avez pas besoin d'un contrôle déterministe sur les réponses de l'agent dans certains cas.

Ces fonctionnalités sont les suivantes :

  • Les générateurs génèrent des réponses d'agent. Au lieu de fournir explicitement la réponse de l'agent, vous fournissez un prompt LLM qui peut gérer de nombreux scénarios, y compris la synthèse de conversations, les réponses aux questions, la récupération d'informations client et l'escalade vers un humain.
  • Le remplacement génératif génère des réponses d'agent lorsque l'entrée de l'utilisateur final ne correspond pas à une intention attendue. Vous pouvez activer le remplacement génératif dans certains scénarios en fournissant un prompt LLM pour générer la réponse.