Die folgenden Agent-Einstellungen für den Datenspeicher sind verfügbar.
Fundierung
Für jede Antwort, die aus dem Inhalt Ihrer verbundenen Datenspeicher generiert wird, wird ein Konfidenzniveau berechnet. Dieses gibt an, wie wahrscheinlich es ist, dass alle Informationen in der Antwort von Informationen in den Datenspeichern unterstützt werden. Sie können das niedrigste zulässige Konfidenzniveau auswählen. Der Agent gibt dann keine Antworten zurück, die unter diesem Wert liegen.
Sie können zwischen fünf Konfidenzniveaus wählen: sehr niedrig, niedrig, mittel, hoch und sehr hoch.
Sie können auch einen Filter für die Fundierung Heuristik anwenden. Wenn diese Option aktiviert ist, werden Antworten mit Inhalten unterdrückt, die aufgrund von häufigen Halluzinationen wahrscheinlich ungenau sind.
Datenspeicher-Prompt
Sie haben die Möglichkeit, zusätzliche Informationen zum Agent hinzuzufügen, um die Qualität der aus Datenspeicherinhalten generierten Antworten zu verbessern und dafür zu sorgen, dass sie sich eher wie Ihre Marke anfühlen:
- Agent-Name: Wie der Agent sich selbst nennen soll. Wenn Sie die Option nicht festlegen, wird der Standardwert AI Assistant verwendet.
- Agent Identity (Agent-Identität): die Rolle des Agents Wenn Sie die Option nicht festlegen, wird der Standardwert AI Assistant verwendet.
- Company name (Name des Unternehmens): Geben Sie hier den Namen Ihres Unternehmens an. Dies sollte bereits beim Erstellen des Agents festgelegt worden sein, kann aber bei Bedarf angepasst werden. Es wird empfohlen, dieses Feld korrekt festzulegen (und insbesondere nicht leer zu lassen), da die Qualität der generierten Antworten dadurch nicht beeinträchtigt wird.
- Unternehmensbeschreibung Eine kurze Beschreibung dessen, was das Unternehmen tut oder anbietet.
- Agent-Bereich: Gibt an, wo der Agent verwendet werden soll. Wenn Sie die Richtlinie nicht konfigurieren, wird der Standardwert auf der Unternehmenswebsite verwendet.
Nachdem Sie diesen Abschnitt teilweise oder vollständig ausgefüllt haben, können Sie auf der rechten Seite unter Ihr Prompt den kurzen Absatz sehen, der aus diesen Einstellungen abgeleitet wurde. Diese wird beim Generieren von Antworten verwendet.
Auswahl und Zusammenfassung des Datenspeichermodells
Wenn eine Nutzerabfrage verarbeitet wird, führt der Agent eine Suche in den Datenspeichern durch, um gute Quellen zu finden. Der Agent sendet dann die Nutzerabfrage und die gefundenen Quellen an das LLM, das eine Zusammenfassung durchführt.
Sie können auswählen, welches Modell für die Zusammenfassung verwendet werden soll, und optional einen eigenen Prompt angeben.
Generatives Modell auswählen
Sie können das generative Modell auswählen, das von einem Datenspeicher-Agent für die generative Anfrage zur Zusammenfassung verwendet wird. Die folgende Tabelle enthält die verfügbaren Optionen:
| Modell-ID | Sprachunterstützung |
|---|---|
| Standard | Diese Konfiguration wird derzeit empfohlen und kann sich im Laufe der Zeit ändern. Wenn Sie diese Option verwenden, kann sich das Verhalten des Agents ändern (wahrscheinlich Verbesserungen). Wenn Sie das Verhalten des Agents einheitlicher gestalten möchten, wählen Sie ein bestimmtes Modell aus. |
| (text-bison@002) | Die Funktion ist in allen unterstützten Sprachen verfügbar. |
| gemini-1.0-pro-001 | Die Funktion ist in allen unterstützten Sprachen verfügbar. |
| gemini-1.5-flash-001 (Vorschau) | Die Funktion ist in allen unterstützten Sprachen verfügbar. Hinweis: Diese Konfiguration ist noch nicht stabil und kann sich im Laufe der Zeit ändern. |
Prompt für die Zusammenfassung anpassen
Sie können einen eigenen Prompt für den LLM-Aufruf zur Zusammenfassung angeben. Der Prompt ist eine Textvorlage, die vordefinierte Platzhalter enthalten kann. Die Platzhalter werden zur Laufzeit durch die entsprechenden Werte ersetzt und der endgültige Text wird an das LLM gesendet.
Die Platzhalter sind wie folgt:
$original-query: Der Abfragetext des Nutzers.$rewritten-query: Dialogflow verwendet ein Rewriter-Modul, um die ursprüngliche Nutzerabfrage in ein genaueres Format umzuschreiben.$sources: Dialogflow verwendet Enterprise Search, um basierend auf der Suchanfrage des Nutzers nach Quellen zu suchen. Die gefundenen Quellen werden in einem bestimmten Format gerendert:[1] title of first source content of first source [2] title of second source content of second source$end-user-metadata: Informationen zu dem Nutzer, der die Abfrage sendet, werden im folgenden Format gerendert:The following additional information is available about the human: { "key1": "value1", "key2": "value2", ... }$conversation: Der Unterhaltungsverlauf wird im folgenden Format gerendert:Human: user's first query AI: answer to user's first query Human: user's second query AI: answer to user's second query
Mit einer benutzerdefinierten Aufforderung sollte das LLM angewiesen werden, „NOT_ENOUGH_INFORMATION“ zurückzugeben, wenn keine Antwort möglich ist. In diesem Fall ruft der Agent ein No-Match-Ereignis auf.
Beispiel:
Given the conversation between a Human and a AI assistant and a list of sources,
write a final answer for the AI assistant.
Follow these guidelines:
+ Answer the Human's query and make sure you mention all relevant details from
the sources, using exactly the same words as the sources if possible.
+ The answer must be based only on the sources and not introduce any additional
information.
+ All numbers, like price, date, time or phone numbers must appear exactly as
they are in the sources.
+ Give as comprehensive answer as possible given the sources. Include all
important details, and any caveats and conditions that apply.
+ The answer MUST be in English.
+ Don't try to make up an answer: If the answer cannot be found in the sources,
you admit that you don't know and you answer NOT_ENOUGH_INFORMATION.
You will be given a few examples before you begin.
Example 1:
Sources:
[1] <product or service> Info Page
Yes, <company> offers <product or service> in various options or variations.
Human: Do you sell <product or service>?
AI: Yes, <company> sells <product or service>. Is there anything else I can
help you with?
Example 2:
Sources:
[1] Andrea - Wikipedia
Andrea is a given name which is common worldwide for both males and females.
Human: How is the weather?
AI: NOT_ENOUGH_INFORMATION
Begin! Let's work this out step by step to be sure we have the right answer.
Sources:
$sources
$end-user-metadata
$conversation
Human: $original-query
AI:
Datenspeicher-Fallback
In diesem Bereich sind folgende Einstellungen verfügbar:
- Fallback-Link: Hier wird der am besten geeignete Link angezeigt, wenn der Agent keine Antwort liefert.
- Generative AI aktivieren: Erlauben Sie dem Datenspeicher, beim Generieren von Ergebnissen Generative AI zu verwenden.