Créer votre propre assistance GenAI

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Créez votre propre assistance IA générative pour créer un générateur de texte et l'intégrer à Agent Assist. Le générateur de texte utilise des grands modèles de langage (LLM) avancés, tels que Text Bison et Gemini, pour générer des suggestions. Vous pouvez utiliser ces suggestions pour aider les participants à chaque extrémité d'une conversation de service client, comme les agents humains et les utilisateurs humains. Le générateur peut utiliser des appels LLM intégrés à Agent Assist, qui peuvent être configurés pour la plupart des tâches LLM. Pour en savoir plus sur les générateurs dans Agent Assist, consultez la documentation Vertex AI.

Entrées du générateur

Le générateur de texte nécessite les entrées suivantes:

• Instruction: texte décrivant la tâche que vous souhaitez que le générateur de texte effectue. Dans Vertex AI, l'instruction s'appelle une invite.

• Options de modèle: choix du modèle et paramètres nécessaires pour des performances optimales, tels que la température, la limite de jetons de sortie, TopK et TopP. Les sorties du générateur sont limitées par ces paramètres. Vous pouvez choisir un modèle et définir ses options lorsque vous créez un générateur en cliquant sur Options du modèle, ou utiliser les paramètres par défaut. Dans Vertex AI, les options de modèle sont appelées valeurs de paramètre.

• Événement déclencheur: l'un des événements suivants qui indique quand lancer le générateur:

  • END_OF_UTTERANCE: déclenche le générateur après chaque entrée.
  • MANUAL_CALL: ne déclenche le générateur que lorsque vous effectuez explicitement des appels d'API pour l'invoquer.
  • CUSTOMER_MESSAGE: ne déclenche le générateur qu'après chaque message du client.
  • AGENT_MESSAGE: ne déclenche le générateur qu'après chaque message de l'agent.

Sorties du générateur

Une fois que vous avez fourni les entrées au générateur de texte, l'outil Créez votre propre générateur d'assistance GenAI fournit des suggestions telles que des liens vers des articles, des réponses appropriées ou des informations de backend sur les offres promotionnelles. Ces suggestions sont fournies sous forme de texte et sont pertinentes dans le contexte de la conversation avec le service client au moment de leur génération.

Cas d'utilisation

Cette section présente trois cas d'utilisation pour illustrer comment vous pouvez implémenter l'outil Créer vos propres générateurs d'assistance GenAI. Votre modèle peut générer des réponses de sortie différentes de celles des exemples suivants.

Réécriture professionnelle

Vous pouvez demander au générateur de reformuler les énoncés d'agents humains de manière professionnelle, polie et empathique avant de répondre aux clients, comme suit :

• Nom du générateur: Réécriture professionnelle
• Événement déclencheur: message de l'agent

• Instruction :

  # TASK DESCRIPTION:
  Output the agent's response under ## LAST UTTERANCE rewritten in a professional, polite and empathetic way in EXAMPLE 4.
  - DO NOT miss any information mentioned by the original text.
  - Only output rewritten response.
  - You're provided with EXAMPLE 1-3. Follow the format.
  
  # EXAMPLE 1
  ## CONVERSATION:
  AGENT: Yo what's up it's Akshay. This is Amazon customer service. What do you want?
  
  ## LAST UTTERANCE:
  Yo what's up it's Akshay. This is Amazon customer service. What do you want?
  
  ## OUTPUT:
  Hi I'm Akshay. Thank you for choosing Amazon customer service. How can I assist you today?
  
  # EXAMPLE 2
  ## CONVERSATION:
  CUSTOMER: Hi, I'm having some trouble with my Apple Music subscription.
  AGENT: Hey, I'm [name]. I can help, I guess. What's your name and account number?
  CUSTOMER: Sure, my name is [name] and my account number is [number].
  AGENT: Alright. Checked that out. You are on Apple Music Individual plan, right?
  
  ## LAST UTTERANCE:
  Alright. Checked that out. You are on Apple Music Individual plan, right?
  
  ## OUTPUT:
  Thank you. I see that you're currently subscribed to the Apple Music Individual plan. Is that correct?
  
  # EXAMPLE 3
  ## CONVERSATION:
  AGENT: What is your order number?
  CUSTOMER: 12345
  AGENT: Hang on a sec. Looking.
  CUSTOMER: I'll wait.
  AGENT: Alright, it appears your order is not registered. Did you even submit the order?
  CUSTOMER: Let me double check. Shoot, someone canceled it. Must be the kids.
  AGENT: Yeah, watch your kids will you?
  CUSTOMER: I'm so sorry.
  AGENT: All good. Have a good one.
  
  ## LAST UTTERANCE:
  All good. Have a good one.
  
  ## OUTPUT:
  No problem. I'm glad I can help. Please have a good day!
  
  # EXAMPLE 4
  ## CONVERSATION:
  ${parameter:transcript}
  
  ## LAST UTTERANCE:
  ${parameter:transcript_last_utterance}
  
  ## OUTPUT:
  

Fidélisation des clients

Vous pouvez également demander au générateur de suggérer des réponses d'agent pour la fidélisation des clients, par exemple en proposant des remises sur des produits, en proposant des produits complémentaires ou des produits de meilleure qualité, et en résolvant des problèmes, comme dans l'exemple suivant. Le générateur accède aux informations que vous fournissez sur les remises et les offres en tant que références contextuelles avec l'API IngestContextReferences.

• Nom du générateur: Départ et fidélisation des clients
• Événement déclencheur: message client
• Références de contexte: offres
  • Un: 11% de remise
  • Nest: 5% de remise
  • Remise pour les nouveaux clients: 10%

• Instruction :

  # TASK DESCRIPTION:
  You are an Agent who is helping a customer resolve an issue with complete understanding of the same.
  - Make sure you wait to understand the concern or query before making any suggestions.
  - If the customer informs about the issue, you need to ask the exact reason. If the reason is valid, you can give appropriate credit from the OFFERS section.
  - If the customer is about to cancel an order or subscription, make sure you offer something from the OFFERS section and try to retain the customer.
  - If a customer is inquiring about a new product, offer some combo for upselling another product.
  Below are two examples for detecting churn and generating suggestions for mitigation.
  The output should be a single message suggested to the agent according to the context of the conversation.
  
  # EXAMPLE 1
  Customer: Hello
  Agent: Welcome to Google. How may I help you?
  Customer: I want to cancel order.
  Agent: Sure Let me have an order ID.
  Customer: Its 123321
  Agent: I could see that you placed an order for Google Nest. May I know the reason for cancellation?
  Customer: It's available at cheaper rate now. 
  Agent: Ohh.! I see. Let me check the current price and adjust the order price. Is it okay ?
  Customer: Sure..! I can purchase the product  as long as I can get it at the discounted price. I'd definitely go with it
  Agent: Google Nest costs $200 at present. I can see that you paid $230.
  Customer: Yeah. Can you request to refund $30. I can buy it at $200.
  Agent : Sure. I have updated. You will get $30 refund once your order is delivered.
  Customer: Thanks.
  Agent : Welcome
  
  # EXAMPLE 2
  Customer: Hello
  Agent: Welcome to Google. How may I help you?
  Customer: I am having Google One Subscription. I think I may need some more space in future. 
  Agent: Okay. May I have your customer Id:
  Customer: Its 123321
  Agent: I could see that you have 100GB Plan at present. How much are you expecting to need in future?
  Customer: I think I may need 100GB or more.
  Agent: I could check that you are a loyal customer who had subscriptions since last 6 months. I can provide you 10% discount. 
  Customer: Sure..! That would be great. 
  Agent: 200GB Subscription costs $180 per annum which I can offer you at $162.
  Customer: That's cool. Thank you.
  Agent: Is there anything else I can help you with?
  Customer: No thanks.
  
  ## CONTEXT
  ${parameter:transcript}
  
  ## OFFERS
  ${parameter:offers}
  

Créer un générateur

Les exemples suivants montrent comment créer un générateur de texte "Créez votre propre assistant GenAI".

Paramètres

Vous pouvez rendre une instruction contextuelle en marquant des mots comme paramètres à l'aide du format ${parameter:<parameter_name>}. Vous pouvez également utiliser l'API Data Ingestion pour importer la valeur réelle d'un paramètre en appelant la méthode IngestContextReferences dans une conversation. Avec cette méthode, les paramètres de l'instruction sont remplacés par leur valeur lors de l'exécution.

Voici un exemple JSON montrant comment importer la valeur des paramètres en appelant IngestContextReferences:

{
  "contextReferences": {
    "glossary": {
      "contextContents": [
        {
          "content": "east one",
          "contentFormat": "PLAIN_TEXT"
        }
      ]
    }
  }
}

Certains paramètres de générateur ne doivent pas être ingérés. Voici les paramètres intégrés:

• ${parameter:transcript}: conversation entre l'agent et l'utilisateur, y compris la toute dernière déclaration de l'utilisateur.
• ${parameter:transcript_last_utterance}: dernier énoncé de la conversation.

Vous devez utiliser au moins un paramètre intégré dans chaque instruction.

Qu'ils soient intégrés ou ingérés, les paramètres du générateur sont différents des options de modèle définies lors de la création du générateur. Les valeurs de ces paramètres de générateur proviennent d'une transcription de conversation ou de données ingérées. En revanche, vous définissez les valeurs des options de modèle pour le générateur dans son ensemble.

Tester un générateur

Dans la console Créer votre propre assistance GenAI, vous pouvez tester le générateur dans la section Tester le générateur.

Pour tester un générateur dans la console Créez votre propre assistance GenAI, procédez comme suit:

Profil de conversation

Un profil de conversation définit un ensemble de paramètres qui contrôlent les suggestions émises au cours d'une conversation. Les étapes suivantes permettent de créer une ressource conversationProfile avec un objet HumanAgentAssistantConfig.

Vous trouverez ci-dessous un exemple JSON de profil de conversation.

{
  "displayName": "build-your-own-assist-test",
  "humanAgentAssistantConfig": {
    "humanAgentSuggestionConfig": {
      "generators": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID"
    }
  }
}

Valider avec le simulateur

Vous pouvez vérifier le profil de conversation dans le simulateur Agent Assist. Le simulateur affiche les réponses générées annotées avec le nom du générateur.

Tester une requête

Dans la console "Créer votre propre assistance GenAI", vous pouvez tester une invite avec le simulateur de la même manière que vous vérifiez un profil de conversation. La sortie générée illustrée dans l'image suivante montre dans quelle mesure le générateur freeform-tool-test1 a suivi l'exemple d'invite.

Conversations au moment de l'exécution

Une conversation est définie comme une interaction entre un agent, y compris des agents humains et des agents virtuels, et un client du service client ou un utilisateur final. Au moment de l'exécution, lorsqu'un dialogue commence entre un utilisateur final et un agent humain, vous créez une conversation. Pour voir les suggestions, vous devez créer un participant utilisateur final et un participant d'agent humain, puis les ajouter à la conversation.

Créer une conversation

Pour créer une conversation, procédez comme suit:

1. Appelez la méthode create à partir de conversation resource.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_PROFILE_ID: ID de votre profil de conversation

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations

Corps JSON de la requête :

{
  "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
}

Dans la réponse JSON, le segment de chemin d'accès après conversations contient le nouvel ID de la conversation. La réponse JSON devrait ressembler à ceci:

{
  "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID",
  "lifecycleState": "IN_PROGRESS",
  "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
  "startTime": "2023-11-05T21:05:45.622Z"
}

Créer un participant d'utilisateur final

Pour créer un participant d'utilisateur final, procédez comme suit:

1. Appelez la méthode create à partir de la ressource participants.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_ID: ID de votre conversation

Indiquez votre ID de conversation et "END_USER" pour le champ "role", comme suit :

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants

Corps JSON de la requête :

{
  "role": "END_USER",
}

Dans la réponse JSON, le segment de chemin d'accès indiqué après participants contient le nouvel ID de participant de l'utilisateur final. La réponse JSON devrait ressembler à ceci:

{
 "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/USER_PARTICIPANT_ID", "role": "END_USER"
}

Créer un participant d'agent humain

Pour créer un participant d'agent humain, procédez comme suit:

1. Appelez la méthode create à partir de la ressource participants.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_ID: ID de votre conversation

Indiquez votre ID de conversation et le rôle HUMAN_AGENT pour le champ comme suit.

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants

Corps JSON de la requête :

{
  "role": "HUMAN_AGENT",
}

Dans la réponse JSON, le segment de chemin d'accès indiqué après participants contient le nouvel ID de participant de votre agent humain. La réponse devrait ressembler à ceci :

{
"name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/AGENT_PARTICIPANT_ID", "role": "HUMAN_AGENT"
}

Analyser le message

Un générateur peut également analyser un message dans une conversation. Pendant une conversation, vous pouvez ajouter un message. Le générateur peut analyser les messages de l'agent humain et de l'utilisateur final à l'aide de la méthode analyzeContent de la ressource participants.

Pour ajouter et analyser un message d'agent humain, procédez comme suit :

1. Appelez la méthode analyzeContent.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_ID: ID de votre conversation
   • PARTICIPANT_ID: ID de votre participant d'agent humain

Indiquez l'ID de conversation et l'ID de participant de l'agent humain. Votre requête doit ressembler à ceci:

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Corps JSON de la requête :

{
  "textInput": {
    "text": "Bonjour, ici le service client d'ABC fishing, comment puis-je vous aider aujourd'hui ?",
    "languageCode": "en-US"
  }
}

Vous devriez recevoir une réponse JSON semblable à celle-ci:

{
  "message": {
    "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
    "content": "Bonjour, ici le service client d'ABC fishing, comment puis-je vous aider aujourd'hui ?",
    "languageCode": "en-US",
    "participant": "PARTICIPANT_ID",
    "participantRole": "HUMAN_AGENT",
    "createTime": "2023-02-13T00:01:30.683Z"
  },
  "humanAgentSuggestionResults": [{
    "generateSuggestionsResponse": {
      "generatorSuggestionAnswers": [{
        "generatorSuggestion": {
          "freeFormSuggestion": {
            "response": "Hello, this is ABC fishing customer service, how can I help you today?"
          }
        },
        "sourceGenerator": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID",
        "answerRecord": "projects/PROJECT_ID/locations/global/answerRecords/ANSWER_RECORD_ID"
      }],
      "latestMessage": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID/messages/MESSAGE_ID"
    }
  }]
}

Pour ajouter et analyser un message de l'utilisateur final

1. Appelez la méthode analyzeContent. N'effectuez pas d'appels en double à la méthode si elle a été appelée pour d'autres fonctionnalités Agent Assist.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_ID: ID de votre conversation
   • PARTICIPANT_ID: ID de votre participant d'agent humain

Indiquez l'ID de conversation et l'ID de participant de l'agent humain. Votre requête doit ressembler à ceci:

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Corps JSON de la requête :

{
  "textInput": {
    "text": "Hi",
    "languageCode": "en-US"
  }
}

Vous devriez recevoir une réponse JSON semblable à celle-ci:

{
  "message": {
    "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
    "content": "Hi",
    "languageCode": "en-US",
    "participant": "PARTICIPANT_ID",
    "participantRole": "END_USER",
    "createTime": "2020-02-13T00:07:35.925Z"
  },
  "humanAgentSuggestionResults": [{
    "generateSuggestionsResponse": {
      "generatorSuggestionAnswers": [{
        "generatorSuggestion": {
          "freeFormSuggestion": {
            "response": "Salut"
          }
        },
        "sourceGenerator": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID",
        "answerRecord": "projects/PROJECT_ID/locations/global/answerRecords/ANSWER_RECORD_ID"
      }],
      "latestMessage": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID/messages/MESSAGE_ID"
    }
  }]
}

Lorsqu'une conversation est terminée et que analyzeContent n'a pas été utilisé, vous pouvez utiliser la méthode batchCreate de la ressource messages pour importer et analyser l'historique des messages de la conversation.

Obtenir des suggestions

Le générateur fournit également des suggestions en réponse à un message à tout moment d'une conversation. Par défaut, les suggestions concernent le dernier message de l'un des participants. Vous pouvez également spécifier le message pour lequel vous souhaitez obtenir des suggestions. Obtenez des suggestions par défaut ou à l'aide de l'une des ressources suivantes.

Utiliser les suggestions incluses

La réponse de analyzeContent est accompagnée de suggestions. Le générateur déclenché génère ces suggestions. Votre requête JSON doit inclure quelque chose de semblable à ce qui suit:

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Corps JSON de la requête :

{
  "textInput": {
    "text": "I want to reserve a room.",
    "languageCode": "en-US"
  }
}

Utiliser la ressource suggestions

Vous pouvez également suivre ces étapes pour obtenir des suggestions.

1. Appelez la méthode generate à partir de la ressource suggestions.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • CONVERSATION_ID: ID de votre conversation
   • PARTICIPANT_ID: ID de votre participant d'agent humain

Indiquez l'ID de la conversation, le dernier ID de message de l'un des participants et les événements de déclenchement. Si le champ "ID du message" n'est pas défini, les suggestions sont basées par défaut sur le dernier message de l'un des participants. Le générateur associé à l'événement de déclenchement est alors lancé. Votre requête JSON doit inclure quelque chose de semblable à ce qui suit:

Méthode HTTP et URL :

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_IDsuggestions:generate

Corps JSON de la requête :

{
  "latestMessage": "projects/PROJECT_ID/conversations/CONVERSATION_IDmessages/Message_ID",
  "triggerEvents": [ "END_OF_UTTERANCE" ]
}

Utiliser la ressource statelessSuggestion

Pour obtenir des suggestions, vous pouvez également suivre ces étapes.

1. Appelez la méthode generate à partir de la ressource statelessSuggestion.
2. Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
   • PROJECT_ID : ID de votre projet.
   • LOCATION_ID: votre ID d'emplacement

Indiquez le générateur, les messages de la conversation et les références contextuelles contenant les données ingérées. Les données ingérées remplacent les paramètres dans l'instruction du générateur. Votre requête JSON doit se présenter comme suit:

Méthode HTTP et URL :

https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/locations/LOCATION_ID/statelessSuggestion:generate

Corps JSON de la requête :

{
  "generator": {
    "description": "Translation",
    "triggerEvent": "END_OF_UTTERANCE",
    "freeFormContext": {
      "text": "Read the conversation between agent and customer, and the last utterance. Output the last utterance from customer by following these instructions:
      - If the last utterance from AGENT, output the utterance by translating it to English.
      - If the last utterance from CUSTOMER, output the utterance by translating it to French.
      - Specific brand names and technical terms specified under 'GLOSSARY' section, such as 'Google Home,' should remain unchanged as per the glossary guidelines.

# GLOSSARY
${parameter:glossary}

# CONVERSATION:
${parameter:transcript}

# LAST UTTERANCE:
${parameter:transcript_last_utterance}

# OUTPUT: "
    }
  },
  "contextReferences": {
    "glossary": {
      "contextContents": {
        "content": "east one",
        "contentFormat": "PLAIN_TEXT"
      }
    }
  },
  "conversationContext": {
    "messageEntries": [
      {
        "text": "hi",
        "languageCode": "en-US",
        "role": "END_USER",
        "createTime": {
          "seconds": "1400000000",
          "nanos": "10000000"
        }
      },
      {
        "text": "Bonjour, comment puis-je vous aider aujourd\\'hui ?",
        "languageCode": "en-US",
        "role": "HUMAN_AGENT",
        "createTime": {
          "seconds": "1400000010",
          "nanos": "10000000"
        }
      }
    ]
  },
  "triggerEvents": [
    "END_OF_UTTERANCE"
  ]
}

Limites de quota

Vous pouvez consulter les quotas et les limites d'Agent Assist sur la page des quotas Dialogflow. La création de votre propre assistance GenAI inclut les limites de quota suivantes: