Agent Assist 摘要產生器自訂模型功能可讓您在每次對話結束後，利用專門針對客戶資料訓練的模型，為服務專員提供對話摘要。這與透過大型語言模型進行自訂的方式不同，詳情請參閱「含有自訂部分的摘要」一文。摘要可協助客服專員建立對話記錄，並瞭解使用者與客服團隊的通訊記錄。舉例來說，對話的摘要輸出內容可能會類似以下內容：
您也可以匯入自訂 Agent Assist 摘要模型，搭配 CCAI Insights 對話使用。
事前準備
使用 API 訓練及部署摘要模型
建立對話資料集並匯入轉錄稿
在 ConversationDataset 資源上呼叫 create 方法，即可建立對話資料集。請附上含有轉錄稿資料的 Cloud Storage 值區路徑，以便將轉錄稿匯入新的對話資料集。
要求範例：
{
"displayName": "CONVERSATION_DATASET_NAME",
"inputConfig": {
"gcsSource": {
"uris": ["gs://PATH_NAME/*"]
}
}
}
回應包含對話資料集 ID。回應範例：
{
"done": true,
"response": {
"@type": "type.googleapis.com/google.cloud.dialogflow.v2beta1.ConversationDataset",
"name": "projects/PROJECT_ID/locations/global/conversationDatasets/CONVERSATION_DATASET_ID",
"displayName": "CONVERSATION_DATASET_NAME",
"createTime": "2022-06-16T23:13:22.627380457Z"
}
}
建立對話模型
在 ConversationModel 資源上呼叫 create 方法，建立摘要對話模型。每個專案每月最多可使用 120 個節點時數進行訓練，並可同時執行一個訓練工作。
必填欄位：
datasets：提供單一資料集，其中包含用於訓練模型的轉錄資料。summarizationModelMetadata：將其設為空物件，或填入欄位以覆寫預設值。
要求範例：
{
"displayName": "CONVERSATION_DATASET_NAME",
"datasets": [{
"dataset": "projects/PROJECT_ID/locations/global/conversationDatasets/CONVERSATION_DATASET_ID"
}],
"summarizationModelMetadata": {
"trainingModelType": "SUMMARIZATION_MODEL"
},
"languageCode": "en-US"
}
回應是長時間執行的作業，您可以使用 GetOperation API 進行輪詢，檢查匯出作業是否完成。訓練作業可能需要數小時的時間才能完成。回應會傳回狀態和模型 ID。
回應範例：
{
"name": "projects/PROJECT_ID/locations/global/operations/OPERATION_ID",
"metadata": {
"@type": "type.googleapis.com/google.cloud.dialogflow.v2beta1.CreateConversationModelOperationMetadata",
"conversationModel": "projects/PROJECT_ID/locations/global/conversationModels/MODEL_ID",
"state": "TRAINING",
"createTime": "2022-06-16T23:27:50Z"
}
}
評估對話模型
模型訓練完成後，請呼叫 ListConversationModelEvaluations API 來檢查模型品質。
在 ListConversationModelEvaluationsRequest 中指定要檢查的模型名稱。
{ "parent": "projects/cloud-contact-center-quality/locations/global/conversationModels/d3f2ca9f3e2c571a" }
ListConversationModelEvaluationsResponse 包含 Rouge-L 分數，可用於評估自動摘要。
{ "conversationModelEvaluations": [{ "name": "projects/cloud-contact-center-quality/locations/global/conversationModels/d3f2ca9f3e2c571a/evaluations/c10ac25411a23fe1", "displayName": "Training Auto Generated Evaluation", "createTime": "2022-06-04T03:38:35.151096Z", "evaluationConfig": { }, "summarizationMetrics": { "rougel": 0.4474459 } }] }
部署對話模型
模型訓練完成後，您可以使用 DeployConversationModel API 部署模型。
在 DeployConversationModelRequest 中，指定要部署的模型 name。回應是長時間執行的作業，您可以使用 GetOperation API 進行輪詢，檢查匯出作業是否完成。
設定對話設定檔
對話設定檔會設定一組參數，用於控制在對話期間向服務專員提供的建議。下列步驟會使用 HumanAgentAssistantConfig 物件建立 ConversationProfile。
建立對話設定檔
如要建立對話設定檔，請在 ConversationProfile 資源上呼叫 create 方法。請為新對話方塊設定名稱、 Google Cloud專案 ID 和模型 ID。在 CreateConversationProfileRequest 中，指定要使用的對話模型，以及要 CONVERSATION_SUMMARIZATION 的建議功能。
以下是 JSON 範例：
{ "displayName": "CONVERSATION_PROFILE_NAME", "humanAgentAssistantConfig": { "humanAgentSuggestionConfig": { "featureConfigs": [{ "suggestionFeature": { "type": "CONVERSATION_SUMMARIZATION" }, "conversationModelConfig": { "model": "projects/PROJECT_ID/locations/global/conversationModels/MODEL_ID", } }] } }, "languageCode": "en-US" }
回應是包含對話方針 name 的 ConversationProfile 物件：
{ "name": "projects/PROJECT_ID/locations/global/conversationProfiles/CONVERSATION_PROFILE_ID", "displayName": "CONVERSATION_PROFILE_NAME", "automatedAgentConfig": { }, "humanAgentAssistantConfig": { "notificationConfig": { }, "humanAgentSuggestionConfig": { "featureConfigs": [{ "suggestionFeature": { "type": "CONVERSATION_SUMMARIZATION" }, "conversationModelConfig": { } }] }, "messageAnalysisConfig": { } }, "languageCode": "en-US", "createTime": "2022-06-06T21:06:46.841816Z", "updateTime": "2022-06-06T21:06:46.841816Z", "projectNumber": "344549229138" }
在執行階段處理對話
當使用者與人類服務專員開始對話時，您就會建立對話。以下各節將逐步說明這項程序。
建立對話
如要建立對話，請在 Conversation 資源上呼叫 create 方法。
回應會包含新的對話 ID。
建立使用者參與者
如要建立使用者參與者，請在 Participant 資源上呼叫 create 方法。在 role 欄位中提供對話 ID 和 END_USER。
participants 後方的路徑區段包含了您的新終端使用者參與者 ID。
建立人類服務專員參與者
如要建立人類服務專員參與者，請在 Participant 資源上呼叫 create 方法。在 role 欄位中提供對話 ID 和 HUMAN_AGENT。
participants 後方的路徑區段包含了新的真人代理參與者 ID。
分析訊息
方法 1：在對話期間
如要為對話新增及分析人工服務專員訊息，請在 Participant 資源上呼叫 analyzeContent 方法。提供對話 ID 和真人服務專員參與者 ID。
如要新增及分析對話的使用者訊息，請在 Participant 資源上呼叫 analyzeContent 方法。提供對話 ID 和使用者參與者 ID。
如果 analyzeContent 方法已用於其他 Dialogflow 功能，請勿重複呼叫該方法。
方法 2：在對話結束後
如果您在對話期間未使用 analyzeContent 方法，可以使用這個選項。您可以改為在 messages 資源上使用 batchCreate 方法，擷取對話的歷來訊息。
取得建議
您隨時可以取得建議，瞭解任何參與者最新的訊息。
選項 1. suggestConversationSummary
對 conversations.suggestions 資源呼叫 suggestConversationSummary 方法。請提供對話 ID 和任一參與者的最新訊息 ID。
選項 2. generateStatelessSummary
呼叫 generateStatelessSummary 方法。請提供對話的 Messages，以及任一參與者傳送的最新訊息 ID。
以下是 generateStatelessSummary 的 JSON 要求範例：
{ "statelessConversation": { "messages": [{ "content": "Hello, how can I help you today?", "languageCode": "en-US", "participantRole": "HUMAN_AGENT" }, { "content": "I would like to cancel my plan.", "languageCode": "en-US", "participantRole": "END_USER" }, { "content": "Okay, I have canceled your plan. Is there anything else that I can do to help you?", "languageCode": "en-US", "participantRole": "HUMAN_AGENT" }, { "content": "No, thank you.", "languageCode": "en-US", "participantRole": "END_USER" }, { "content": "Okay, have a great day!", "languageCode": "en-US", "participantRole": "HUMAN_AGENT" }], "parent": "projects/PROJECT_ID/locations/global" }, "conversationProfile": { "humanAgentAssistantConfig": { "humanAgentSuggestionConfig": { "featureConfigs": [{ "suggestionFeature": { "type": "CONVERSATION_SUMMARIZATION" }, "conversationModelConfig": { "model": "projects/PROJECT_ID/locations/global/conversationModels/MODEL_ID" } }] } }, "languageCode": "en-US" } }
回應包含 Summarization 建議。
完成對話
如要完成對話，請在 conversations 資源上呼叫 complete 方法。提供對話 ID。