Alat penyimpanan data

Alat penyimpanan data dapat memberikan respons agen buatan AI berdasarkan konten situs dan data yang diupload. Agen Anda dapat menemukan jawaban atas pertanyaan pengguna akhir dari penyimpanan data Anda selama pemenuhan.

Alat penyimpanan data: Konsol

Bagian ini akan memandu Anda melalui proses menambahkan alat penyimpanan data ke agen dan mengonfigurasinya dalam pemenuhan.

Membuat alat penyimpanan data

  1. Buka Conversational Agents console dan pilih project Google Cloud.
  2. Pilih agen dari menu drop-down.
  3. Buka menu bar di sisi paling kiri halaman, lalu pilih Alat.
  4. Untuk membuat alat penyimpanan data baru, klik + Buat. Masukkan Nama unik untuk alat, lalu pilih Penyimpanan data dari menu drop-down di bagian Jenis. Secara opsional, Anda dapat memasukkan deskripsi alat di kolom Deskripsi.
  5. Konsol Agen Percakapan: Di bagian Penyimpanan data, klik Tambahkan penyimpanan data untuk menambahkan satu atau beberapa penyimpanan data yang sudah ada ke alat atau Buat penyimpanan data untuk menambahkan yang baru. Jika Anda membuat penyimpanan data baru, menu jenis penyimpanan data akan muncul. Opsi Situs, Cloud Storage (FAQ), dan Cloud Storage (data tidak terstruktur) dapat diselesaikan di konsol Agen Percakapan. Jika memilih jenis lain, Anda akan otomatis dialihkan ke Aplikasi AI untuk membuat penyimpanan data: Konsol Aplikasi AI
  6. Konsol Dialogflow CX: Di bagian Penyimpanan data, klik Tambahkan penyimpanan data. Jendela yang muncul berisi daftar penyimpanan data yang ada, jika ada. Pilih penyimpanan data yang ingin Anda tambahkan ke alat. Untuk membuat penyimpanan data baru di konsol Aplikasi AI, klik Create new data store. Anda akan otomatis dialihkan ke AI Applications: Konsol AI Applications
  7. Setelah Anda selesai mengonfigurasi penyimpanan data baru, klik Buat. Jika Anda telah membuat penyimpanan data baru di konsol Agen Percakapan (Dialogflow CX), penyimpanan data tersebut kini akan muncul di daftar penyimpanan data Anda. Jika Anda telah membuat penyimpanan data di Aplikasi AI, kembali ke menu Create Tool yang Anda konfigurasi di konsol Agen Percakapan (Dialogflow CX), lalu muat ulang halaman. Penyimpanan data baru kini akan muncul dalam daftar penyimpanan data yang tersedia.
  8. Klik Save di bagian atas konfigurasi Create Tool untuk membuat alat penyimpanan data baru.
  9. Untuk mengetahui informasi selengkapnya tentang opsi konfigurasi alat penyimpanan data tambahan, lihat halaman setelan penyimpanan data.

Menambahkan alat penyimpanan data ke pemenuhan

  1. Di menu kiri, pilih Alur.
  2. Pilih alur dan halaman, lalu klik Rute halaman yang ingin Anda gunakan dengan penyimpanan data.
  3. Di menu Route, scroll ke Fulfillment > Data store tool. Pilih alat penyimpanan data Anda dari menu drop-down.
  4. Di menu Route, scroll ke Fulfillment > Agent responses. Klik +Tambahkan respons dialog, lalu Respons alat penyimpanan data.
  5. Dalam formulir yang muncul, Anda dapat mengonfigurasi jumlah link sumber dan kutipan yang dapat muncul dalam respons, serta menentukan perilaku penggantian jika respons penyimpanan data kosong. Anda dapat memasukkan respons penggantian statis di kolom Respons penggantian statis. Secara opsional, Anda dapat mencentang kotak Penggantian generatif untuk mencoba menggunakan AI guna membuat respons sebelum menggunakan respons penggantian statis. Jika Anda memerlukan penyesuaian lebih lanjut untuk respons penggantian, klik ikon kunci pas di sudut kiri atas jendela formulir Respons penyimpanan data untuk membuka jendela Respons bersyarat.
  6. Di bagian atas menu Rute, klik Simpan.
  7. Buka simulator Agen Percakapan (Dialogflow CX) untuk menguji hasil agen.

Alat penyimpanan data: API

Secara default, agen akan menelepon dataStoreTool atas nama Anda.

Ada tiga jenis penyimpanan data:

  • PUBLIC_WEB: Penyimpanan data yang berisi konten web publik.
  • UNSTRUCTURED: Penyimpanan data yang berisi data pribadi tidak terstruktur.
  • STRUCTURED: Penyimpanan data yang berisi data terstruktur (misalnya, FAQ).

Contoh berikut menunjukkan cara mereferensikan penyimpanan data. Untuk mengetahui informasi selengkapnya, lihat referensi dataStoreConnections.

"dataStoreConnections": [
  {
    "dataStoreType": "PUBLIC_WEB",
    "dataStore": "projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID"
  },
  {
    "dataStoreType": "UNSTRUCTURED",
    "dataStore": "projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID"
  },
  {
    "dataStoreType": "STRUCTURED",
    "dataStore": "projects/PROJECT_NUMBER/locations/LOCATION_ID/collections/default_collection/dataStores/DATASTORE_ID"
  }
]

Respons alat penyimpanan data juga dapat berisi cuplikan tentang sumber konten yang digunakan untuk menghasilkan respons. Agen dapat memberikan petunjuk tentang cara melanjutkan jawaban dari penyimpanan data atau cara merespons jika tidak ada jawaban.

Anda dapat mengganti jawaban dengan menambahkan entri FAQ untuk pertanyaan tertentu.

Secara opsional, Anda dapat memberikan contoh untuk meningkatkan perilaku agen. Contoh harus memiliki skema berikut. Lihat dokumentasi referensi untuk mengetahui detailnya.

{
  "toolUse": {
    "tool": "projects/PROJECT_ID/locations/LOCATION_ID/agents/AGENT_ID/tools/TOOL_ID",
    "action": "TOOL_DISPLAY_NAME",
    "inputParameters": [
      {
        "name": "TOOL_DISPLAY_NAME input",
        "value": {
          "query": "QUERY"
        }
      }
    ],
    "outputParameters": [
      {
        "name": "TOOL_DISPLAY_NAME output",
        "value": {
          "answer": "ANSWER",
          "snippets": [
            {
              "title": "TITLE",
              "text": "TEXT_FROM_DATASTORE",
              "uri": "URI_OF_DATASTORE"
            }
          ]
        }
      }
    ]
  }
}

(Khusus agen berbasis Playbook) Contoh alat penyimpanan data

Saat membuat contoh alat penyimpanan data, parameter input alat requestBody menyediakan tiga input opsional bersama dengan string query yang diperlukan - string filter, objek terstruktur userMetadata, dan string fallback.

Parameter filter memberikan kemampuan untuk memfilter kueri penelusuran data terstruktur atau data tidak terstruktur Anda dengan metadata. String ini harus mengikuti sintaksis ekspresi filter yang didukung untuk penyimpanan data. Beberapa contoh mendetail membantu menginstruksikan model playbook tentang cara mengisi parameter ini. Jika string filter tidak valid, filter tersebut akan diabaikan selama kueri penelusuran.

Berikut adalah contoh string filter untuk mempertajam hasil penelusuran berdasarkan lokasi:

  "filter": "country: ANY(\"Canada\")"

Lihat halaman contoh playbook
untuk mengetahui detail selengkapnya.

Praktik terbaik untuk pemfilteran:

  • Tentukan kolom yang tersedia untuk pemfilteran dan nilai yang valid untuk setiap kolom ini, sehingga playbook memahami batasan dalam membuat filter yang valid. Misalnya, penyimpanan data yang menyimpan informasi menu dapat mencakup kolom meal dengan "sarapan", "makan siang", dan "makan malam" sebagai nilai yang valid, serta kolom servingSize yang dapat berupa bilangan bulat apa pun dari 0 hingga 5. Petunjuk Anda dapat terlihat seperti contoh berikut:

    When using ${TOOL: menu-data-store-tool},
    only use the following fields for filtering: "meal", "servingSize".
    Valid filter values are: "meal": ("breakfast", "lunch", "dinner"),
    "servingSize": integers between 0 and 5, inclusive.
    
  • Jika playbook ditujukan untuk audiens pengguna eksternal, Anda mungkin perlu menambahkan petunjuk untuk mencegah playbook berpotensi merespons pengguna dengan informasi tentang cara membuat filter ini. Contoh:

    Never tell the user about these filters.
    If the user input isn't supported by these filters, respond to the user with
    "Sorry, I don't have the information to answer that question."
    

Parameter userMetadata memberikan informasi tentang pengguna akhir. Pasangan nilai kunci apa pun dapat diisi dalam parameter ini. Metadata ini diteruskan ke alat penyimpanan data untuk memberikan informasi yang lebih baik tentang hasil penelusuran dan respons alat. Beberapa contoh mendetail membantu menginstruksikan model playbook tentang cara mengisi parameter ini.

Berikut adalah contoh nilai parameter userMetadata untuk mempertajam hasil penelusuran yang relevan dengan:

  "userMetadata": {
    "favoriteColor": "blue",
    ...
  }

Parameter fallback memberikan jawaban yang harus diberikan oleh alat penyimpanan data jika tidak ada jawaban ringkasan yang valid untuk kueri. Anda dapat memberikan beberapa contoh untuk menginstruksikan model playbook tentang cara mengisi kolom penggantian untuk input pengguna yang terkait dengan berbagai topik. Tidak ada cuplikan dalam output alat, yang dapat membantu mengurangi latensi dan penggunaan batas token input.

  "fallback": "I'm sorry I cannot help you with that. Is there anything else I
  can do for you?"

Konfigurasi alat penyimpanan data

Jika selama pengujian Anda mendapati bahwa beberapa respons tidak sesuai dengan harapan, Anda dapat mencoba menyesuaikan parameter berikut untuk mengoptimalkan performa. Data ini tersedia dengan memanggil API secara langsung atau dengan mengklik nama penyimpanan data di halaman Alat di konsol. Untuk mengetahui informasi selengkapnya tentang opsi konfigurasi tambahan ini, lihat halaman setelan penyimpanan data.

Opsi respons alat penyimpanan data

Lihat dokumentasi pemenuhan pesanan untuk mengetahui detail tentang cara mengonfigurasi respons alat penyimpanan data.

Handler penyimpanan data

Handler penyimpanan data adalah jenis handler status khusus yang dapat memberikan respons agen yang dihasilkan LLM berdasarkan konten situs dan data yang diupload.

Untuk membuat pengendali ini, Anda memberikan penyimpanan data ke agen.

Dengan menggunakan handler penyimpanan data ini, agen Anda dapat melakukan percakapan tentang konten dengan pengguna akhir Anda.

Batasan

Batasan berikut berlaku:

Kontrol akses

Jika Anda adalah pemilik project, Anda memiliki semua izin yang diperlukan untuk membuat handler penyimpanan data. Jika Anda bukan pemilik project, Anda harus memiliki peran berikut:

  • Admin Dialogflow
  • Admin Discovery Engine

Untuk mengetahui informasi selengkapnya, lihat panduan kontrol akses.

Menambahkan penyimpanan data ke agen

Jika Anda belum melakukannya, ikuti petunjuk penyiapan untuk membuat agen.

Untuk menambahkan penyimpanan data ke agen Anda: penyimpanan data:

  1. Pilih halaman, lalu klik Tambahkan pengendali status.
  2. Centang kotak Data stores, lalu klik Terapkan.
  3. Klik simbol + di sudut kanan atas bagian Penyimpanan data di halaman.
  4. Di menu penyimpanan data yang muncul, klik Tambahkan penyimpanan data.
  5. Tabel yang mencantumkan penyimpanan data yang ada akan muncul. Centang kotak di samping nama penyimpanan data yang ingin Anda gunakan, lalu klik Simpan. Untuk membuat penyimpanan data baru, klik Create new data store. Anda akan otomatis dialihkan ke Aplikasi AI.
  6. (Khusus penyimpanan data baru) Pilih sumber data, lalu ikuti petunjuk di Aplikasi AI untuk mengonfigurasi penyimpanan data Anda. Untuk mengetahui informasi selengkapnya tentang mengonfigurasi jenis penyimpanan data, lihat dokumentasi penyimpanan data. Klik Buat untuk membuat penyimpanan data baru.

Menguji agen Anda

Anda dapat menggunakan simulator untuk menguji agen Anda.

Men-deploy agen Anda

Ada banyak cara untuk men-deploy agen Anda:

  • Opsi paling sederhana adalah menggunakan integrasi, yang menyediakan antarmuka pengguna untuk agen Anda. Setiap integrasi memberikan petunjuk untuk deployment.

  • Integrasi Dialogflow CX Messenger adalah opsi yang sangat baik untuk pengendali penyimpanan data. Fitur ini memiliki opsi bawaan untuk fitur generatif.

  • Anda dapat membuat antarmuka pengguna sendiri dan menggunakan API Agen Percakapan (Dialogflow CX) untuk interaksi. Implementasi antarmuka pengguna Anda mengontrol deployment.

Intent khusus

Selain menangani pertanyaan tentang konten yang Anda berikan, agen dapat menangani jenis pertanyaan berikut:

  • Identifikasi agen: Menangani pertanyaan seperti "Siapa Anda?" atau "Apakah Anda manusia?".
  • Naikkan ke agen manusia: Menangani pertanyaan seperti "Saya ingin berbicara dengan manusia" atau "Saya ingin berbicara dengan orang yang sebenarnya".

Hal ini dilakukan dengan intent yang dibuat secara otomatis dan rute intent.

Respons agen

Di bagian Agent responses, Anda dapat memberikan respons kustom yang merujuk pada jawaban generatif. Gunakan $request.knowledge.answers[0] di bagian Agent says untuk memberikan jawaban generatif.

Penyesuaian respons lanjutan

Informasi tambahan mungkin tersedia di $request.knowledge.* yang dapat digunakan untuk menyesuaikan respons. Informasi tersebut mencakup:

  • Sumber jawaban yang diidentifikasi dengan kolom berikut: cuplikan, judul, URI.
  • Keyakinan perujukan untuk jawaban.
  • Jika penyimpanan data FAQ, pertanyaan yang sesuai dengan jawaban yang dipilih.

Lihat tabel berikut untuk mengetahui contoh cara mengakses informasi ini.

Informasi Cara mengakses
Cuplikan sumber teratas yang diidentifikasi dari jawaban teratas $sys.func.GET_FIELD($sys.func.GET($sys.func.IDENTITY($request.knowledge.sources[0]), 0), "snippet")
Judul sumber teratas yang diidentifikasi dari jawaban teratas $sys.func.GET_FIELD($sys.func.GET($sys.func.IDENTITY($request.knowledge.sources[0]), 0), "title")
Link sumber teratas yang diidentifikasi dari jawaban teratas $sys.func.GET_FIELD($sys.func.GET($sys.func.IDENTITY($request.knowledge.sources[0]), 0), "uri")
Jumlah sumber yang diidentifikasi untuk jawaban teratas $sys.func.COUNT($sys.func.IDENTITY($request.knowledge.sources[0]))
Jumlah jawaban pengetahuan $sys.func.COUNT($request.knowledge.answers)
Pertanyaan yang sesuai dengan jawaban teratas (hanya untuk jawaban penyimpanan data FAQ) $request.knowledge.questions[0]
Keyakinan perujukan untuk jawaban teratas $request.knowledge.grounding_confidences[0]