Beberapa produk dan fitur sedang dalam proses penggantian nama. Fitur playbook dan alur generatif juga dimigrasikan ke satu konsol gabungan. Lihat detailnya.
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Selama percakapan,
agen Agen Percakapan (Dialogflow CX) selalu menggunakan model bahasa untuk memahami niat pengguna akhir,
tetapi Anda dapat memilih apakah dan bagaimana model bahasa digunakan untuk respons agen.
Anda dapat memilih antara fitur generatif sepenuhnya, generatif sebagian,
dan deterministik saat mendesain agen.
Panduan ini memberikan ringkasan tentang fitur ini.
Hal ini membantu Anda memutuskan fitur mana dari fitur-fitur ini
yang ingin Anda gunakan,
sehingga Anda tahu dokumentasi mana yang akan relevan bagi Anda.
Sepenuhnya generatif
Fitur generatif sepenuhnya dibuat berdasarkan model bahasa besar (LLM)
Vertex AI untuk memahami niat pengguna akhir
serta menghasilkan respons agen.
Fitur ini mudah digunakan dan memberikan percakapan yang sangat alami.
Berikut adalah ringkasan fitur generatif sepenuhnya:
X
Item
Playbook
Playbook menyediakan cara baru untuk membuat agen virtual menggunakan LLM. Anda hanya perlu memberikan petunjuk bahasa alami dan data terstruktur. Hal ini dapat secara signifikan mengurangi waktu pembuatan dan pemeliharaan agen virtual, serta memungkinkan jenis pengalaman percakapan baru untuk bisnis Anda.
Penyimpanan data
Penyimpanan data mengurai dan memahami konten publik atau pribadi Anda (situs, dokumen internal, dan sebagainya). Setelah informasi ini diindeks, agen Anda dapat menjawab pertanyaan dan melakukan percakapan tentang konten. Anda hanya perlu menyediakan konten.
Alur deterministik
Jika memerlukan kontrol yang lebih deterministik atas percakapan
dan semua respons yang dihasilkan oleh agen,
Anda dapat mendesain agen dengan alur.
X
Item
Flows
Alur menggunakan model bahasa untuk memahami niat pengguna akhir selama percakapan, yang mungkin tidak sepenuhnya deterministik. Namun, setelah niat ditetapkan, Anda memiliki kontrol penuh atas alur percakapan dan respons agen. Mendesain agen dengan alur deterministik biasanya memerlukan lebih banyak waktu desain, tetapi ini adalah opsi yang baik untuk agen yang memerlukan kontrol eksplisit atas respons agen.
Alur generatif sebagian
Alur memiliki beberapa fitur generatif opsional yang dapat Anda gunakan jika tidak
memerlukan kontrol deterministik atas respons agen dalam skenario percakapan tertentu.
Berikut adalah ringkasan fitur ini:
X
Item
Generator
Generator digunakan untuk membuat respons agen. Daripada memberikan respons agen secara eksplisit, Anda memberikan perintah LLM yang dapat menangani banyak skenario, termasuk peringkasan percakapan, menjawab pertanyaan, pengambilan informasi pelanggan, dan eskalasi ke manusia.
Penggantian generatif
Penggantian generatif digunakan untuk membuat respons agen saat input pengguna akhir tidak cocok dengan niat yang diharapkan. Anda dapat mengaktifkan penggantian generatif dalam skenario tertentu dengan memberikan perintah LLM untuk membuat respons.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-08-18 UTC."],[[["\u003cp\u003eConversational Agents use language models to understand user intentions, but agents can be designed to be fully generative, partly generative, or deterministic in how they respond.\u003c/p\u003e\n"],["\u003cp\u003eFully generative features use large language models (LLMs) for both understanding user intent and generating agent responses, providing a natural conversational experience through features like Playbooks and Data Stores.\u003c/p\u003e\n"],["\u003cp\u003eDeterministic flows offer complete control over the conversation and agent responses, using language models for understanding intent but giving you explicit control once intent is established.\u003c/p\u003e\n"],["\u003cp\u003ePartly generative flows allow for optional generative features like Generators and Generative Fallback, leveraging LLMs to handle various scenarios, such as summarization or generating responses when user input doesn't match expected intentions.\u003c/p\u003e\n"],["\u003cp\u003eChoosing between fully generative, partly generative, and deterministic features depends on the level of control needed over agent responses and the desired conversational experience.\u003c/p\u003e\n"]]],[],null,["# Generative versus deterministic\n\nDuring a conversation,\nConversational Agents (Dialogflow CX) agents always use language models for understanding end-user intention,\nbut you can choose whether and how language models are used for agent responses.\nYou can decide between fully generative, partly generative,\nand deterministic features when designing your agent.\n\nThis guide provides an overview of these features.\nIt helps to decide which of these features\nyou plan to use,\nso you know which documentation will be relevant to you.\n\nFully generative\n----------------\n\nThe fully generative features are built on [Vertex AI](/vertex-ai/docs)\nlarge language models (LLMs) for both understanding end-user intention\nas well as generating agent responses.\nThese features are easy to use and provide a very natural conversation.\nThe following is an overview of the fully generative features:\n\nDeterministic flows\n-------------------\n\nIf you require more deterministic control over the conversation\nand all responses generated by the agent,\nyou can design your agent with flows.\n\nPartly generative flows\n-----------------------\n\nFlows have some optional generative features that you can use when you don't\nneed deterministic control over agent responses in certain conversation scenarios.\nThe following is an overview of these features:"]]
