As práticas recomendadas a seguir podem ajudar você a criar agentes robustos.
Nome do playbook em linguagem natural
Os nomes dos playbooks precisam ser claros, descritivos e em inglês. Isso ajuda a melhorar o desempenho do AI Generator no momento da execução. Por exemplo, "Guia da Central de Ajuda do cliente" é melhor do que "company_specialist".
Mantenha todos os nomes com menos de 64 caracteres, incluindo alfabetos e espaços em inglês.
Metas concisas
As metas devem ser uma descrição concisa da finalidade do playbook.
Fornecer instruções de qualidade
As instruções devem:
- reflete a abordagem detalhada para resolver um problema do usuário final
- ser frases concisas de linguagem natural com instruções de alto nível
- ser direta e especificar os cenários de uso da ferramenta
Pelo menos um exemplo para cada playbook
É preciso ter pelo menos um exemplo para cada manual, mas é recomendável ter pelo menos quatro. Os exemplos devem incluir cenários de caminho ideal.
Sem exemplos suficientes, um playbook provavelmente resultará em um comportamento imprevisível. Se o playbook não estiver respondendo ou se comportando da maneira esperada, é provável que a causa seja a falta de exemplos ou a definição inadequada deles. Tente melhorar seus exemplos ou adicionar novos.
Precisão das instruções e dos exemplos
Embora seja útil escrever instruções claras e descritivas, a qualidade e a quantidade dos seus exemplos são o que determinam a precisão do comportamento do playbook. Em outras palavras, gaste mais tempo escrevendo exemplos completos do que instruções perfeitamente precisas.
Referências a ferramentas em exemplos
Se o playbook foi criado para fornecer respostas usando ferramentas, faça referência às ferramentas nos exemplos correspondentes a esse tipo de solicitação.
Campo operationId do esquema da ferramenta
Ao definir esquemas para suas ferramentas,
o valor operationId é importante.
As instruções do playbook vão fazer referência a esse valor.
Confira a seguir as recomendações de nomenclatura para este campo:
- Somente letras, números e sublinhados.
- Precisa ser exclusivo entre todos os
operationIds descritos no esquema. - Precisa ser um nome significativo que reflita a capacidade fornecida.
Validação do esquema da ferramenta
Valide o esquema da ferramenta. Use o Swagger Editor para verificar a sintaxe do esquema da OpenAPI 3.0.
Processar resultados de ferramentas vazias
Quando o playbook depende de uma ferramenta para informar a resposta, um resultado vazio da ferramenta pode levar a um comportamento imprevisível do playbook. Às vezes, o gerador de IA do playbook vai alucinar informações em uma resposta em vez de um resultado da ferramenta. Para evitar isso, adicione instruções específicas para garantir que o gerador de IA do playbook não tente responder sozinho.
Alguns casos de uso exigem que as respostas do playbook sejam bem fundamentadas nos resultados da ferramenta ou nos dados fornecidos e precisam mitigar as respostas com base apenas no conhecimento do Gerador de IA do playbook.
Exemplos de instruções para reduzir o número de alucinações:
- "Você precisa usar a ferramenta para responder a todas as perguntas do usuário"
- "Se você não receber dados da ferramenta, responda que não sabe a resposta para a consulta do usuário"
- "Não invente uma resposta se não receber dados da ferramenta"
Gerar um esquema com o Gemini
O Gemini pode gerar um esquema para você. Por exemplo, tente "can you create an example openAPI 3.0 schema for Google Calendar".
Playbooks focados
Evite criar playbooks muito grandes e complexos. Cada playbook precisa realizar uma tarefa específica e clara. Se você tiver um playbook complexo, divida-o em subplaybooks menores.
Evite loops e recursão
Não crie loops ou recursões ao vincular agentes nas suas instruções. Um loop pode ocorrer se você tentar encaminhar para um playbook ancestral que, direta ou indiretamente, chamou o atual.
Fornecer informações de roteamento para exemplos
Quando um playbook precisa encaminhar para outro, forneça essas informações aos exemplos. Isso é fornecido como um exemplo do campo Exemplo final com informações de saída da seção de exemplo Entrada e saída.
Por exemplo, a frase final deste campo pode ser "Redirecionar de volta para o playbook padrão para outras consultas".
Usar funções JavaScript do Messenger de agentes de conversação (Dialogflow CX) para personalização
Ao usar o Messenger de agentes de conversação (Dialogflow CX), as seguintes funções são úteis para enviar informações de personalização do usuário da interface da Web para o playbook:
Como planejar a performance
Os recursos generativos geralmente exigem vários segundos ou até dezenas de segundos para gerar uma resposta. Embora os playbooks melhorem a naturalidade da conversa, é crucial gerenciar os tempos de resposta para manter uma experiência positiva do usuário final. Confira algumas estratégias para otimizar a performance:
Equilíbrio no uso de recursos generativos
Considere cuidadosamente a troca entre o tempo necessário para executar vários recursos generativos e o valor que eles trazem para a conversa. Evite o uso excessivo desses recursos se eles não contribuírem significativamente para a meta do usuário.
Minimizar a entrada de recursos generativos
Tente coletar e processar a quantidade mínima de informações necessária para que um gerador de IA gere uma resposta útil. Isso pode reduzir significativamente o tempo de processamento.
Usar o armazenamento em cache de contexto
Se você estiver usando o Gemini por uma ferramenta e tiver um contexto inicial grande, confira as informações de armazenamento em cache usando o armazenamento em cache de contexto da Vertex AI para evitar solicitações repetitivas dos mesmos dados. Implemente respostas fixas para velocidade:
Se o aplicativo não exigir conteúdo dinâmico e exclusivo, considere armazenar respostas usadas com frequência em um banco de dados tradicional, como o Firebase. Como são predefinidas e estão disponíveis, essas respostas fixas oferecem tempos de resposta muito mais rápidos do que um recurso generativo que precisa calcular uma resposta em tempo real.
Instrua o gerador de IA a produzir respostas concisas do manual
Para entrada e saída de texto, o tempo de resposta do Gerador de IA depende muito do modelo usado e da duração da saída. Respostas curtas podem melhorar significativamente o desempenho. Embora o comprimento da entrada também seja um fator, o comprimento da saída tem um impacto maior.