Einige Produkte und Funktionen werden derzeit umbenannt. Auch die Funktionen für generative Playbooks und Abläufe werden zu einer einzigen konsolidierten Console migriert. Weitere Informationen
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Während einer Unterhaltung verwenden Konversations-Agents (Dialogflow CX) immer Sprachmodelle, um die Absicht des Endnutzers zu verstehen. Sie können jedoch festlegen, ob und wie Sprachmodelle für die Antworten des Agents verwendet werden.
Beim Entwerfen Ihres Agents können Sie zwischen vollständig generativen, teilweise generativen und deterministischen Funktionen wählen.
Dieser Leitfaden bietet einen Überblick über diese Funktionen.
Es ist hilfreich, zu entscheiden, welche dieser Funktionen Sie verwenden möchten, damit Sie wissen, welche Dokumentation für Sie relevant ist.
Vollständig generative
Die vollständig generativen Funktionen basieren auf Large Language Models (LLMs) von Vertex AI, um sowohl die Absicht der Endnutzer zu verstehen als auch Agentenantworten zu generieren.
Diese Funktionen sind einfach zu bedienen und sorgen für eine sehr natürliche Unterhaltung.
Im Folgenden finden Sie eine Übersicht über die vollständig generativen Funktionen:
X
Element
Playbooks
Playbooks bieten eine neue Möglichkeit, virtuelle Agenten mithilfe von LLMs zu erstellen. Sie müssen nur Anweisungen in natürlicher Sprache und strukturierte Daten angeben. Dadurch lässt sich die Zeit für die Erstellung und Wartung virtueller Kundenservicemitarbeiter erheblich reduzieren und es können völlig neue Arten der Kommunikation für Ihr Unternehmen ermöglicht werden.
Datenspeicher
Datenspeicher analysieren und verstehen Ihre öffentlichen oder privaten Inhalte (Website, interne Dokumente usw.). Sobald diese Informationen indexiert sind, kann Ihr Kundenservicemitarbeiter Fragen beantworten und Unterhaltungen über die Inhalte führen. Sie müssen nur die Inhalte bereitstellen.
Deterministische Abläufe
Wenn Sie mehr deterministische Kontrolle über die Unterhaltung und alle vom Agenten generierten Antworten benötigen, können Sie Ihren Agenten mit Abläufen entwerfen.
X
Element
Abläufe
Bei Abläufen werden Sprachmodelle verwendet, um die Absicht des Endnutzers während einer Unterhaltung zu verstehen, was nicht immer vollständig deterministisch ist. Sobald die Absicht ermittelt wurde, haben Sie jedoch die vollständige Kontrolle über den Gesprächsfluss und die Antworten des Kundenservicemitarbeiters. Das Entwerfen eines Bots mit deterministischen Abläufen nimmt in der Regel mehr Zeit in Anspruch. Dies ist jedoch eine gute Option für Bots, bei denen die Antworten der Bots explizit gesteuert werden müssen.
Teilweise generative Abläufe
Flows haben einige optionale generative Funktionen, die Sie verwenden können, wenn Sie in bestimmten Konversationsszenarien keine deterministische Kontrolle über die Antworten des Kundenservicemitarbeiters benötigen.
Im Folgenden finden Sie eine Übersicht über diese Funktionen:
X
Element
Generatoren
Generatoren werden verwendet, um Antworten von Kundenservicemitarbeitern zu generieren. Anstatt die Antwort des Kundenservicemitarbeiters explizit anzugeben, geben Sie einen LLM-Prompt an, der viele Szenarien verarbeiten kann, einschließlich Unterhaltungszusammenfassung, Beantwortung von Fragen, Abrufen von Kundeninformationen und Eskalierung an einen Kundenservicemitarbeiter.
Generativer Fallback
Mit dem generativen Fallback werden Agentantworten generiert, wenn die Eingabe des Endnutzers nicht mit einer erwarteten Absicht übereinstimmt. Sie können den generativen Fallback in bestimmten Szenarien aktivieren, indem Sie einen LLM-Prompt zur Generierung der Antwort angeben.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 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:"]]
