生成式模型与确定性模型

在对话过程中，Conversational Agents (Dialogflow CX) 客服始终使用语言模型来理解最终用户的意图，但您可以选择是否以及如何使用语言模型来生成客服回答。在设计代理时，您可以选择完全生成式特征、部分生成式特征和确定性特征。

本指南简要介绍了这些功能。这有助于确定您计划使用哪些功能，以便您了解哪些文档与您相关。

完全生成式

完全生成式功能基于 Vertex AI 大语言模型 (LLM) 构建，可用于理解最终用户的意图以及生成客服人员回答。这些功能易于使用，可提供非常自然的对话。以下是完全生成式功能的概览：

X	项
策略方案	Playbook 提供了一种使用 LLM 创建虚拟客服人员的新方法。您只需提供自然语言指令和结构化数据。这可以显著缩短虚拟客服人员的创建和维护时间，并为您的企业提供全新类型的对话式体验。
数据存储区	数据存储区会解析和理解您的公开或私密内容（网站、内部文档等）。索引编制完成后，您的客服人员便可以回答相关问题，并就相应内容进行对话。您只需提供内容即可。

如果您需要对对话和客服代理生成的所有响应进行更确定性的控制，可以使用流程来设计客服代理。

X	项
流	流程使用语言模型来理解对话过程中的最终用户意图，而该意图可能并不完全确定。不过，确定意图后，您可以完全控制对话流程和客服人员的回答。使用确定性流程设计客服机器人通常需要更多的设计时间，但对于需要对客服机器人回答进行明确控制的客服机器人来说，这是一个不错的选择。

在某些对话场景中，如果您不需要对客服人员的回答进行确定性控制，可以使用一些可选的生成式功能。以下是这些功能的概述：

X	项
生成器	生成器用于生成客服回答。您无需明确提供客服人员的回答，只需提供一个 LLM 提示即可处理许多场景，包括对话摘要、问题解答、客户信息检索以及上报给人工客服。
生成式回退	生成式回退用于在最终用户输入与预期意图不匹配时生成客服人员回答。您可以在某些情况下通过提供 LLM 提示来生成回答，从而启用生成式回退。