Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Intent
mengategorikan niat pengguna akhir untuk satu giliran percakapan.
Untuk setiap agen, Anda menentukan banyak intent,
dengan intent gabungan yang dapat menangani percakapan lengkap.
Saat pengguna akhir menulis atau mengucapkan sesuatu,
yang disebut sebagai ekspresi pengguna akhir,
Dialogflow akan mencocokkan ekspresi pengguna akhir dengan intent terbaik di agen Anda.
Mencocokkan intent juga dikenal sebagai klasifikasi intent.
Misalnya, Anda dapat membuat agen cuaca
yang mengenali dan merespons pertanyaan pengguna akhir tentang cuaca.
Anda mungkin akan menentukan intent untuk pertanyaan tentang perkiraan cuaca.
Jika pengguna akhir mengatakan "Bagaimana prakiraan cuacanya?",
Dialogflow akan mencocokkan ekspresi pengguna akhir tersebut dengan intent perkiraan.
Anda juga dapat menentukan intent untuk mengekstrak informasi yang berguna dari ekspresi pengguna akhir,
seperti waktu atau lokasi untuk prakiraan cuaca yang diinginkan.
Data yang diekstrak ini penting bagi sistem Anda
untuk melakukan kueri cuaca bagi pengguna akhir.
Intent dasar berisi hal berikut:
Frasa pelatihan:
Ini adalah contoh frasa untuk apa yang mungkin diucapkan pengguna akhir.
Jika ekspresi pengguna akhir menyerupai salah satu frasa ini, Dialogflow akan mencocokkan intent.
Anda tidak perlu menentukan setiap kemungkinan contoh,
karena machine learning bawaan Dialogflow akan memperluas daftar Anda dengan
frasa serupa lainnya.
Action:
Anda dapat menentukan tindakan untuk setiap intent.
Saat intent cocok, Dialogflow akan memberikan tindakan ke sistem Anda, dan Anda dapat menggunakan tindakan tersebut untuk memicu tindakan tertentu yang ditentukan dalam sistem Anda.
Parameter:
Saat intent dicocokkan saat runtime,
Dialogflow memberikan nilai yang diekstrak dari ekspresi pengguna akhir sebagai
parameter.
Setiap parameter memiliki jenis, yang disebut
jenis entity,
yang menentukan persis bagaimana data diekstrak.
Tidak seperti input pengguna akhir mentah,
parameter adalah data terstruktur yang dapat digunakan dengan mudah untuk menjalankan beberapa logika atau menghasilkan respons.
Respons:
Anda menentukan respons teks, ucapan, atau visual untuk ditampilkan kepada pengguna akhir.
Hal ini dapat memberikan jawaban kepada pengguna akhir,
meminta informasi selengkapnya kepada pengguna akhir,
atau mengakhiri percakapan.
Diagram berikut menunjukkan alur dasar untuk pencocokan intent dan merespons pengguna akhir:
Intent yang lebih kompleks juga dapat berisi hal berikut:
Konteks:
Konteks Dialogflow mirip dengan konteks bahasa alami.
Jika seseorang mengatakan kepada Anda "warnanya oranye",
Anda memerlukan konteks untuk memahami apa yang dimaksud orang tersebut.
Demikian pula, agar Dialogflow dapat menangani ekspresi pengguna akhir seperti itu,
Dialogflow harus diberi konteks agar dapat mencocokkan intent dengan benar.
Peristiwa:
Dengan peristiwa, Anda dapat memanggil intent berdasarkan sesuatu yang telah terjadi,
bukan apa yang dikomunikasikan pengguna akhir.
[[["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\u003eAn intent categorizes an end-user's intention within a conversation, and each agent can have multiple intents to handle a complete conversation flow.\u003c/p\u003e\n"],["\u003cp\u003eDialogflow matches an end-user's expression to the most suitable intent, known as intent classification, and this match can be set to extract specific information.\u003c/p\u003e\n"],["\u003cp\u003eBasic intent components include training phrases, actions, parameters, and responses to guide the conversation and provide feedback to the user.\u003c/p\u003e\n"],["\u003cp\u003eComplex intents may also include contexts to understand end-user expressions within a conversation's flow, and events that trigger an intent based on occurrences rather than direct user input.\u003c/p\u003e\n"]]],[],null,["# Intents\n\nAn\n\n*intent*\n\ncategorizes an end-user's intention for one conversation turn.\nFor each agent, you define many intents,\nwhere your combined intents can handle a complete conversation.\nWhen an end-user writes or says something,\nreferred to as an *end-user expression* ,\nDialogflow matches the end-user expression to the best intent in your agent.\nMatching an intent is also known as *intent classification*.\n\n\nFor example, you could create a weather agent\nthat recognizes and responds to end-user questions about the weather.\nYou would likely define an intent for questions about the weather forecast.\nIf an end-user says \"What's the forecast?\",\nDialogflow would match that end-user expression to the forecast intent.\nYou can also define your intent to extract useful information from the end-user expression,\nlike a time or location for the desired weather forecast.\nThis extracted data is important for your system\nto perform a weather query for the end-user.\n\n\nA basic intent contains the following:\n\n- [**Training phrases**](/dialogflow/docs/intents-training-phrases): These are example phrases for what end-users might say. When an end-user expression resembles one of these phrases, Dialogflow matches the intent. You don't have to define every possible example, because Dialogflow's built-in machine learning expands on your list with other, similar phrases.\n- [**Action**](/dialogflow/docs/intents-actions-parameters#actions): You can define an action for each intent. When an intent is matched, Dialogflow provides the action to your system, and you can use the action to trigger certain actions defined in your system.\n- [**Parameters**](/dialogflow/docs/intents-actions-parameters#params): When an intent is matched at runtime, Dialogflow provides the extracted values from the end-user expression as *parameters* . Each parameter has a type, called the [entity type](/dialogflow/docs/entities-overview), which dictates exactly how the data is extracted. Unlike raw end-user input, parameters are structured data that can easily be used to perform some logic or generate responses.\n- [**Responses**](/dialogflow/docs/intents-responses): You define text, speech, or visual responses to return to the end-user. These may provide the end-user with answers, ask the end-user for more information, or terminate the conversation.\n\n\nThe following diagram shows the basic flow for intent matching and responding to the end-user:\n\nA more complex intent may also contain the following:\n\n- [**Contexts**](/dialogflow/docs/contexts-overview): Dialogflow contexts are similar to natural language context. If a person says to you \"they are orange\", you need context in order to understand what the person is referring to. Similarly, for Dialogflow to handle an end-user expression like that, it needs to be provided with context in order to correctly match an intent.\n- [**Events**](/dialogflow/docs/events-overview): With events, you can invoke an intent based on something that has happened, instead of what an end-user communicates."]]
