Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
As frases de gatilho são a base do reconhecimento de tópico efetivo no Copilot Studio. Eles treinam o modelo de compreensão de linguagem natural (NLU) do seu agente para identificar quando os usuários perguntam sobre tópicos específicos. Ao usar frases de gatilho, seu agente pode direcionar as conversas para o tema certo com precisão.
O que são frases de gatilho no Copilot Studio?
As frases de gatilho treinam o modelo de NLU (compreensão de linguagem natural) do seu agente. As frases de gatilho indicam ao agente quais enunciados de usuário típicos devem disparar um tópico específico.
Frases gatilho normalmente capturam como um usuário faz perguntas sobre problemas ou questões. Por exemplo, uma frase gatilho pode ser "problema com ervas daninhas no gramado."
Ao criar um novo tópico, você só precisa fornecer algumas frases de exemplo (o ideal é entre 5 e 10). Em runtime, a IA analisa o que o usuário diz e dispara o tópico mais próximo do significado do enunciando do usuário. Saiba mais em Escolha frases gatilho eficazes.
Importância do contexto gatilho
O Copilot Studio NLU se comporta de forma diferente com base no estado da conversa. Esse comportamento pode, às vezes, levar a comportamentos diferentes para a mesma declaração do usuário.
A seguir estão os diferentes estados de conversação:
Início da conversa: O agente não tem contexto, então espera-se que a declaração do usuário seja:
- Acionar um tópico diretamente (reconhecimento de intenção).
- Acionar uma pergunta de desambiguação "você quis dizer" (Vários Tópicos Correspondentes) entre os candidatos de intenção, se houver vários tópicos correspondentes.
- Vá para um tópico alternativo caso a intenção não seja reconhecida.
Depois que um "você quis dizer" (vários tópicos correspondentes) é acionado: o NLU otimiza para corresponder a um dos tópicos sugeridos, usando limites mais altos para sair das opções apresentadas.
Mudando de um tema atual: Se a NLU está tentando preencher um campo em um tópico, e o usuário faz uma consulta que pode desencadear outro tópico (troca de tema).
Normalização de entidade e ativação de tópico
Em runtime, os agentes que usam a orquestração clássica selecionam um tópico comparando o enunciado do usuário com as frases de gatilho de cada tópico.
O sistema normaliza as entidades detectadas para seus tipos de entidade e calcula a similaridade com base no formulário normalizado. Esse método pode aumentar o reconhecimento de intenção, mas também pode ampliar correspondências de maneiras que não são óbvias quando você cria frases de gatilho.
Por exemplo, digamos que a frase de gatilho do Tópico A é Criar uma reunião com Alex e o enunciado de um usuário é Criar uma reunião com Susan.
Com a correspondência somente de texto, a similaridade seria baixa porque "Alex" e "Susan" são valores literais diferentes. Com a normalização da entidade, a similaridade poderá ser alta se ambos os valores forem reconhecidos como o mesmo tipo de entidade (por exemplo, nome da pessoa). Nesse caso, o Tópico A é selecionado mesmo que o nome específico no enunciado do usuário não apareça na frase de gatilho.
A normalização da entidade torna os agentes que usam a orquestração clássica mais robustos para valores de entidade variável e podem tolerar correspondências mais amplas.
Esse recurso se aplica a casos de uso, como:
- Suas frases de gatilho diferem principalmente por valores de entidade (nomes, locais, datas, números) e você deseja que o tópico corresponda com base na estrutura da solicitação em vez dos tokens de entidade exatos.
- Você conta com entidades de lista fechada ou outras entidades estruturadas e deseja um recall maior durante a correspondência.
- Você está resolvendo problemas de baixas pontuações de correspondência nas quais a normalização de entidades é esperada, mas não ocorre porque o tópico não contém entidades elegíveis para normalização. Por exemplo, apenas entidades de lista dinâmica estão presentes, que não participam da normalização no momento do gatilho.
Pontuação
O modelo NLU funciona da mesma forma, independentemente da pontuação, incluindo pontos de interrogação.
Crie novas frases de gatilho
Se possível, comece com dados de produção reais em vez de inventar suas próprias frases de gatilho. As melhores frases gatilho são semelhantes aos dados reais provenientes dos usuários. Essas frases são aquelas que os usuários perguntam a um agente implantado.
Não deixe de fora palavras específicas. O modelo dá menos peso a palavras desnecessárias, como palavras de parada. Stop words são palavras que o sistema filtra antes de processar dados em linguagem natural porque são insignificantes.
Otimize frases de gatilho
As seguintes melhores práticas ajudam a otimizar as suas frases de gatilho.
| Dica | Examples |
|---|---|
|
Ter pelo menos de 5 a 10 frases de gatilho por tópico Repita e adicione mais à medida que aprende com os usuários. |
Encontrar a loja mais próxima Verificar localização da loja Encontrar uma loja Encontre para mim a sua localização mais próxima Loja perto de mim |
|
Variar a estrutura da frase e os termos-chave O modelo considera automaticamente variações dessas frases. |
Quando vocês estão fechados Horário de funcionamento diário |
| Utilize frases de gatilho curtas Menos de 10 palavras. |
Quando vocês estão abertos |
|
Evitar frases de gatilho de uma única palavra Essa prática aumenta o peso de palavras específicas no disparo de tópicos. Pode introduzir confusão entre tópicos semelhantes. |
Repositório |
| Usar frases completas | Posso conversar com um assistente humano |
| Ter verbos e substantivos únicos ou combinações deles |
Preciso do serviço de atendimento ao consumidor Quero falar com um operador |
|
Evitar usar a mesma variação de entidade Você não precisa usar todos os exemplos do valor da entidade. O NLU considera automaticamente todas as variações. |
Quero pedir um hambúrguer Gostaria de uma pizza Quero nuggets de frango |
Equilibrar o número de frases de gatilho por tópico
Tente equilibrar o número de frases de gatilho entre os tópicos. Dessa forma, os recursos do NLU não dão mais peso a um tópico em detrimento de outro com base nas frases de gatilho configuradas.
Avalie suas mudanças
Depois que você atualizar as frases de gatilho, ou mesclar e dividir tópicos, avalie as mudanças. Por exemplo:
- Você observa uma mudança imediata no comportamento do agente através do chat de teste. Por exemplo, um tópico pode ativar ou parar de ativar com base em atualizações das frases de gatilho.
- Depois de implantar seu agente e lidar com o tráfego, você vê taxas de deflexão maiores ou menores (taxas não escalonadas). Para observar essas taxas, vá para a página Analytics em Copilot Studio.
Dica
Para testar o disparo de tópicos e como seu modelo NLU se comporta em relação aos dados de teste em massa, use o Copilot Agent Kit.
Resolução de problemas
Se um agente responder várias vezes a uma única mensagem de usuário ou disparar um tópico inesperado, a sobreposição de frases de gatilho ou configurações de tópico conflitantes geralmente causará o problema.
Use as seguintes etapas para diagnosticar e resolver o problema:
Verifique a configuração do agente:
- Revise todos os tópicos para garantir que cada um tenha um propósito único e frases de gatilho claramente definidas.
- Confirme que apenas um tópico está configurado para responder automaticamente a uma entrada específica do usuário.
Verifique se intenções ou condições se sobrepõem:
- Identifique frases gatilho que sejam semelhantes em vários tópicos.
- Revise condições, entidades e tópicos do sistema que possam ser avaliados como verdadeiros para a mesma mensagem de usuário.
Ajuste prioridade e escopo do tema:
- Refinar frases de gatilho para que tópicos mais específicos correspondam antes de tópicos mais amplos.
- Para evitar respostas duplicadas, desabilite, mescle ou restrinja tópicos que se sobrepõem à funcionalidade.