Conceber uma compreensão de linguagem eficaz

A compreensão de linguagem natural (NLU) está no cerne de como os agentes do Copilot Studio compreendem as questões dos utilizadores e fornecem respostas relevantes e contextuais. Uma abordagem bem definida para o reconhecimento de intenções, extração de entidades e gestão de contingência garante que os agentes proporcionem conversas eficientes e naturais, alinhadas com as necessidades do negócio.

Quando um utilizador envia uma mensagem a um agente, isso é conhecido como um expressão. O agente precisa de dividir essa expressão em intenção e entidades, tornando a resposta do agente tanto natural como eficiente.

O que é a compreensão da linguagem?

A compreensão da linguagem (LU) é uma subárea do Processamento de Linguagem Natural (PLN) focada em permitir que as máquinas compreendam o significado, a intenção e o contexto por detrás da linguagem humana.

Diagrama que ilustra o processamento de compreensão da linguagem.

A compreensão de linguagem abrange:

  • Reconhecimento de intenção: identificar o que o utilizador pretende alcançar (por exemplo, "Quero reservar um voo para Paris na próxima semana" corresponde à intenção de reservar um voo).
  • Extração de entidades: a extração de detalhes-chave como datas, locais ou nomes (por exemplo, "Paris" como destino, "próxima semana" como data de viagem).
  • Sensibilidade ao contexto: manter a continuidade e resolver ambiguidades na conversa (p. ex., compreender pronomes ou referências).
  • Resolução de ambiguidades: usar o contexto para resolver palavras com múltiplos significados (p. ex., "banco" como instituição financeira ou banco como assento).

Compreensão de linguagem no Copilot Studio

O Copilot Studio possui um modelo flexível para compreensão de linguagem, com várias opções de configuração.

Orquestração generativa

A orquestração generativa utiliza modelos de linguagem para encadear inteligentemente tópicos, ações e conhecimento. Esta capacidade permite o reconhecimento de múltiplas intenções, a extração avançada de entidades e a geração dinâmica de planos para consultas complexas.

Este método é a predefinição do Copilot Studio. Esta abordagem reconhece múltiplas intenções ou tópicos numa única frase, encadeia automaticamente ações e fontes de conhecimento e gera respostas unificadas. É especialmente útil para lidar com conversas complexas que abrangem várias áreas de negócio. A orquestração generativa possui limites, como cinco mensagens por tópico ou cadeia de ações, e 128 tópicos ou ações por orquestração, mas oferece uma maneira poderosa de dimensionar a abrangência de conversação.

Saiba mais em Aplicar capacidades de orquestração generativa.

Orquestração clássica

A orquestração clássica utiliza frases de acionador e encaminhamento determinístico de tópicos. Se a mensagem do utilizador corresponder a uma frase acionadora, o tópico correspondente é executado. Se não houver correspondência, os mecanismos de recurso procuram fontes de conhecimento ou pedem esclarecimentos ao utilizador.

NLU incorporada

Esta abordagem era a abordagem predefinida mas agora é a abordagem de reserva. O Copilot Studio disponibiliza um modelo NLU pronto para utilização que suporta frases acionadoras, entidades predefinidas e entidades personalizadas. Este modelo permite aos agentes identificar a intenção do utilizador e extrair detalhes-chave como datas, destinos ou quantidades diretamente de uma consulta.

NLU+

Para maior precisão, use a opção NLU+. A opção NLU+ é ideal para aplicações de negócios de grande dimensão. Este tipo de aplicações costuma incluir um grande número de tópicos e entidades, e utiliza um grande número de exemplos de formação. Além disso, se tiver um agente com capacidade de voz, os dados de preparação de NLU+ também serão utilizados para otimizar as capacidades de reconhecimento de voz.

Integração com a CLU do Azure

Para cenários mais avançados em que não pode usar a orquestração generativa predefinida, pode integrar a Compreensão de Linguagem Conversacional do Azure (CLU). O CLU oferece uma maior personalização, suporte multilingue e extração de entidades complexas (por exemplo, múltiplas entidades "de"). Deve mapear as intenções da CLU para os tópicos do Copilot Studio para os manter sincronizados. Esta opção é especialmente valiosa para vocabulários específicos da indústria, idiomas não ingleses ou cenários que exijam maior precisão.

Principais funcionalidades e limitações

Esta tabela compara as três abordagens de compreensão da linguagem no Copilot Studio. Destaca as principais funcionalidades e limitações de cada abordagem para ajudar a escolher o modelo mais adequado às necessidades de complexidade, escala e precisão do seu agente.

Funcionalidades e limitações Orquestração generativa Modelo NLU incorporado Modelo CLU personalizado do Azure
Funcionalidades Principais
  • Utiliza um grande modelo de linguagem
  • Processa expressões complexas com várias intenções, tópicos/ações e conhecimento
  • Gera automaticamente perguntas para entradas em falta
  • Permite correções enquanto está a correr
  • Produz uma resposta unificada com base nos resultados de tópicos, ações e conhecimento
  • Modelo pré-treinado e predefinido com tipos de entidade predefinidos
  • Configurado com frases acionadoras e entidades personalizadas (listas fechadas ou regex)
  • Suporta mais idiomas com modelos nativos
  • Modelo acionador personalizável de intenções para precisão ou necessidades específicas do setor
  • Extração avançada de entidades (por exemplo, mesmo tipo, extração silenciosa)
  • A extração de entidades pode usar o NLU padrão do Copilot Studio
Limites
  • Cinco mensagens por tópico/cadeia de ações
  • Limite de 128 tópicos e ações para acionamento
  • Reconhecimento de intenção única por consulta
  • Não pode ser expandido
  • O preenchimento de blocos de múltiplas entidades do mesmo tipo requer desambiguação
  • Reconhecimento de intenção única por consulta
  • Configuração baseada no Azure e custos adicionais
  • Tem limites de serviço do Azure
  • As intenções do CLU do Azure e os tópicos do Copilot Studio têm de estar cuidadosamente sincronizados.

Saiba mais em Descrição geral de Compreensão de linguagem natural (NLU).

Estrutura do tópico e contingência

Os tópicos deixaram de seguir um caminho rígido baseado em intenções e passaram a adotar uma abordagem mais flexível, orientada para a orquestração. Em vez de depender apenas de acionadores e percursos predefinidos, os tópicos passam agora a funcionar como instruções modulares que o agente pode invocar ao orquestrar uma conversa. A orquestração generativa gere a maior parte do encaminhamento ao interpretar a entrada de utilizador de forma dinâmica, e os tópicos fornecem uma contingência estruturada quando é necessária precisão.

O design de tópicos estruturados mais tradicional faz com que as conversas pareçam naturais e eficientes. Os tópicos podem ser pontos de entrada acionados por enunciados do utilizador ou subtópicos reutilizáveis chamados por redirecionamentos ou eventos do sistema. Os tópicos de desambiguação ajudam a evitar confusão quando vários tópicos podem ser acionados, enquanto os tópicos de contingência e de reforço conversacional oferecem redes de segurança quando o agente não consegue corresponder com confiança à intenção. Também pode adicionar respostas generativas para obter informações de fontes externas de conhecimento, garantindo que os utilizadores raramente ficam sem resposta.

Saiba mais em Siga as melhores práticas de criação de tópicos.

Localização e idiomas

O idioma usado por um agente do Copilot Studio é determinado pelo valor da variável do sistema: System.User.Language.

Esta variável funciona como o ponto de controlo central para todo o comportamento relacionado com a linguagem no agente. Pode definir o seu valor manualmente, programaticamente ou detetá-lo automaticamente.

Como funciona?

  • Pesquisar conhecimento no idioma do utilizador: o Copilot Studio utiliza o valor de System.User.Language para pesquisar fontes de conhecimento no idioma especificado. Esta abordagem significa que, mesmo que um utilizador faça uma pergunta num idioma, o agente traduz a consulta de pesquisa para o conjunto de idiomas em System.User.Language (tradução automática para consulta de pesquisa).

  • Responder no idioma do utilizador: o agente gera respostas no idioma especificado por System.User.Language, independentemente do idioma utilizado na pergunta ou nos documentos originais (tradução automática para geração de respostas).

  • Substituição manual: pode definir manualmente o valor de System.User.Language para forçar o agente a operar num idioma específico. Esta funcionalidade é útil para testes ou para cenários em que é necessário controlar explicitamente o idioma. Saiba mais em Configurar e criar agentes multilingues.

Deteção automática de idioma falado

Pode configurar o Copilot Studio para detetar automaticamente o idioma falado ou escrito do utilizador e definir a variável System.User.Language em conformidade. Esta funcionalidade permite experiências multilingues sem que os utilizadores tenham de especificar o seu idioma.

Como funciona a deteção automática

  • Deteção baseada em acionador: quando o bot recebe uma mensagem, um acionador inicia um fluxo de deteção de idioma.
  • Definir a variável de sistema: o bot atribui o idioma detetado a System.User.Language.
  • Resposta dinâmica: o agente continua a conversa no idioma detetado, pesquisando conhecimento e gerando respostas em conformidade.

Benefícios

  • Experiência personalizada: os utilizadores interagem no seu idioma preferido sem configuração manual.
  • Experiência consistente: todas as respostas e recuperações de conhecimento estão alinhadas com o idioma detetado ou definido.
  • Solução escalável: suporta implementações globais com configuração mínima.

Sugestão

Reveja o exemplo de solução que demonstra como ativar agentes do Copilot Studio para detetar automaticamente o idioma falado pelo utilizador e alternar para uma dos idiomas aprovados pelo criador do agente em Detetar Idioma Automaticamente para Respostas Generativas.

Melhores práticas para localização

  • Configurar idiomas suportados: defina idiomas primários e secundários para o seu agente. Utilize ficheiros de localização (JSON ou ResX) para fornecer traduções para pedidos, mensagens e tópicos.
  • Testar cenários multilingues: simule interações dos utilizadores em diferentes idiomas para garantir transições suaves e respostas precisas.
  • Utilizar tradução automática: confie na tradução incorporada do Copilot Studio para pesquisa na base de dados de conhecimento e geração de respostas, mas forneça traduções personalizadas para conteúdos críticos ou com nuances.
  • Monitorize e aperfeiçoe: utilize análises para acompanhar a utilização dos idiomas e melhorar a cobertura de localização ao longo do tempo.

Abordagens ao idioma dos agentes do Copilot Studio:

  • Agentes separados por idioma.
  • Agentes multilingues únicos com traduções pré-autorizadas.
  • Agentes multilingues em tempo real, utilizando serviços de tradução entre utilizador e agente.

A abordagem correta depende da utilização, das preocupações com a separação, da escala, da frequência de atualização e dos recursos disponíveis.

Desafios técnicos identificados

Os desafios típicos incluem garantir que os tópicos da CLU do Azure e do Copilot Studio permaneçam sincronizados, lidar com expressões ambíguas e escalar implementações multilingues. A identificação precoce destes entraves permite planear estratégias de mitigação, como configurações de contingência, testes massivos de expressões acionadoras ou serviços de tradução baseados em relé.

O objetivo da compreensão da linguagem é garantir que cada agente possa interpretar as consultas dos utilizadores com precisão, adaptar-se a idiomas e cenários diversos e lidar com o inesperado com elegância. Este objetivo cria uma base sólida para construir conversas fiáveis, envolventes e eficientes no Copilot Studio.

  • Last updated on