تطبيق إمكانيات التنسيق التوليدي

التنسيق التوليدي هو تطور وكيل المحادثة في Copilot Studio. يقدم طبقة تخطيط تعتمد على نموذج لغة كبير (LLM) تفسر هدف المستخدم، وتقسم الطلبات المعقدة، وتختار الأدوات والمعرفة الصحيحة، وتنفذ خططا متعددة الخطوات مع معايير حماية للسلامة والامتثال. بدلا من الاعتماد فقط على موضوعات المحادثة اليدوية، يقوم التنسيق التوليدي بإنشاء كتل بناء قابلة لإعادة الاستخدام - الإجراءات والموضوعات ومصادر المعرفة والوكلاء التابعين والمشغلات المستقلة - في مهام سير عمل ذكية.

في Copilot Studio، يوفر تمكين التزامن التوليدي إجابات أفضل مع برامج نصية يدوية أقل. في هذه المقالة، ستتعرف على البنية الكامنة وراء التزامن التوليدي، وكيفية تأليف تعليمات فعالة واختبار وضبط عواملك المنسقة.

لماذا يهم التنسيق التوليدي؟

تتطلب التصاميم التقليدية المستندة إلى الموضوع مواضيع متعددة مكتوبة يدويا، وتفريعات جامدة، ومنطق ملء الفتحة اليدوي. يمكن أن يؤدي هذا النهج إلى:

قوائم جرد المواضيع الكبيرة مع منطق متداخل.
صعوبة في التعامل مع التعبيرات الغامضة أو متعددة الأهداف.
تجارب غير متناسقة عندما يقوم المستخدمون بطرح الأسئلة بشكل مختلف.
تكلفة صيانة عالية عند تغيير واجهات برمجة التطبيقات أو قواعد العمل.

حلّ التنسيق التوليدي هذه التحديات من خلال:

تقليل امتداد الموضوع من خلال إنشاء كتل بناء قابلة لإعادة الاستخدام.
أتمتة ملء الفتحات استنادًا إلى تعريفات الإدخال.
تكييف نمط الاستجابة وبنية الخطة ديناميكيا.
تحسين الصلة من خلال استرداد المعرفة الدلالية.
تمكين اقتراحات الخطوة التالية الاستباقية.

الهندسة المعمارية والمكونات

على مستوى عال، يتكون عامل المنسق التوليدي من عدة مكونات رئيسية تعمل معا:

Orchestrator (planner): الدماغ المدعوم بنموذج LLM للوكيل الذي يحول إدخالًا، مثل رسالة المستخدم أو حدث، إلى خطة محكمة التنظيم. يحدد المنسق الأهداف، ويختار الأدوات أو الموضوعات أو العوامل التي يجب استدعاؤها لكل خطوة، ويحدد التسلسل وتدفق البيانات بين الخطوات. يقوم بإخراج قائمة مرتبة من الخطوات ("خطة") التي ينفذها وقت التشغيل، ويضمن أن كل خطوة ضمن النهج. على سبيل المثال، يسعى إلى الموافقة على الإجراءات الحساسة.
طبقة المعرفة: مجموعة من مصادر الاسترداد، مثل قواعد المعرفة الداخلية والمستندات وقواعد البيانات والمزيد، التي يمكن للعامل الاستعلام عنها لاسترجاع إجاباته. يستخدم المنسق هذه الطبقة لجلب معلومات واقعية أو إرشادات. غالبا ما تتضمن النتائج الاقتباسات وبيانات التعريف، والتي يمكن للعامل دمجها في الاستجابات للشفافية. طبقة المعرفة للقراءة فقط وتوفر أدلة أو سياقا.
الأدوات والموصلات: الإجراءات الخارجية أو واجهات برمجة التطبيقات أو تدفقات التنفيذ التلقائي التي يمكن للعامل استدعائها كجزء من خطة. تحتوي كل أداة على واجهة محددة: معلمات الإدخال (مع الأنواع المتوقعة)، ومتغيرات الإخراج، وربما شروط الخطأ. إنها في الأساس "مهارات" العامل لتنفيذ العمليات، مثل البحث عن طلب أو إرسال بريد إلكتروني أو تشغيل برنامج نصي. يجب عليك اختبار الأدوات بدقة والتأكد من أنها تتصرف بشكل محدد نظرا لنفس المدخلات، نظرا لأن المنسق يعاملها كوظائف موثوقة.
الموضوعات والعوامل المضمنة: مواضيع محادثة قابلة لإعادة الاستخدام أو حوارات مصغرة تغلف منطقا محددا. في التزامن التوليدي، يمكن للمخطط استدعاء الموضوعات ليس فقط عن طريق عبارات المشغل ولكن أيضا كلما تطابق الغرض الموضح مع حاجة المستخدم. يشير الوكلاء المضمنون إلى مواضيع صغيرة ومركزة أو روتينات تُستخدم كخطوات فرعية ضمن خطة أكبر. تعمل ضمن سياق العامل الرئيسي وتتعامل مع المهام المنفصلة بحيث لا يتعين على المنسق الرئيسي كتابة هذه التفاصيل بشكل صريح.
مشغلات الحدث (استقلالية): الآليات التي تبدأ المنسق دون رسالة مستخدم. يمكن أن تكون هذه الآليات مشغلات مجدولة أو مشغلات مستندة إلى الحدث، مثل تحديث سجل قاعدة البيانات، والتي تتسبب في قيام العامل بتشغيل خطة بشكل مستقل. يمكن أن يكون لكل زناد شروطه وتعليماته الخاصة. تسمح المشغلات المستقلة للعامل بالتصرف بشكل استباقي عن طريق بدء مهام سير العمل عند استيفاء شروط معينة، بدلا من الرد فقط على إدخال دردشة المستخدم.

طبقات التحكم ون حدود القرار

في عامل من فئة الإنتاج، لا تترك كل قرار للذكاء الاصطناعي. عادة ما توجد ثلاث طبقات من التحكم:

الطبقة الحتمية: تستخدم هذه الطبقة منطقا تقليديا يستند إلى القواعد لا تزال تفرضه للإجراءات الحرجة أو التي لا رجعة فيها. على سبيل المثال، عند معالجة دفعة أو حذف سجل، قد تستخدم موضوعا أو تدفقا تم تأليفه بدقة ينفذ خطوة بخطوة دون أي تفسير للذكاء الاصطناعي. قد تتضمن هذه الطبقة أيضا عمليات تحقق صريحة أو عمليات التحقق من الصحة للبيانات الحساسة. إذا كان يجب أن يحدث شيء ما تماما كما هو محدد، فتعامل معه بشكل محدد. يمكنك تكوين المنسق التوليدي لعدم تجاوز هذه التدفقات أو تغييرها. في الممارسة العملية، قد لا تعرض مثل هذه الإجراءات لمخطط الذكاء الاصطناعي أو تغلفها دائما في موضوع يتطلب تأكيد المستخدم.
طبقة اعتراض مختلطة: تضيف هذه الطبقة بعض مرونة الذكاء الاصطناعي حول الهياكل التي تكون في الغالب حتمية. تسمح للمنسق بالعمل ضمن حدود محددة مع إمكانية الاعتراض البشري أو القائم على القواعد. على سبيل المثال، قد يقوم الوكيل تلقائيا بصياغة استجابة أو تنفيذ إجراء، ولكن يمكنك إدراج خطوة موافقة لجعل المدير يراجعها. أو قد يتعامل العامل مع مهمة تصل إلى حد قيمة معين، ثم يطلب منه التصعيد. تشير الطبقة المختلطة مسبقا إلى نقاط يتم فيها فحص الخطة المستقلة للذكاء الاصطناعي. استخدم هذا النهج للعمليات متوسطة المخاطر: اسمح للذكاء الاصطناعي بالقيام بالرفع الثقيل، ولكن مع إبقاء الإنسان في حلقة الرقابة.
طبقة منسق الذكاء الاصطناعي: هذه الطبقة هي طبقة توليدية بالكامل. يتمتع مخطط LLM بحرية (ضمن حواجز الحماية) لإنشاء وتنفيذ خطط للاستعلامات الأقل خطورة. تندرج معظم تفاعلات Q&A أو عمليات البحث عن المعلومات أو طلبات الخطوات المتعددة البسيطة في هذه الفئة. بالنسبة لمعظم أسئلة المستخدم، يمكن للعامل أن يقرر بشكل مستقل كيفية حلها واتخاذ إجراء. توفر هذه الطبقة قابلية التكيف وقوة الذكاء الاصطناعي التوليدي. إنها مرتبطة بالنهج. على سبيل المثال، قد يعرف الذكاء الاصطناعي أنه لا يسمح باستدعاء أدوات إدارية معينة أو الكشف عن معلومات معينة. لا يحتاج العامل إلى التوقف وطلب الإذن للمهام الروتينية.

نظرا لهذه الطبقات، حدد حدود القرار بشكل صريح. انظر إلى الإجراءات والموضوعات:

يمكن تنفيذها دون تأكيد (يمكن للذكاء الاصطناعي القيام بها فقط)
طلب تأكيد المستخدم داخل المحادثة (على سبيل المثال، "هل تريد بالتأكيد حذف كافة السجلات؟")
طلب الموافقة دون اتصال (على سبيل المثال، يجب على المسؤول التأكيد عبر سير عمل الموافقة)

فرض هذه الحدود من خلال تصميم الموضوع الخاص بك؛ على سبيل المثال، عبر إضافة عقدة تأكيد، من خلال ميزات الموافقة في النظام الأساسي، أو عن طريق المنطق المطبق في المشغلات. من خلال التحكم في الطبقات، يمكنك التأكد من أن العامل يعمل بأمان - يتعامل الذكاء الاصطناعي مع ما هو جيد في حين يتعامل البشر أو القواعد الصارمة مع ما يجب ألا يقرره الذكاء الاصطناعي وحده.

أفضل الممارسات لتعليمات الوكيل

تؤثر تعليمات الوكيل التي تم تأليفها بشكل صحيح على جودة إنشاء الخطة.

الصلة السياقية
- تأكد من أن التعليمات تشير فقط إلى الأدوات والمعرفة المتاحة للعامل.
- استخدم أسماء الأدوات الدقيقة وأسماء المتغيرات ومعرفات Power Fx.
إرشادات المحادثة
- حدد تنسيق الاستجابة (القوائم والجداول والخط الغامق).
- توفير إرشادات نمطية ("موجز"، "تضمين الاقتباسات"، "اقتراح الخطوات التالية").
- تجنب تسمية مصادر معارف محددة مباشرة. وصفها بدلا من ذلك.
تحديد وقت استخدام الأدوات أو المعرفة
- يفضل استخدام أسماء الأدوات. تحمل الأسماء وزنا أكبر من الأوصاف.
- وصف قدرات المعرفة بشكل عام لتجنب المعلومات غير الصحيحة.
تعليمات التنفيذ المستقل
- حدد التسلسل المتوقع للإجراءات لسير العمل متعدد الخطوات.
- ادمج إرشادات العملية مع مطالبات محددة.

تصميم مدخلات ومخرجات الموضوع

عند تأليف الموضوعات، انتبه أكثر إلى معلمات الإدخال والإخراج الخاصة بها في وضع التنسيق التوليدي.

تعريف معلمات الإدخال الواضحة مع الأوصاف: إذا كان موضوع أو إجراء يتطلب معلومات معينة (مثل "اسم المستخدم" لموضوع إعادة تعيين كلمة المرور)، قم بإنشاء إدخال موضوع له وامنحه اسما ومثالا وصفيا. يستخدم المنسق هذه الأسماء والأوصاف لسؤال المستخدم تلقائيا عما إذا كانت القيمة مفقودة. يمكن أن يساعد استخدام قائمة بالقيم المقبولة أو صيغة التحقق من صحة Power Fx للمدخلات في ضمان قيام الروبوت بجمع بيانات صالحة (على سبيل المثال، تقييد رمز البلد إلى حرفين).
استخدام المطالبة التلقائية: في الوضع التوليدي، يقوم العامل بإنشاء أسئلة من تلقاء نفسه بدلا من مطالبتك بإضافة عقد الأسئلة يدويا لمطالبة المعلومات المفقودة. هذا النهج هو تغيير كبير من الروبوتات الكلاسيكية. والمفتاح هو أن أسماء الإدخال الخاصة بك يجب أن تكون مألوفة للإنسان (على سبيل المثال، "تاريخ البدء"، "عنوان البريد الإلكتروني") حتى يتمكن الذكاء الاصطناعي من تشكيل سؤال طبيعي. إذا لم تتم صياغة سؤال الذكاء الاصطناعي تلقائيا بشكل مثالي، ففكر في تحسين وصف الإدخال أو اسمه. تبسط هذه الميزة الحوارات بشكل كبير، ولكنها تعتمد على مدخلات محددة جيدا.
حدد مخرجات للمواضيع عند الاقتضاء: يمكن أن ينتج عن الموضوع متغيرات الإخراج التي يستخدمها المنسق لتجميع الإجابة النهائية. على سبيل المثال، قد يتم إخراج موضوع "الباحث عن المتجر" NearestStoreLocation. من خلال إخراج المعلومات بدلا من إرسال رسالة مباشرة إلى المستخدم، فإنك تسمح للمنسق بدمج هذه المعلومات مع الخطوات الأخرى بأمان. إذا تم استخدام محتوى الموضوع في إجابة أكبر، فقم بالتقاطه كمتغير إخراج والسماح للمنسق بمعالجة المراسلة النهائية. تعرف على المزيد في تنسيق سلوك الوكلاء باستخدام الذكاء الاصطناعي التوليدي.
تجنب البيانات "المعالجة المزدوجة" في المطالبات: إذا قمت بتكوين المخرجات، فلا تُدخل هذه المخرجات مرة أخرى في LLM كسياق مفتوح. على سبيل المثال، إذا أرجع إجراء نص ملخص، فمرر هذا الملخص كإخراج منظم واسمح للمنسق بتضمينه، بدلا من كتابة تعليمات مثل "تظهر نتيجة الإجراء {summary}". يمنع هذا الأسلوب النموذج من الإفراط في إنشاء المحتوى أو تكراره. يجب أن تكون المخرجات نقاط بيانات نهائية كلما أمكن ذلك.

تسلسل الإجراءات والموضوعات والمعرفة

لأن المنسق يمكنه استخدام قدرات متعددة في خطوة واحدة، صمم مع وضع الإمكانية التكيفية في الاعتبار.

إعطاء كل الأسماء والأوصاف البديهية: يقرر المخطط إلى حد كبير استخدام أداة أو موضوع بناء على مدى تطابق اسمه ووصفه مع طلب المستخدم. استخدم العبارات النشطة التي تتوافق مع أهداف المستخدم. على سبيل المثال، من المرجح أن يتم اختيار أداة تسمى "TranslateText" مع الوصف "ترجمة النص إلى لغة محددة" عندما يسأل المستخدم عن الترجمة، مقابل أداة تسمى بشكل عام "Flow1". الأسماء مهمة أكثر من أي شيء. تجنب الأسماء المشفرة. إذا اختار العامل الموضوع الخطأ، فراجع هذه الأسماء والأوصاف.
قم بتوفير "مجموعة أدوات" غنية ولكن قم بتنسيقها: قم بتوصيل جميع الإجراءات المفيدة التي قد يحتاجها السيناريو الخاص بك (واجهات برمجة التطبيقات والتدفقات وما إلى ذلك)، ومواضيع الكاتب للتدفقات الهامة. يمنح هذا النهج الذكاء الاصطناعي المزيد من الخيارات لحل الاستعلامات. ومع ذلك، قم بإزالة أو تعطيل الأدوات والموضوعات التي تعرف أنها غير ذات صلة أو محفوفة بالمخاطر بالنسبة للعامل، حتى لا تخلط بين المخطط. مجموعة أصغر من الخيارات عالية الجودة أفضل من مجموعة شاملة مع تداخلات. يمكن أن تتسبب الأوصاف المتراكبة في محاولة العامل عدة أشياء في وقت واحد، وهو ما قد لا يكون مرغوبا فيه.
ثق بالمخطط، ضمن السبب: بمجرد تحديد المكونات جيدا، اسمح للمنسق بالمزج والمطابقة. على سبيل المثال، إذا طلب المستخدم شيئا يمكن معالجته بواسطة مقالة معرفة أو واجهة برمجة تطبيقات بيانات مباشرة، فقد يختار المخطط استخدام كليهما - استرداد المعرفة للخلفية واستدعاء واجهة برمجة التطبيقات للحصول على المعلومات الحالية. يمكن أن ينتج عن هذا النهج إجابة فائقة. تبني هذا الاستقلال الذاتي، ولكن راقب مبكرا لضمان اتخاذ خيارات جيدة.
التعامل مع أهداف متعددة: إذا طلب استعلام المستخدم بطبيعتها أمرين منفصلين (مثل "فتح حساب جديد وإرسال التفاصيل")، يحاول المخطط التوليدي تنفيذ كليهما عن طريق استدعاء التسلسلات ذات الصلة بدورها. لا تحتاج إلى كتابة التفريع يدويا للأهدف المتعددة. مهمتك كمطور هي التأكد من تغطية كل مهمة فرعية (فتح الحساب، وإرسال التفاصيل) بواسطة أداة أو موضوع، وأن المخرجات والمدخلات الخاصة بهم تتصل إذا لزم الأمر.
السماح للمعرفة بإكمال الموضوعات والأدوات: يمكن للمنسق استدعاء البحث المعرفي بشكل استباقي، وليس فقط كتراجع. إذا كان لديك قاعدة معارف غنية تم تكوينها، فقد يجيب العامل على جزء من استعلام بمقتطف مقال معرفي حتى إذا كان الإجراء يغطي جزءا آخر. يتم هذا السلوك بسبب التصميم. حافظ على قاعدة معارفك محدثة بمعلومات لا تتوفر بسهولة عبر الأدوات.
ضع في اعتبارك النطاق في استخدام المعرفة: حاليا، لا يمكنك إجبار العامل على استخدام مقالة معرفة محددة عند الطلب. يختار الذكاء الاصطناعي المقالات ذات الصلة بناء على الاستعلام. لاحظ أيضا القيود. على سبيل المثال، لا يتم استخدام مواضيع النظام مثل "مواضيع متعددة متطابقة" في الوضع التوليدي، نظرا لأن المخطط يعالج الغموض بشكل مختلف. تعرف على المزيد حول القيود المعروفة الأخرى للتنسيق التوليدي.

اختبار وضبط العامل المنسق

يحول التزامن التوليدي بعض المنطق من التصميم الصريح إلى "عقل" الذكاء الاصطناعي. يضمن الاختبار التكراري أنه يتصرف كما هو مقصود. فيما يلي أفضل الممارسات لاختبار وتحسين وكيلك المنسق:

استخدام مخطط النشاط: يوفر Copilot Studio خريطة activity أثناء الاختبار، والتي تعرض الخطوات التي قررها المنسق. بعد أن تطلب من وكيلك استعلاما معقدا، افحص الخطة: ما هي الموضوعات أو الإجراءات التي تم استدعاؤها؟ في أي ترتيب؟ هل طرح سؤالا مناسبا للمتابعة؟ إذا اختار العامل موضوعا خاطئا أو فاته أداة، فقد تحتاج إلى تحسين أوصاف المكونات أو ضبط الإرشادات.
مراجعة نصوص المحادثة: بمجرد نشر الوكيل، راجع نسخ المحادثة أو السجلات بانتظام. ابحث عن الهلوسة أو عدم الدقة في الإجابات. إذا قدم المستخدمون ملاحظات مثل "هذا غير صحيح"، فتابع مرة أخرى لمعرفة سبب اعتقاد الوكيل بذلك. معالجة المشاكل عن طريق إضافة حقائق مفقودة إلى قاعدة المعارف، أو تشديد التعليمات، أو في بعض الحالات، إضافة موضوع جديد للتعامل مع الفجوة. تعرف على المزيد في استخراج وتحليل نسخ محادثة العامل (البنية المرجعية).
التكرار مع التغييرات الصغيرة: يمكنك غالبا تحسين عامل إنشاء عن طريق إجراء تغييرات دقيقة. على سبيل المثال، إذا كان إخراج العامل مطولا جدا أم لا بالتنسيق المطلوب، فعدل الإرشادات حول النمط والتنسيق واختبر مرة أخرى. إذا كانت تستدعي أداة غير ضرورية في كل مرة، فربما يكون وصف الأداة واسعا جدا ويمكنك تحسينه بحيث يتم استدعاؤه فقط عند الاقتضاء. قم بإجراء تغيير واحد في كل مرة ولاحظ التأثير على قرارات العامل.
توفير أمثلة على التعبيرات (بعناية): قد تجد أن إضافة مثالين لاستعلامات المستخدم في وصف الموضوع يمكن أن تساعد LLM على فهم متى تستخدم هذا الموضوع. على سبيل المثال: "الغرض: إعادة تعيين كلمة مرور المستخدم. على سبيل المثال، قد يقول المستخدم "نسيت كلمة المرور الخاصة بي" أو "إعادة تعيين الوصول إلى حساب Contoso". تعطي هذه الأمثلة النموذج تلميحات إضافية. لا تبالغ في ذلك، واحتفظ بالأوصاف موجزة ومركزة. يحتوي النموذج بالفعل على الكثير من السياق - ما عليك سوى التأكد من أن بيانات التعريف واضحة.
مراقبة مقاييس الأداء: مع نمو الاستخدام، راقب المقاييس الرئيسية مثل معدل النجاح (هل قام العامل بالفعل بحل طلب المستخدم؟)، ومعدل الرجوع (كم مرة قال "عذرا، لا يمكنني المساعدة في ذلك")، ورضا المستخدم إذا كان متاحا. حتى أثناء الاختبار، يمكن أن تشير العد البسيط لمدى تكرار استخدام كل موضوع وأداة إلى التعديلات المطلوبة. على سبيل المثال، إذا كان يتم استدعاء موضوع حديث صغير تافه في كثير من الأحيان وإضافة ضوضاء، فقم بتعطيله أو تضييق وصفه. راجع إرشادات حول كيفية اختبار أداء وكلائك.

تتعلم الأنظمة التوليدية ضمنيا من التكوينات والإصلاحات الخاصة بك. كل تحسين للتعليمات أو بيانات التعريف يجعل القرار التالي للذكاء الاصطناعي أفضل. بمرور الوقت، يصبح الوكيل المنسق أكثر دقة وكفاءة في معالجة الاستعلامات.

المحفزات المخصصة في التنسيق التوليدي

تتوفر محفزات الموضوع خصيصًا للتنسيق التوليدي. باستخدام هذه المشغلات، يمكنك ربط دورة حياة العامل وحقن منطق مخصص في نقاط حرجة في عملية التزامن. تتوفر ثلاثة مشغلات رئيسية:

المشغِّل	عندما يتم تفعيله	الغرض
عند طلب المعلومات	مباشرة قبل أن يقوم العامل بإجراء استعلام قاعدة معارف	يتيح لك هذا المشغل اعتراض اللحظة التي يكون فيها المنسق على وشك البحث في مصادر المعرفة. يوفر وصولا للقراءة فقط إلى `SearchPhrase` الكلمات الأساسية أو التي ينوي العامل استخدامها، ومتغير نظام لتوفير نتائج بحث مخصصة. على سبيل المثال، يمكنك التقاط الاستعلام وتوجيهه إلى فهرس خاص أو إدخال المزيد من البيانات في النتائج. هذا مشغل متقدم ("سري")، وهو غير مرئي في واجهة المستخدم بشكل افتراضي ويجب تمكينه حاليا عبر تحرير YAML (عن طريق تسمية موضوع بالضبط `OnKnowledgeRequested`). استخدمه إذا كنت بحاجة إلى زيادة خطوة استرداد المعرفة أو تخصيصها، مثل تصفية نتائج معينة أو دمج البيانات الخارجية في استجابة المعرفة.
تم إنشاء استجابة الذكاء الاصطناعي	بعد أن يقوم الذكاء الاصطناعي بإنشاء مسودة إجابة، ولكن قبل إرسالها إلى المستخدم	يقوم العامل بإطلاق هذا المشغل بمجرد إنشاء نص الاستجابة النهائي (استنادا إلى جميع مخرجات الأدوات والموضوع) وقبل تسليمه. تمنحك هذه الخطوة فرصة لتعديل الإجابة أو الاقتباسات الخاصة بها برمجيا. على سبيل المثال، يمكنك بعد معالجة النص لإصلاح أي تنسيق، أو استبدال عناوين URL الأولية بارتباطات تعقب مألوفة. يمكنك حتى أن تقرر تجاوز الاستجابة. يمكن أن ينتج عن المشغل رسالة مخصصة خاصة به، ويمكنك استخدام `ContinueResponse` علامة للإشارة إلى ما إذا كان يجب إرسال استجابة الذكاء الاصطناعي الأصلية أم لا. استخدم هذا المشغل لإجراء تعديلات أو تحسينات في الثانية الأخيرة لإجابة الذكاء الاصطناعي، مثل إلحاق مطالبة استطلاع، أو تنقيح شيء تضمنه الذكاء الاصطناعي ولكنك تريد إزالته. قد يشير الاستخدام المكثف لهذا المحفز إلى وجود بعض المنطق الذي كان من الممكن تضمينه في التعليمات الرئيسية. استخدمه للتحكم الدقيق عند الحاجة.
عند اكتمال الخطة	بعد تنفيذ الخطة بأكملها وإرسال الاستجابة	عند إتمام الخطة، أي عند انتهاء جميع الخطوات ورؤية المستخدم للإجابة، يتم تفعيل هذا المؤشر. عادة، استخدمه لبدء أي عمليات نهاية المحادثة. الاستخدام الشائع هو إعادة توجيه المحادثة إلى موضوع نهاية معين أو إلى استطلاع. على سبيل المثال، قد يكون لديك موضوع نهاية الدردشة الذي يشكر المستخدم أو يوفر الخطوات التالية. باستخدام On Plan Complete، يمكنك استدعاء هذا الموضوع تلقائيا. ومع ذلك، كن حذرا: من المحتمل أنك لا تريد إنهاء المحادثة بعد كل سؤال مستخدم، خاصة إذا كان المستخدم قد يطلب المتابعة. أضف منطقا إلى النهاية فقط إذا تم تعيين متغير سياق معين أو إذا كانت الخطة قد حلت نوعا معينا من الطلبات. بشكل أساسي، استخدم On Plan Complete لإجراءات التنظيف أو الإغلاق بأمان عند الاقتضاء.

الملاحظات

هل كانت هذه الصفحة مفيدة؟

Last updated on 2026-04-22