تصميم فهم اللغة بشكل فعال

يعد فهم اللغة الطبيعية (NLU) في صميم كيفية فهم وكلاء Copilot Studio لاستفسارات المستخدمين وتوفير استجابات سياقية ذات صلة. ** يضمن النهج المحدد جيداً للتعرف على النوايا واستخراج الكيانات وإدارة الحالات الاحتياطية أن يُقدِّم الوكلاء محادثات فعالة وطبيعية تتماشى مع احتياجات العمل.

عندما يدخل المستخدم شيئا إلى عامل، فإنه يعرف باسم التعبير. يحتاج العامل إلى تقسيم هذا التعبير إلى هدف وكيانات، ما يجعل استجابة العامل تبدو طبيعية وفعالة على حد سواء.

ما هو فهم اللغة؟

فهم اللغة (LU) هو حقل فرعي من معالجة اللغة الطبيعية (NLP) يركز على تمكين الأجهزة من فهم المعنى والهدف والسياق وراء اللغة البشرية.

رسم تخطيطي يوضح كيفية تقسيم رسالة المستخدم إلى هدف وكيانات. شخص يكتب " أريد حجز رحلة إلى باريس الأسبوع القادم " يتم تسمية الرسالة على أنها تعبير. يتم تحديد عبارة "أريد حجز رحلة طيران" على أنها الهدف، ويتم تحديد "باريس" و"الأسبوع المقبل" ككيانات. ثم يطلب النظام المزيد من التفاصيل مثل مدينة المغادرة وفئة السفر. يوضح الرسم التخطيطي كيفية استخدام العامل للهدف والكيانات والسياق لتحديد أفضل استجابة.

يتضمن فهم اللغة ما يلي:

• التعرف على الهدف: تحديد ما يريد المستخدم تحقيقه (على سبيل المثال، "حجز رحلة إلى باريس الأسبوع المقبل" يحدد الهدف من حجز رحلة).
• استخراج الكيان: استخراج التفاصيل الرئيسية مثل التواريخ أو المواقع أو الأسماء (على سبيل المثال، "باريس" كوجهة، "الأسبوع القادم" كتاريخ السفر).
• الوعي بالسياق: الحفاظ على الاستمرارية وحل الغموض في المحادثة (على سبيل المثال، فهم الضمائر أو المراجع).
• التعامل مع أوجه الغموض: استخدام السياق لحل الكلمات ذات المعاني المتعددة (على سبيل المثال، "البنك" كمؤسسة مالية أو ضفة نهر).

فهم اللغة في Copilot Studio

يحتوي Copilot Studio على نموذج مرن لفهم اللغة، مع خيارات تكوين متعددة.

التَنسِيق التَوليدي

يستخدم التنسيق التوليدي نماذج اللغة لربط الموضوعات والإجراءات والمعرفة بذكاء. تتيح هذه الإمكانية التعرف متعدد الأهداف واستخراج الكيان المتقدم وإنشاء خطة ديناميكية للاستعلامات المعقدة.

ذا الأسلوب هو الافتراضي Copilot Studio. يتعرف هذا النهج على أهداف أو مواضيع متعددة في تعبير واحد، ويقيد الإجراءات ومصادر المعرفة تلقائيا، ويولد استجابات موحدة. إنه مفيد بشكل خاص للتعامل مع المحادثات المعقدة التي تمتد عبر مجالات عمل متعددة. التزامن التوليدي له حدود، مثل خمس رسائل لكل موضوع أو سلسلة إجراءات، و128 موضوعا أو إجراء لكل تنسيق، ولكنه يوفر طريقة قوية لتوسيع نطاق المحادثة.

تعرف على المزيد في تطبيق قدرات التزامن التوليدي.

التَنسِيق الكلاسِيكي

يستخدم تنظيم العمليات الكلاسيكي عبارات التفعيل وتوجيه الموضوع الحتمي. إذا كان تعبير الْمُسْتَخْدِمٌ يطابق عبارة تشغيل، يتم تشغيل الْموضوع الْمقابل. إذا لم يكن هناك تطابق، فإن الآليات الاحتياطية تبحث عن مصادر المعرفة أو تطالب المستخدم بالتوضيح.

NLU مضمّن

كان هذا النهج هو النهج الافتراضي ولكنه الآن النهج الاحتياطي. يوفر Copilot Studio نموذج NLU الجاهز الذي يدعم عبارات التشغيل والكيانات المعرفة مسبقًا والكيانات المخصصة. يمكن هذا النموذج الوكلاء من تحديد هدف المستخدم واستخراج التفاصيل الرئيسية مثل التواريخ أو الوجهات أو الكميات مباشرة من استعلام.

NLU+

للحصول على دقة عالية، استخدم خيار NLU+ . يعد خيار NLU+ مثاليا للتطبيقات الكبيرة على مستوى المؤسسة. تتكون هذه الأنواع من التطبيقات عادة من عدد كبير من الموضوعات والكيانات، وتستخدم عددا كبيرا من نماذج التدريب. أيضا، إذا كان لديك عامل يدعم الصوت، يتم أيضا استخدام بيانات تدريب NLU+ لتحسين قدرات التعرف على الكلام.

تكامل Azure CLU

للحصول على سيناريوهات أكثر تقدماً حيث لا يمكنك استخدام التنسيق التوليدي الافتراضي، يمكنك دمج فهم اللغة المحادثية من Azure (CLU). يوفر CLU تخصيصا أكبر ودعما متعدد الْلغات واستخراج الْكيان الْمعقد (على سبيل الْمثالْ، كيانات "من" متعددة). يجب تعيين أهداف CLU إلى مواضيع Copilot Studio للحفاظ على مزامنتها. هذا الخيار ذو قيمة خاصة للمفردات الخاصة بالصناعة أو اللغات غير الإنجليزية أو السيناريوهات التي تتطلب دقة أعلى.

الميزات والقيود الرئيسية

يقارن هذا الجدول بين نهج فهم اللغة الثلاثة في Copilot Studio. يسلط الضوء على ميزاتها وقيودها الرئيسية لمساعدتك في اختيار النموذج المناسب لاحتياجات تعقيد وكيلك وحجمه ودقته.

الميزات والقيود	التَنسِيق التَوليدي	نموذج فهم اللغة الطبيعية (NLU) المضمن	نموذج Azure CLU المخصص
الميزات الرئيسية	يستخدم نموذج لغة كبير يعالج التعبيرات المعقدة مع أهداف ومواضيع/إجراءات متعددة ومعرفة إنشاء أسئلة للمدخلات المفقودة تلقائيا السماح بالتصحيحات أثناء التشغيل ينتج إجابة موحدة تستند إلى مخرجات الموضوعات والإجراءات والمعرفة	نموذج افتراضي مدرب مسبقا مع أنواع كيانات محددة مسبقا تم تكوين النظام باستخدام عبارات تحفيز وكيانات مخصصة (قوائم مغلقة أو تعابير نمطية)	يدعم المزيد من اللغات باستخدام النماذج الأصلية نموذج قابل للتخصيص يحفز الهدف لتلبية الدقة أو الاحتياجات الخاصة بالصناعة استخراج الكيان المتقدم (على سبيل المثال، نفس النوع، الاستخراج الصامت) يمكن لاستخراج الكيان استخدام NLU القياسي من Copilot Studio
Limits	خمس رسائل لكل موضوع/سلسلة إجراءات حد 128 موضوعا وإجراء للتفعيل	التعرف على الهدف الفردي لكل استعلام لا يمكن تمديده يتطلب ملء الْفتحات كيانات متعددة مِنْ نفس الْنوع إزالْة الْغموض	التعرف على الهدف الفردي لكل استعلام التكوين المستند إلى Azure والتكاليف الإضافية لديه حدود خدمة Azure يجب الحفاظ على نوايا Azure CLU وموضوعات Copilot Studio متزامنة بعناية.

تعرف على المزيد في نظرة عامة على فهم اللغة الطبيعية (NLU).

بنية الموضوع والحالة الاحتياطية

تحولت الموضوعات بعيدا عن المسار الصارم القائم على الهدف إلى نهج أكثر مرونة وتنسيق أولا. بدلا من الاعتماد فقط على المشغلات والمسارات المحددة مسبقا، تعمل الموضوعات الآن كإرشادات نمطية يمكن للعامل الاتصال بها عند تنسيق محادثة. يعالج التزامن التوليدي معظم التوجيه عن طريق تفسير إدخال المستخدم ديناميكيا، وتوفر الموضوعات احتياطيا منظما عند الحاجة إلى الدقة.

يجعل تصميم الموضوع المنظم الأكثر تقليدية المحادثات طبيعية وفعالة. يمكن أن تكون الموضوعات نقاط إدخال يتم تشغيلها بواسطة تعبيرات المستخدم أو مواضيع فرعية قابلة لإعادة الاستخدام تسمى بواسطة عمليات إعادة التوجيه أو أحداث النظام. تساعد موضوعات إزالة الغموض على تجنب الارتباك عندما يمكن تشغيل مواضيع متعددة، بينما توفر موضوعات تعزيز المحادثة والاحتياطية شبكات أمان عندما لا يتمكن الوكيل من مطابقة النية بثقة. يمكنك أيضًا دمج الإجابات التوليدية للاستفادة من مصادر المعرفة الخارجية، مما يضمن أن يحصل المستخدمون تقريبًا على استجابة دائمًا.

تعرف على المزيد في متابعة أفضل ممارسات تأليف الموضوع.

التوطين واللغات

يتم تحديد اللغة المستخدمة من قبل عامل Copilot Studio بواسطة قيمة متغير النظام: System.User.Language.

يعمل هذا المتغير كنقطة تحكم مركزية لكافة السلوك المتعلق باللغة في العامل. يمكنك تعيين قيمته يدويا أو برمجيا أو الكشف عنها تلقائيا.

كيف يعمل؟

• البحث عن المعرفة بلغة المستخدم: تستخدم Copilot Studio قيمة System.User.Language للبحث عن مصادر المعرفة باللغة المحددة. يعني هذا الأسلوب أنه حتى إذا طرح المستخدم سؤالا بلغة واحدة، فإن العامل يترجم استعلام البحث إلى اللغة المحددة في System.User.Language (الترجمة التلقائية لاستعلام البحث).

• الاستجابة بلغة المستخدم: ينشئ العامل إجابات باللغة المحددة بواسطة System.User.Language، بغض النظر عن اللغة المستخدمة في السؤال أو المستندات الأصلية (الترجمة التلقائية لإنشاء الإجابات).

• التجاوز اليدوي: يمكنك تعيين قيمة System.User.Language يدويا لإجبار العامل على العمل بلغة معينة. هذه الميزة مفيدة للاختبار أو للسيناريوهات التي يجب أن تتحكم فيها بشكل صريح في اللغة. تعرف على المزيد في تكوين وإنشاء عوامل متعددة اللغات.

الكشف التلقائي عن اللغة المنطوقة

يمكنك تكوين Copilot Studio للكشف تلقائيا عن اللغة المنطوقة أو المكتوبة للمستخدم وتعيين متغير System.User.Language وفقا لذلك. تتيح هذه الميزة تجارب متعددة اللغات سلسة دون مطالبة المستخدمين بتحديد تفضيلات اللغة الخاصة بهم.

كيفية عمل الكشف التلقائي

• الْكشف الْمستند إلى الْمشغل: عندما يتلقى الْروبوت رسالْة، يبدأ مشغل تدفق الْكشف عن الْلغة.
• تعيين متغير النظام: يعين الروبوت اللغة المكتشفة إلى System.User.Language.
• الاستجابة الديناميكية: يستمر العامل في المحادثة باللغة المكتشفة، حيث يبحث عن المعرفة ويولد الاستجابات وفقا لذلك.

المزايا

• تجربة مخصصة: يتفاعل المستخدمون بلغتهم المفضلة دون تكوين يدوي.
• تجربة متسقة: تتوافق جميع الاستجابات واسترجاعات المعرفة مع اللغة المكتشفة أو المحددة.
• حل قابل للتطوير: يدعم عمليات النشر العمومية بأقل قدر من التكوين.

نصيحة

راجع نموذج الحل الذي يوضح كيفية تمكين وكلاء Copilot Studio من الكشف تلقائيا عن اللغة المنطوقة للمستخدم والتبديل إلى إحدى اللغات المعتمدة من قبل صانع العامل في Auto Detect Language for Generative Responses.

أفضل الممارسات للترجمة

• تكوين اللغات المدعومة: حدد اللغات الأساسية والثانوية لوكيلك. استخدم ملفات التعريب (JSON أو ResX) لتوفير ترجمات للمطالبات والرسائل والموضوعات.
• اختبار السيناريوهات متعددة اللغات: محاكاة تفاعلات المستخدم بلغات مختلفة لضمان انتقالات سلسة واستجابات دقيقة.
• استخدام الترجمة التلقائية: الاعتماد على ترجمة Copilot Studio المضمنة للبحث عن المعرفة وإنشاء الإجابات، ولكنها توفر ترجمات مخصصة للمحتوى الهام أو الدقيقة.
• المراقبة والتنقيح: استخدم التحليلات لتتبع استخدام اللغة وتحسين تغطية الترجمة بمرور الوقت.

نهج لغة عامل Copilot Studio:

• عوامل منفصلة لكل لغة.
• عملاء متعددو اللغات واحدون مع ترجمات مسبقة التأليف.
• عوامل متعددة اللغات في الوقت الحقيقي، باستخدام خدمات الترجمة بين المستخدم والوكيل.

يعتمد النهج الصحيح على الاستخدام، والمخاوف المتعلقة بالفصل، والحجم، وإ إيقاع التحديث، والموارد المتاحة.

التحديات التقنية المحددة

تتضمن التحديات النموذجية ضمان بقاء Azure CLU وموضوعات Copilot Studio متزامنة، والتعامل مع التعبيرات الغامضة، وتوسيع نطاق عمليات النشر متعددة اللغات. يتيح لك التحديد المبكر لهذه العقبات تخطيط استراتيجيات التخفيف، مثل التكوينات الاحتياطية أو الاختبار المجمع لعبارات التفعيل أو خدمات الترجمة المعتمدة على الترحيل.

الهدف من فهم اللغة هو التأكد من أن كل عامل يمكنه تفسير استعلامات المستخدم بدقة، والتكيف مع اللغات والسيناريوهات المتنوعة، والتعامل بأمان مع ما هو غير متوقع. ينشئ هذا الهدف أساسا قويا لبناء محادثات Copilot Studio موثوقة وجذابة وفعالة.

المعلومات ذات الصلة

• تصميم عبارات مشغل فعالة
• تنفيذ أفضل ممارسات التعبئة الآلية
• اللغات المدعومة في Copilot Studio
• اللغات المدعومة من Azure CLU
• حدود Azure CLU
• تسعير Azure CLU
• تنسيق سلوك العامل باستخدام الذكاء الاصطناعي التوليدي