Nota
L'accesso a questa pagina richiede l'autorizzazione. Puoi provare ad accedere o a cambiare directory.
L'accesso a questa pagina richiede l'autorizzazione. Puoi provare a cambiare directory.
La comprensione del linguaggio naturale (NLU) è al centro di come gli agenti di Copilot Studio comprendono le domande degli utenti e forniscono risposte rilevanti e contestuali. Un approccio ben definito al riconoscimento dell'intento, all'estrazione delle entità e alla gestione del fallback garantisce che gli agenti offrano conversazioni efficienti e naturali in linea con le esigenze aziendali.
Quando un utente inserisce qualcosa a un agente, si chiama enunciazione. L'agente deve suddividere quell'enunciato in intenti ed entità, rendendo la risposta dell'agente sia naturale che efficiente.
Cos'è la comprensione della lingua?
La comprensione del linguaggio (LU) è un sottocampo dell'Elaborazione del Linguaggio Naturale (NLP) focalizzato sull'aiutare le macchine a comprendere il significato, l'intento e il contesto dietro il linguaggio umano.
Diagramma che mostra come il messaggio di un utente viene suddiviso in intento ed entità. Una persona digita: "Voglio prenotare un volo per Parigi la prossima settimana." Il messaggio è etichettato come un enunciato. L'espressione "Voglio prenotare un volo" è identificata come l'intento, mentre "Parigi" e "prossima settimana" sono identificati come entità. Il sistema poi chiede ulteriori dettagli come la città di partenza e la classe di viaggio. Il diagramma illustra come l'agente utilizza intento, entità e contesto per determinare la migliore risposta.
La comprensione linguistica comporta:
- Riconoscimento dell'intento: Identificare ciò che l'utente vuole ottenere (ad esempio, "Prenota un volo per Parigi la prossima settimana" corrisponde all'intento di prenotare un volo).
- Estrazione di entità: estrazione di dettagli chiave come date, luoghi o nomi (ad esempio, "Paris" come destinazione, "prossima settimana" come data di viaggio).
- Consapevolezza del contesto: mantenere la continuità e risolvere ambiguità nella conversazione (ad esempio, comprendere pronomi o riferimenti).
- Gestione delle ambiguità: Utilizzare il contesto per risolvere parole con significati multipli (ad esempio, "banca" come istituzione finanziaria o riva di fiume).
Comprozione linguistica in Copilot Studio
Copilot Studio ha un modello flessibile per la comprensione del linguaggio, con molteplici opzioni di configurazione.
Orchestrazione generativa
L'orchestrazione generativa utilizza modelli linguistici per collegare in modo intelligente argomenti, azioni e conoscenze. Questa capacità consente il riconoscimento multi-intent, l'estrazione avanzata di entità e la generazione dinamica di piani per query complesse.
Questo metodo è il predefinito per Copilot Studio. Questo approccio riconosce molteplici intenti o argomenti in un unico enunciato, concatena automaticamente azioni e fonti di conoscenza e genera risposte unificate. È particolarmente utile per gestire conversazioni complesse che si estendono su più aree di business. L'orchestrazione generativa ha dei limiti, come cinque messaggi per argomento o catena d'azione, e 128 argomenti o azioni per ogni orchestrazione, ma offre un modo potente per scalare la larghezza della conversazione.
Scopri di più in Applica le capacità di orchestrazione generativa.
Orchestrazione classica
L'orchestrazione classica utilizza frasi trigger e routing deterministico dei temi. Se l'enunciato di un utente corrisponde a una frase trigger, viene eseguito l'argomento corrispondente. Se non c'è corrispondenza, i meccanismi di riserva cercano le fonti di conoscenza o chiariranno l'utente.
NLU integrato
Questo approccio era il predefinito, ma ora è quello di riserva. Copilot Studio offre un modello NLU pronto all'uso che supporta frasi trigger, entità predefinite ed entità personalizzate. Questo modello consente agli agenti di identificare l'intento dell'utente ed estrarre dettagli chiave come date, destinazioni o quantità direttamente da una query.
NLU+
Per un'alta precisione, usa l'opzione NLU+. L'opzione NLU+ è ideale per applicazioni di grandi dimensioni di livello aziendale. Questi tipi di applicazioni sono in genere costituiti da un numero elevato di argomenti ed entità e usano un numero elevato di esempi di training. Inoltre, se si dispone di un agente abilitato per la voce, i dati di training NLU+ vengono usati anche per ottimizzare le funzionalità di riconoscimento vocale.
Azure CLU integration
Per scenari più avanzati in cui non puoi usare l'orchestrazione generativa predefinita, puoi integrare Azure Conversational Language Understanding (CLU). CLU offre una maggiore personalizzazione, supporto multilingue e un'estrazione complessa di entità (ad esempio, più entità "da"). Devi mappare le intenzioni CLU agli argomenti di Copilot Studio per mantenerle sincronizzate. Questa opzione è particolarmente preziosa per vocabolari specifici del settore, lingue non inglesi o scenari che richiedono maggiore precisione.
Caratteristiche principali e limitazioni
Questa tabella confronta i tre approcci di comprensione linguistica in Copilot Studio. Mette in evidenza le loro caratteristiche chiave e i limiti per aiutarti a scegliere il modello giusto per le esigenze di complessità, scala e accuratezza del tuo agente.
| Funzionalità e limitazioni | Orchestrazione generativa | Modello NLU integrato | Modello CLU Azure personalizzato |
|---|---|---|---|
| Funzionalità principali |
|
|
|
| Limits |
|
|
|
Scopri di più sulla panoramica della comprensione del linguaggio naturale (NLU).
Struttura dell'argomento e riserva
Gli argomenti si sono allontanati da un percorso rigido basato sull'intento verso un approccio più flessibile, centrato sull'orchestrazione. Invece di affidarsi esclusivamente a trigger e percorsi predefiniti, gli argomenti ora agiscono come istruzioni modulari a cui l'agente può ricorrere durante l'orchestrazione di una conversazione. L'orchestrazione generativa gestisce la maggior parte dell'instradamento interpretando dinamicamente l'input dell'utente, e gli argomenti forniscono un replio strutturato quando è necessaria la precisione.
Il design strutturato più tradizionale dei temi rende le conversazioni naturali ed efficienti. Gli argomenti possono essere punti di ingresso attivati da enunciazioni dell'utente o sottoargomenti riutilizzabili chiamati da redirect o eventi di sistema. Gli argomenti di disambiguazione aiutano a evitare confusione quando potrebbero essere attivati più argomenti, mentre i temi di riserva e quelli che favoriscono la conversazione forniscono reti di sicurezza quando l'agente non riesce a corrispondere con sicurezza all'intento. Puoi anche aggiungere risposte generative da attingere a fonti di conoscenza esterne, assicurando che gli utenti raramente restino senza risposta.
Scopri di più in Applicare le migliori pratiche agli argomenti di scrittura.
Localizzazione e lingue
Il linguaggio utilizzato da un agente Copilot Studio è determinato dal valore della variabile di sistema: System.User.Language.
Questa variabile agisce come punto di controllo centrale per tutti i comportamenti legati al linguaggio nell'agente. Puoi impostarne il valore manualmente, in modo programmativo o rilevarlo automaticamente.
Come funziona?
Ricerca conoscenza nella lingua dell'utente: Copilot Studio utilizza il valore di
System.User.Languageper cercare fonti di conoscenza nel linguaggio specificato. Questo approccio significa che anche se un utente pone una domanda in una lingua, l'agente traduce la query di ricerca nel set di linguaggio inSystem.User.Language(autotraduzione per query di ricerca).Rispondi nella lingua dell'utente: L'agente genera risposte nella lingua specificata da
System.User.Language, indipendentemente dalla lingua usata nella domanda o dai documenti originali (traduzione automatica per la generazione delle risposte).Sovrascritto manuale: Puoi impostare manualmente il valore di
System.User.Languageper forzare l'agente a operare in un linguaggio specifico. Questa funzione è utile per test o per scenari in cui devi controllare esplicitamente la lingua. Per altre informazioni, vedere Configurare e creare agenti multilingue.
Rilevamento automatico della lingua parlata
Puoi configurare Copilot Studio per rilevare automaticamente il linguaggio parlato o scritto dell'utente e impostare la System.User.Language variabile di conseguenza. Questa funzione consente esperienze multilingue senza soluzione di continuità senza richiedere agli utenti di specificare la propria preferenza linguistica.
Come funziona l'auto-rilevamento
- Rilevamento basato su trigger: Quando il bot riceve un messaggio, un trigger avvia un flusso di rilevamento della lingua.
-
Imposta variabile di sistema: Il bot assegna il linguaggio rilevato a
System.User.Language. - Risposta dinamica: L'agente continua la conversazione nella lingua rilevata, sia cercando conoscenza sia generando risposte di conseguenza.
Vantaggi
- Esperienza personalizzata: gli utenti interagiscono nella lingua preferita senza configurazione manuale.
- Esperienza coerente: Tutte le risposte e i recuperi di conoscenza sono allineati con il linguaggio rilevato o definito.
- Soluzione scalabile: Supporta implementazioni globali con configurazioni minime.
Suggerimento
Esamina la soluzione di esempio che dimostra come permettere agli agenti di Copilot Studio di rilevare automaticamente il linguaggio parlato di un utente e passa a uno dei linguaggi approvati dal produttore per l'agente: linguaggio di auto-rilevamento per risposte generative
Migliori pratiche per la localizzazione
- Configura i linguaggi supportati: Definisci i linguaggi primari e secondari per il tuo agente. Usa file di localizzazione (JSON o ResX) per fornire traduzioni di prompt, messaggi e argomenti.
- Testa scenari multilingue: Simula le interazioni degli utenti in diverse lingue per garantire transizioni fluide e risposte accurate.
- Usa la traduzione automatica: affidati alla traduzione integrata di Copilot Studio per la ricerca e la generazione di risposte della conoscenza, ma fornisci traduzioni personalizzate per contenuti critici o sfumati.
- Monitorare e perfezionare: Utilizzare l'analisi per monitorare l'uso della lingua e migliorare la copertura della localizzazione nel tempo.
Approcci linguistici per agenti di Copilot Studio:
- Agenti separati per lingua.
- Agenti multilingue singoli con traduzioni pre-autorate.
- Agenti multilingue in tempo reale, utilizzando servizi di traduzione tra utente e agente.
L'approccio corretto dipende dall'uso, dalle preoccupazioni di separazione, dalla scala, dalla cadenza degli aggiornamenti e dalle risorse disponibili.
Sfide tecniche identificate
Le sfide tipiche includono garantire che gli argomenti Azure CLU e Copilot Studio rimangano sincronizzati, gestire enunciati ambigui e scalare le implementazioni multilingue. L'identificazione precoce di questi ostacoli ti permette di pianificare strategie di mitigazione, come configurazioni di ricambio, test in massa di frasi trigger o servizi di traduzione basati su relay.
L'obiettivo della comprensione linguistica è garantire che ogni agente possa interpretare accuratamente le richieste degli utenti, adattarsi a linguaggi e scenari diversi e gestire con grazia l'imprevisto. Questo obiettivo crea una solida base per costruire conversazioni affidabili, coinvolgenti ed efficienti nello Studio Copilot.