다음을 통해 공유


Copilot Studio의 엔터티 및 슬롯 채우기 모범 사례

중요

Power Virtual Agents 기능 및 특징은 생성 AI에 대한 막대한 투자와 Microsoft Copilot 전반의 향상된 통합에 따라 이제 Microsoft Copilot Studio의 일부가 되었습니다.

문서 및 교육 콘텐츠를 업데이트하는 동안 일부 문서와 스크린샷에서는 Power Virtual Agents을 참조할 수 있습니다.

슬롯 채우기란 무엇입니까?

슬롯 채우기는 Copilot이 사용자 쿼리에서 정보를 식별하고 추출하여 보다 쉽게 정보를 획득하고 사용할 수 있도록 하는 엔터티의 사용과 관련됩니다.

Copilot은 일반적으로 업무를 수행하기 위해 사용자로부터 여러 가지 정보가 필요합니다. 이 정보를 얻으려면 일반적으로 Copilot이 필요로 하는 각 사실에 대해 하나씩 별도의 질문을 하게 됩니다. 질문에 엔터티를 사용하면 Copilot Studio가 필요한 정보를 감지하고 트리거 사용자 쿼리에서 정보를 식별할 수 있는 질문을 건너뜁니다.

예를 들어 사용자가 다음과 같이 묻는 경우:

파란색의 큰 티셔츠 3개를 주문하고 싶습니다

Copilot Studio 자연어 이해(NLU)는 다음을 즉시 이해할 수 있습니다.

  • 토픽은 주문입니다.
  • 수량은 3입니다.
  • 색상은 파란색입니다.
  • 품목 유형은 티셔츠입니다.

Copilot은 불필요한 질문을 건너뛸 수 있습니다. 예를 들어 크기와 같은 일부 정보가 누락된 경우 계속 진행하기 전에 답변되지 않은 질문을 합니다. 슬롯 채우기를 사용하면 Copilot이 정보를 더 쉽게 획득하고 사용할 수 있으며 물어봐야 할 질문 수가 줄어듭니다.

먼저 사용할 엔터티와 해당 유형을 정의합니다.

엔터티 정의

Copilot Studio는 이메일, 날짜와 시간, 사람 이름, 전화 번호, 색상, 국가, 도시, 숫자, 등 가장 일반적인 사용 사례에 대해 여러 기본 제공 엔터티를 제공합니다.

기본 제공 엔터티는 정보가 취할 수 있는 형식의 다양한 변형을 처리할 수 있으므로 강력합니다. 예를 들어 대화에서 을 사용할 때 사용자는 "$100", "a hundred dollars" 또는 "100 dollars"로 값을 입력할 수 있습니다. Copilot Studio의 NLU 모델은 그 값이 100달러의 금전적 가치임을 알아냅니다.

그러나 대화 흐름에서 질문과 함께 요청되는 한 값은 입력되며 재사용할 수 있는 변수에 저장됩니다.

이전 예시의 항목 유형과 같은 고유한 사용자 지정 엔터티를 정의할 수도 있습니다. 사용자 지정 엔터티는 두 가지 유형일 수 있습니다.

  • 닫힌 목록: 미리 정의된 값 목록용.
  • 정규식 (RegEx): 특정 패턴과 일치하는 정보용. RegEx는 항상 동일한 형식(예: 티켓 번호의 경우 INC000001)을 따르는 데이터를 캡처해야 하는 경우 이상적

사용자 경험 개선

엔터티를 사용하면 Copilot Studio가 사용자 쿼리에서 정보를 보다 지능적으로 수집할 수 있으므로 삶이 더 단순해집니다. 더 중요한 것은 엔터티가 사용자 쿼리에서 정보를 찾아 저장한 다음 나중에 대화에서 해당 정보를 사용할 수 있기 때문에 사용자의 삶을 더 좋게 만든다는 것입니다. 엔터티는 사용자 경험을 향상시켜 Copilot을 더욱 똑똑하게 보이게 하며 가능할 때마다 엔터티를 사용하는 것이 가장 좋은 방법입니다.

엔터티 모범 사례

동의어 사용

닫힌 목록 엔터티 값에 동의어를 추가하여 엔터티 목록의 각 항목에 대한 일치 논리를 수동으로 확장할 수 있습니다. 예를 들어 "하이킹" 항목에 "트래킹""등산"을 동의어로 추가할 수 있습니다.

  • 동의어를 사용하면 토픽 트리거링에 도움이 될 수 있습니다. 관련 단어를 포함된 엔터티의 동의어로 추가하여 트리거 구문의 가중치를 증가시키기 때문입니다. 예를 들어 "불만" 옵션의 경우 유사한 부정적인 단어나 문구를 동의어로 추가합니다.
  • 또한 NLU 모델은 토픽 트리거 문구에 이 엔터티의 변형이 하나 이상 포함되는 경우 모든 엔터티 변형(즉, 모든 값과 동의어)에 대해 일반화합니다. 즉, Copilot 작성자는 NLU가 다른 엔터티 변형을 일반화할 수 있도록 이 엔터티의 한 가지 사용법과 함께 트리거 문구의 한 예를 포함해야 합니다.

스마트 매칭 사용

각 닫힌 목록 엔터티에 대해 스마트 매칭을 활성화할 수도 있습니다.

스마트 매칭은 Copilot의 NLU 모델이 지원하는 인텔리전스의 일부입니다. 이 옵션을 활성화하면 Copilot은 엔터티에 나열된 항목에 따라 유사 항목 논리를 사용하여 사용자의 입력을 해석합니다.

특히 Copilot는 맞춤법 오류를 자동으로 수정하고 일치 논리를 의미론적으로 확장합니다. 예를 들어 Copilot은 "소프트볼""야구"와 자동으로 일치시킬 수 있습니다.

정규식으로 창의력 발휘

경우에 따라 사용자 쿼리에서 엔터티를 추출하면 특히 사용자 쿼리에 동일한 유형의 엔터티가 여러 개 있는 경우 NLU 모델에 혼동이 발생할 수 있습니다.

예를 들어 사용자가 다음과 같이 말하는 경우:

101호에 수건 2개와 베개 1개를 가져다 주시겠습니까

기본 제공 숫자 엔터티를 사용하면 2, 1 및 101 간에 혼동될 수 있습니다. 이 혼란을 해결하기 위해 다음 정규식 엔터티를 정의할 수 있습니다.

  • 수건 수량: [1-9] 수건
  • 베개 수량: [1-9] 베개
  • 방 번호: [0-9]{3}

참조 데이터를 저장하는 엔터티의 대안

규모가 크거나 진화하는 데이터 세트(예: 제품 또는 고객 목록)의 경우 Copilot Studio 닫힌 목록 엔터티를 사용하는 대신 외부 소스를 확인하는 것이 좋습니다. Power Automate 클라우드 흐름을 사용하여 사용자 발화를 외부 서비스에 전달해야 합니다.

토픽 논리는 대화를 진행하기 전에 결과의 정확성을 검증하거나 사용자에게 검증을 요청할 수 있습니다.

Dataverse는 신뢰도 점수와 함께 최상의 결과를 반환하기 위해 퍼지 매칭을 지원하는 Dataverse 검색 기능이 내장되어 있으므로 이러한 데이터를 저장하기에 좋은 후보입니다. 완전한 문장으로 검색하더라도 잠재적인 일치 항목을 검색할 수 있습니다.

결과 목록 반환에서 구현 예를 참조하세요