Projetar compreensão eficaz da linguagem

A compreensão de linguagem natural (NLU) está no cerne de como os agentes do Copilot Studio entendem as consultas dos usuários e fornecem respostas relevantes e contextuais. Uma abordagem bem definida para reconhecimento de intenções, extração de entidades e tratamento de recurso, garante que os agentes entreguem conversas eficientes e naturais, alinhadas às necessidades do negócio.

Quando um usuário insere algo para um agente, isso é conhecido como uma enunciação. O agente precisa dividir essa expressão em intenção e entidades, fazendo com que a resposta do agente pareça natural e eficiente.

O que é compreensão de idioma?

Compreensão de linguagem (LU) é um subcampo do Processamento de Linguagem Natural (PLN) focado em capacitar máquinas a compreender o significado, a intenção e o contexto por trás da linguagem humana.

Diagrama mostrando como a mensagem do usuário é dividida em intenção e entidades. Uma pessoa digita: "Quero reservar um voo para Paris na próxima semana." A mensagem é rotulada como uma afirmação. A frase "Quero reservar um voo" é identificada como a intenção, e "Paris" e "próxima semana" são identificadas como entidades. O sistema então pede mais detalhes, como cidade de partida e classe de viagem. O diagrama ilustra como o agente usa intenção, entidades e contexto para determinar a melhor resposta.

O entendimento de idiomas envolve:

• Reconhecimento de intenção: Identificar o que o usuário deseja alcançar (por exemplo, "Reserve um voo para Paris na próxima semana" corresponde à intenção de reservar um voo).
• Extração de entidade: extrair detalhes-chave como datas, locais ou nomes (por exemplo, "Paris" como destino, "próxima semana" como data de viagem).
• Consciência do contexto: Manter a continuidade e resolver ambiguidades na conversa (por exemplo, entender pronomes ou referências).
• Lidar com ambiguidades: Usar o contexto para resolver palavras com múltiplos significados (por exemplo, "banco" como instituição financeira ou margem de rio).

Compreensão de idiomas no Copilot Studio

O Copilot Studio possui um modelo flexível para compreensão de idiomas, com múltiplas opções de configuração.

Orquestração generativa

A orquestração generativa utiliza modelos de linguagem para conectar inteligentemente tópicos, ações e conhecimentos. Essa capacidade permite reconhecimento multi-intenção, extração avançada de entidades e geração dinâmica de planos para consultas complexas.

Esse método é o padrão do Copilot Studio. Essa abordagem reconhece múltiplas intenções ou tópicos em um único enunciado, automaticamente encadeia ações e fontes de conhecimento, e gera respostas unificadas. É especialmente útil para lidar com conversas complexas que abrangem múltiplas áreas de negócios. A orquestração generativa tem limites, como cinco mensagens por tópico ou cadeia de ações, e 128 tópicos ou ações por orquestração, mas oferece uma maneira poderosa de ampliar a amplitude das conversas.

Saiba mais em Aplicar capacidades de orquestração generativa.

Orquestração clássica

Orquestração clássica usa frases de gatilho e roteamento determinístico de tópicos. Se a enunciação de um usuário corresponder a uma frase de gatilho, o tópico correspondente é executado. Se não houver correspondência, mecanismos de remédio pesquise fontes de conhecimento ou solicite esclarecimentos ao usuário.

NLU embutida

Essa abordagem era padrão, mas agora é a solução de recurso. O Copilot Studio oferece um modelo NLU pronto para uso que suporta frases de gatilho, entidades predefinidas e entidades personalizadas. Esse modelo permite que os agentes identifiquem a intenção do usuário e extraiam detalhes-chave como datas, destinos ou quantidades diretamente de uma consulta.

NLU+

Para alta precisão, use a opção NLU+. A opção NLU+ é ideal para aplicativos de nível empresarial grandes. Esses tipos de aplicativos normalmente consistem em um grande número de tópicos e entidades e usam um grande número de exemplos de treinamento. Além disso, se você tiver um agente habilitado para voz, os dados de treinamento do NLU+ também serão usados para otimizar os recursos de reconhecimento de fala.

Azure CLU integration

Para cenários mais avançados onde você não pode usar a orquestração generativa padrão, você pode integrar o Azure Conversational Language Understanding (CLU). O CLU oferece maior personalização, suporte multilíngue e extração complexa de entidades (por exemplo, múltiplas entidades "de"). Você deve mapear as intenções do CLU para os tópicos do Copilot Studio para mantê-los sincronizados. Essa opção é especialmente valiosa para vocabulários específicos do setor, idiomas que não são ingleses ou cenários que exigem maior precisão.

Principais características e limitações

Esta tabela compara as três abordagens de compreensão de linguagem no Copilot Studio. Ele destaca suas principais características e limitações para ajudar você a escolher o modelo certo para as necessidades de complexidade, escala e precisão do seu corretor.

Recursos e limitações	Orquestração generativa	Modelo NLU embutido	Modelo personalizado CLU do Azure
Principais Funcionalidades	Utiliza um modelo de linguagem grande Lida com enunciados complexos com múltiplas intenções, tópicos/ações e conhecimento Gera automaticamente perguntas para entradas ausentes Permite correções enquanto está correndo Produz uma resposta unificada baseada em resultados de tópicos, ações e conhecimento	Modelo pré-treinado padrão com tipos de entidades predefinidos Configurado usando frases trigger e entidades personalizadas (listas fechadas ou regex)	Suporta mais idiomas com modelos nativos Modelo personalizável de disparo de intenção para precisão ou necessidades específicas do setor Extração avançada de entidades (por exemplo, mesmo tipo, extração silenciosa) A extração de entidades pode usar o padrão Copilot Studio NLU
Limits	Cinco mensagens por tópico/cadeia de ações Limite de 128 tópicos e ações para gatilhos	Reconhecimento de intenção única por consulta Não pode ser estendido Preencher múltiplas entidades do mesmo tipo requer desambiguação	Reconhecimento de intenção única por consulta Configuração baseada em Azure e custos extras Tem limites de serviço Azure As intenções do CLU do Azure e os tópicos do Copilot Studio devem ser cuidadosamente mantidos em sincronia.

Saiba mais sobre Visão Geral de Compreensão de Linguagem (NLU).

Estrutura do tópico e recurso

Os temas mudaram de um caminho rígido baseado em intenção para uma abordagem mais flexível e focada na orquestração. Em vez de depender apenas de gatilhos e caminhos pré-definidos, os tópicos agora funcionam como instruções modulares que o agente pode usar ao orquestrar uma conversa. A orquestração generativa lida com a maior parte do roteamento interpretando a entrada do usuário de forma dinâmica, e os tópicos fornecem um recurso estruturado quando precisar de precisão.

O design mais tradicional e estruturado do tema faz com que as conversas pareçam naturais e eficientes. Tópicos podem ser pontos de entrada acionados por enunciados do usuário ou subtópicos reutilizáveis chamados por redirecionamentos ou eventos do sistema. Tópicos de desambiguação ajudam a evitar confusão quando múltiplos tópicos podem ser acionados, enquanto tópicos de remédio e de reforço conversacional oferecem redes de segurança quando o agente não consegue corresponder com confiança à intenção. Você também pode adicionar respostas generativas para extrair de fontes externas de conhecimento, garantindo que os usuários raramente fiquem sem resposta.

Saiba mais em Aplicar as melhores práticas aos temas de autoria.

Localização e idiomas

A linguagem usada por um agente do Copilot Studio é determinada pelo valor da variável do sistema: System.User.Language.

Essa variável atua como o ponto central de controle para todo comportamento relacionado à linguagem no agente. Você pode definir seu valor manualmente, programáticamente ou detectá-lo automaticamente.

Como funciona?

• Pesquisa de conhecimento no idioma do usuário: O Copilot Studio utiliza o valor de System.User.Language para buscar fontes de conhecimento na linguagem especificada. Essa abordagem significa que, mesmo que um usuário faça uma pergunta em um idioma, o agente traduz a consulta de busca para o conjunto de idiomas em System.User.Language (autotradução para consulta de busca).

• Responder no idioma do usuário: O agente gera respostas no idioma especificado por System.User.Language, independentemente do idioma usado na pergunta ou dos documentos originais (autotradução para geração de respostas).

• Substituição manual: Você pode definir manualmente o valor de System.User.Language para forçar o agente a operar em uma linguagem específica. Esse recurso é útil para testes ou para cenários onde você deve controlar explicitamente a linguagem. Saiba mais em Configurar e criar agentes multilíngues.

Detectar automaticamente linguagem falada

Você pode configurar o Copilot Studio para detectar automaticamente a linguagem falada ou escrita do usuário e definir a System.User.Language variável de acordo. Esse recurso permite experiências multilíngues sem precisar que os usuários especifiquem sua preferência de idioma.

Como funciona a detecção automática

• Detecção baseada em gatilhos: Quando o bot recebe uma mensagem, um gatilho inicia um fluxo de detecção de idioma.
• Definir variável do sistema: O bot atribui a linguagem detectada a System.User.Language.
• Resposta dinâmica: O agente continua a conversa no idioma detectado, tanto pesquisando conhecimento quanto gerando respostas de acordo.

Benefícios

• Experiência personalizada: Os usuários interagem no idioma preferido sem configuração manual.
• Experiência consistente: Todas as respostas e recuperações de conhecimento estão alinhadas com a linguagem detectada ou definida.
• Solução escalável: Suporta implantações globais com configuração mínima.

Dica

Revise a solução de exemplo que demonstra como permitir que agentes do Copilot Studio detectem automaticamente a linguagem falada de um usuário e mude para uma das linguagens aprovadas pelo fabricante para o agente: Linguagem de auto-detecção para respostas generativas

Melhores práticas para localização

• Configure as linguagens suportadas: Defina as linguagens primária e secundária para seu agente. Use arquivos de localização (JSON ou ResX) para fornecer traduções para prompts, mensagens e tópicos.
• Teste cenários multilíngues: Simule interações do usuário em diferentes idiomas para garantir transições suaves e respostas precisas.
• Use auto-tradução: Confie na tradução integrada do Copilot Studio para busca e geração de respostas de conhecimento, mas forneça traduções personalizadas para conteúdo crítico ou com nuances.
• Monitore e refine: Use análises para acompanhar o uso do idioma e melhorar a cobertura de localização ao longo do tempo.

Abordagens de linguagem para agentes do Copilot Studio:

• Agentes separados por idioma.
• Agentes multilíngues únicos com traduções pré-autorizadas.
• Agentes multilíngues em tempo real, usando serviços de tradução entre usuário e agente.

A abordagem correta depende do uso, das preocupações com separação, escala, cadência de atualização e recursos disponíveis.

Desafios técnicos identificados

Desafios típicos incluem garantir que os tópicos do Azure CLU e do Copilot Studio permaneçam sincronizados, lidar com enunciados ambíguos e escalar implantações multilíngues. A identificação precoce desses obstáculos permite planejar estratégias de mitigação, como configurações de backup, testes em massa de frases gatilho ou serviços de tradução baseados em relé.

O objetivo do entendimento de linguagem é garantir que cada agente possa interpretar as consultas dos usuários com precisão, se adaptar a linguagens e cenários diversos e lidar com elegância com o inesperado. Esse objetivo cria uma base sólida para construir conversas confiáveis, envolventes e eficientes no Copilot Studio.

Informações relacionadas

• Crie frases de disparo eficazes
• Implementar as melhores práticas de preenchimento de espaços
• Idiomas compatíveis com o Copilot Studio
• Idiomas com suporte do CLU do Azure
• Limites do CLU do Azure
• Preços do CLU do Azure
• Orquestrar o comportamento do agente com IA geradora