Använda entiteter och platsfyllning i agenter

En betydande del av agentkonversationerna i Copilot Studio består av en naturlig språkförståelse, nämligen möjligheten för AI att förstå en användares avsikt. En kund kan till exempel säga "Jag försökte använda mitt presentkort men det fungerar inte." Agenten vet att dirigera kunden till ämnet som rör presentkort som inte fungerar, även om den exakta frasen inte visas som en utlösarfras.

En grundläggande aspekt av den naturliga språkförståelsen är att identifiera entiteter i en användardialog.

En entitet kan ses som en enhet med information som representerar en viss typ av ett verkligt ämne. Till exempel ett telefonnummer, postnummer, stad eller till och med en persons namn. Med hjälp av den kunskap som beviljats av entiteter kan en agent känna igen den relevanta informationen i en användares indata och spara den för senare användning.

Förbyggda entiteter

Med entiteterna i agenter kan du lagra information i liknande grupper.

Copilot Studio stöder en uppsättning fördefinierade entiteter som representerar de vanligaste informationstyperna i verkliga dialogrutor, till exempel ålder, färger, siffror och namn.

Med den kunskap som ges av entiteter kan en agent smart identifiera relevant information från användarindata och spara den för senare användning.

För att förstå den uppfattningen ska vi använda entiteten Money som exempel.

1. Öppna din agent i Copilot Studio och välj Inställningar överst på sidan och sedan Entiteter på menyn.

   En lista över alla tillgängliga entiteter visas.

   

2. Välj entiteten Pengar . Detaljpanelen för entiteten öppnas.

   

Här kan du se en förklaring av den här entiteten och hur den kan användas för att extrahera information som rör pengar eller valuta från användarindata.

När en användare exempelvis matar in ”Det kostar 1 000 kronor” vet agenten, genom att använda entiteten ”pengar”, att ”1 000 kronor” representerar information av typen Pengar. När agenten extraherar den här informationen och sparar den i en variabel sparas "1 000" som ett tal trots att den omgivande informationen var text.

Anpassade entiteter

De fördefinierade entiteterna täcker vanliga informationstyper. Ibland, till exempel när du skapar en agent som har ett specifikt syfte, kan du behöva lära agentens språktolkningsmodell domänspecifik kunskap.

Låt oss till exempel anta att du vill skapa en agent för en friluftsbutik. I det här fallet måste du lära agenten att bekräfta kategorin "utomhusutrustningsprodukt" i en konversation.

Först skapar du en anpassad entitet. I det här fallet kan du skapa en entitet som ger agenten kunskap om samtliga kategorier för friluftsprodukter.

1. Gå till sidan Inställningar för din agent och välj Entiteter.

2. Välj Lägg till en entitet>Ny entitet.

3. Välj önskad typ av entitet: antingen a entitet stängd lista eller en entitet vanliga uttryck (regex).

   

Entiteter för stängda listor

Med entiteter med stängda listor kan du definiera en lista med objekt. Dessa entiteter används bäst för små listor som är enkla att hantera och som har enkla objektetiketter.

1. I Skapa en entitet väljer du Stängd lista.

2. I panelen som öppnas anger du ett namn för den nya entiteten, till exempel Camping-aktivitet.

3. Lägg till en beskrivning om du vill.

4. Under Listobjekt anger du värden som du vill associera med den här entiteten. Till exempel vandring och yoga.

   Du kan också ladda upp en fil med alla önskade värden som du vill lägga till för den här entiteten.

   När du anger objekt kan du:

   • Välj ett objekt och ändra dess namn.
   • Välj papperskorgsikonen för att ta bort objektet.
   • Välj Synonymer (eller välj de synonymer som visas om de redan har lagts till) för att öppna panelen Redigera synonymer .

   Du kan lägga till synonymer för att expandera matchande logik för varje värde i listan. För vandring kan du till exempel lägga till vandring och bergsklättring som synonymer.

   

5. Om du vill aktiverar du Smart matchning för den här entiteten.

   Smart matchning är en del av den information som stöds av agentens språkförståelsemodell. När smart matchning är aktiv tolkar agenten användarinmatning med suddig logik mot de värden som anges för entiteten.

   Dessutom kan agenten korrigera felstavningar automatiskt och expandera matchningslogiken semantiskt. Exempelvis kan agenten automatiskt matcha ”softball” med ”baseball”.

6. När du är klar med att skapa eller redigera entiteten väljer du Spara. Välj Stäng om du vill ignorera ändringarna.

   

Ladda upp värden för en sluten listentitet

Från informationspanelen för en sluten listentitet kan du lägga till eller ersätta den uppsättning värden och synonymer som är associerade med entiteten.

1. Förbered en textfil (högst 3 MB) med alla värden som du vill lägga till för din entitet, inklusive eventuella synonymer. Använd det här formatet: ett värde per rad och använd röret (|) som avgränsare för synonymer. Till exempel:

   hiking|trekking
   hiking|mountaineering
   yoga
   cycling|bicycling
   cooking
   

2. Under Listobjekt väljer du Ladda upp en fil.

3. I Ladda upp en fil väljer du önskat alternativ:

   • Om du vill lägga till nya värden och synonymer för din entitet väljer du Lägg till.
   • Om du vill ersätta alla befintliga värden och synonymer med listan från filen väljer du Ersätt.

4. Släpp filen i fönstret. Du kan också välja klicka för att bläddra, navigera till filen och välja den.

5. Granska de värden och synonymer som visas och välj Lägg till.

Ladda ned värden för en sluten listentitet

Från informationspanelen för en sluten listentitet kan du ladda ned en textfil med en uppsättning värden och synonymer som är associerade med entiteten.

1. Under Listobjekt väljer du Ladda ned en fil.

2. Spara den resulterande textfilen eller öppna den i en textredigerare för att granska dess innehåll. Varje entitetsvärde visas på en separat rad. Om ett värde har flera synonymer visas de på separata rader, så här:

   hiking|trekking
   hiking|mountaineering
   

Entiteter reguljärt uttryck (regex)

Med entiteter för reguljärt uttryck (regex) kan du definiera logiska mönster som du kan använda för att matcha och extrahera information från en indata. Regex-entiteter är bra för komplex mönstermatchning mot användarindata. De är också användbara om du behöver tillåta specifika variationer i hur en användare kan formatera eller ange sina indata i en konversation.

Du kan till exempel använda regex-entiteter för att identifiera objekt som ett spårnings-ID, ett licensnummer, ett kreditkortsnummer eller en IP-adress.

1. I Skapa en entitet väljer du Reguljärt uttryck (regex).

2. I panelen som öppnas anger du ett namn för den nya entiteten.

   

3. Lägg till en beskrivning om du vill.

4. Ange det mönster för reguljära uttryck som ska användas för att matcha och extrahera entitetsobjekt från indata.

   En Copilot Studio regex-entitet använder .NET-syntaxen som är vanlig.

   Som standard är mönstermatchning skiftlägeskänsligt. För att göra det skiftlägeskänsligt använda (?i) reguljärt uttrycksalternativ i din mönstersträng. Några grundläggande exempel finns i entitetsfönstret regex. Mer information om syntaxen och fler exempel finns i Språk för reguljärt uttryck – snabbreferens.

   Om du behöver göra det reguljära uttrycket rymt flera mönster kan du använda växlingsoperatorn för |att sammanfoga regelbundna förfallna mönster. Du kan till exempel kombinera två regex-mönster och söka efter både det gamla och nya formatet för en produkt-ID-kod.

5. När du är klar med att skapa eller redigera entiteten väljer du Spara. Välj Stäng om du vill ignorera ändringarna.

Använd entiteter i en konversation

Nu när din agent känner till utomhusutrustning tack vare entiteten Camping-aktivitet och andra anpassade entiteter som du har skapat kan du börja använda dem i din agent.

1. Gå till sidan Ämnen för din agent.

2. Öppna ämnet för en entitet som du vill samla in.

3. Välj ikonen Lägg till nod och välj sedan Ställ en fråga.

4. Under Identifiera väljer du den entitet du skapade i Anpassade entiteter.

   

5. Du kan även välja vilka objekt som ska visas som knappar. För att visa vissa kategorier som knappar och göra det enkelt för användarna att välja bland dessa som indata markerar du Välj alternativ för användare och väljer dem sedan i listan som innehåller de objekt du lade till när du skapade den anpassade entiteten.

   

6. Vid behov namnger du variabeln för utdata från användarens svar.

Platsfyllning

Platsfyllning är ett naturligt koncept för språkförståelse som innebär att en extraherad entitet sparas i ett objekt. I Copilot Studio innebär fackfyllning att det extraherade entitetsvärdet placeras i en variabel.

Låt oss fortsätta att använda temat campingaktiviteter, som utlöses genom att skriva ”Jag vill ha något att göra” i testchatten, som ett exempel.

Ämnet har utlösts och agenten frågar efter typen av aktivitet, och visar även de knappval som angavs när noden Fråga redigerades. Om du aktiverar alternativet för att spåra mellan ämnen visar dialogträdet också att agenten körs till den här frågenoden .

En användare kan välja en av knapparna för att använda de fördefinierade alternativen. Eftersom orden även har angetts som synonymer kan de också mata in ”trekking” (eller liknande) och se att den mappar till ”vandring”.

Spårningsvyn visar att dialogrutan är korrekt dirigerad till den sökväg där produktkategorivärdet är ”Vandring”. Du kan granska variabelvärdet från variabelns visningsfönster längst ned i redigeringsarbetsytan. Variabelvärdet ”vandring” visas i bevakningsfönstret.

Platsfyllning har enkelt uttryckt inträffat genom att den extraherade entiteten ”vandring” infogas i variabeln VarCampType.

Du kan även använda det som kallas ”proaktiv platsfyllning”, där användaren kan ange flera informationsdelar som mappar till flera entiteter. Agenten kan automatiskt förstå vilken information som tillhör vilken entitet. Om roboten är osäker på den avsedda mappningen erbjuder den användaren alternativ och uppmanar denne att ange mer specifik information.

I det här exemplet skrev användaren "Jag är uttråkad men jag gillar bergsklättring.". Det här meddelandet innehåller utlösarfrasen som användaren vill ha hjälp med utomhusaktiviteter och en andra information, "bergsklättring", som är en synonym för vandring. I det här fallet fyller agenten i både entiteten för att välja en utomhusaktivitet och för typen av aktivitet.

Spårningsvyn visar att agenten tar in den här användarindatan och intelligent hoppar över frågenoden som frågar efter typen av aktivitet.

Agenten lyssnar alltid aktivt till användarindatan och memorerar information direkt i syfte att kunna hoppa över onödiga steg.

Vi börjar med att starta om testet och prova ett annat ärende. I den här omgången kan du lägga till ytterligare ett par frågenoder som frågar efter saker som hur mycket tid du har för aktiviteten (med entiteten Varaktighet ) och prisintervallet (med entiteten Pengar ).

Den här gången, när frågan om produktkategori presenteras, kan användaren istället för att bara ange produktkategorin säga: ”Jag vill köpa ett par vandringskängor för under 100 USD”. I det här exemplet kan agenten inte bara navigera till rätt produktkategori för vandringsutrustning utan också automatiskt fylla i fält för typ av vandringsutrustning och önskad målprisklass.

Proaktiv platsfyllning kan styras manuellt på nodnivå. Om du alltid vill fråga efter frågan inom en specifik nod, oavsett om facket redan har fyllts i från tidigare användarsvar, kan du inaktivera alternativet Hoppa över fråga för den frågenoden . Utför följande steg för att inaktivera alternativet Hoppa över fråga.

1. Välj ikonen Mer (…) för noden Fråga och välj sedan Egenskaper. Panelen Frågeegenskaper öppnas.

   

2. Välj Frågebeteende i panelen Frågeegenskaper.

3. Välj Fråga varje gång under Hoppa över fråga i panelen Frågebeteende och välj sedan Spara längst upp på sidan.

   

Acceptera val av en enhet bland flera under en konversationsomgång

I vissa situationer kan en agent acceptera ett av flera giltiga svar vid en viss konversationssväng. Din agent kan till exempel uppmana en kund att ange antingen sitt kontonummer eller sitt telefonnummer. Du kanske också vill att din agent ska låta en kund ange att de inte har informationen och dirigera kunden därefter i stället för att omedelbart eskalera till en kundtjänstrepresentant.

1. Lägg till en frågenod.

2. Under Identifiera väljer du En av flera entiteter.

3. För varje entitet som du vill acceptera på den här noden väljer du Ny entitet och väljer önskad entitet. En frågenod kan ha stöd för upp till fem olika entiteter.

4. Välj standardvariabelnamnet under Spara användarsvar för att öppna panelen Variabelegenskaper och ändra namnet till något meningsfullt, till exempel Identifierare.

   Variabeln som lagrar det identifierade entitetsvärdet är av typen post, med ett element för varje entitet som stöds på den här noden, till exempel Identifier.account, Identifier.phone, Identifier.unknown.

5. Lägg till villkor för att dirigera konversationen enligt den information som kunden tillhandahåller. Det är bra praxis att konfigurera dina villkor med operatorn är inte tom (eller är tom).

Igenkänningsbeteende för "En av flera entiteter"

Den här typen av igenkänning är avsedd att identifiera en enskild entitet från en uppsättning möjliga entiteter vid en konversationssväng. Om en kund anger en instruktion som innehåller två eller flera av de entiteter som konfigurerats för identifiering på motsvarande frågenod identifierar agenten endast den första entiteten i listan. Se därför till att skapa frågorna och den villkorsstyrda logik som följer sådana frågenoder i enlighet med detta.

Anta till exempel att en frågenod är konfigurerad för att identifiera något av följande: ett bibliotekskortnummer, ett telefonnummer eller "Jag vet inte" i den här ordningen. Om en kund säger "Mitt telefonnummer är 777 555-1212 och mitt kortnummer är 123456789" är det identifierade entitetsvärdet kortnumret eftersom det är den första entiteten i listan över möjliga entiteter på motsvarande frågenod .

Om agenten inte kan identifiera någon av de entiteter som en frågenod har konfigurerats för att identifiera tillämpas det reprompt-beteende som angetts för den här noden.

Begränsningar

Följande är kända begränsningar för frågenoder som konfigurerats för att samla in en av flera entiteter vid en konversationssväng:

• Stöd som är begränsat till högst fem entiteter.

• Inget stöd för externa entiteter.

• Stöd för endast en entitet av en viss typ. En frågenod kan till exempel inte identifiera två entiteter av typen Datum.