Bästa metod för ämnesredigering i Microsoft Copilot Studio
Viktigt!
Power Virtual Agents-funktioner ingår nu i Microsoft Copilot Studio efter betydande investeringar i generativ AI och förbättrade integrationer mellan Microsoft Copilot.
Vissa artiklar och skärmbilder kan referera till Power Virtual Agents när vi uppdaterar dokumentation och utbildning.
Skapa och ordna ämnen på ett sätt som är hanterbart och kan underhållas för sammanhanget
Microsoft Copilot Studio erbjuder mycket flexibilitet när det ämneshantering. Det finns ingen storlek som passar alla, men det är bra att komma ihåg hur ämnen kan utlösas på olika sätt:
Ämnen kan utlösas utifrån användarens talindata och modellen för naturlig språkförståelse (NLU).
De här ämnena kan nästan ses som ämnen som startpunkter.
Om du har utlösandefraser som överlappar flera ämnen är det bra att ha ett ämne som matchar alla (eller disambigueringsämne) och sedan omdirigera till andra ämnen genom platsfyllning och förtydliga frågor.
Tack vare extraktion av entiteter kan du hoppa över förtydligande frågor och konversationen skickas direkt till rätt ämne, utan ytterligare indata från användaren.Ämnen kan utlösas när de anropas från en omdirigerad åtgärd.
Dessa ämnen kan innehålla konversations- och logiknoder, kan anropas av flera avsnitt och kan ha indata- och utdatavariabler. De är helst återanvändbara, lättsmälta ämnen.Ett ämne kan också vara båda.
Ämnen som till exempel utlöses genom avsiktsigenkänning eller en explicit omdirigering.Ämnen kan utlösas av andra händelser.
Exempelvis anpassade händelser, inaktivitet och så vidare.
Se fullständig lista med ämnesutlösare triggers för mer information.
Dricks
I följande exempel associeras utlösandefraser till två huvudavsnitt, som sedan bryts ned i logiken i flera avsnitt som anropas med omdirigeringsåtgärder.
En del ämnen kan anropas av flera andra ämnen: det är vanligt med ett ämne för slut på konversationen.
Tack vare platsfyllning och entitetsextraktion, om en användare säger "Jag måste avblockera mitt kreditkort", kommer ämnet Card
att utlösas och både frågorna Debit/Credit
och Block/Unblock
hoppas över eftersom CardType
och OperationType
kommer att härledas från utlösarfrasen. På så sätt anropas lämpligt Credit Card
underordnat ämne automatiskt, utan att användaren lämnar några ytterligare indata.
Skapa ämnen av mindre storlek
Det kan vara svårt att underhålla och uppdatera stora ämnen. Det är en bra idé att bryta ned pilotlogiken när det är möjligt, särskilt om delar av konversationslogiken kan delas med flera ämnen. Ämnen behöver inte alla ha utlösarfraser eftersom ämnen kan omdirigeras till andra ämnen och skicka variabel information fram och tillbaka.
Dricks
Det är ofta mer hanterbart att skapa många ämnen i mindre format än några stora ämnen. Om du använder den här metoden blir det också lättare att utlösa effektivare genom att tydligt mappa utlösandefraser till specifika ämnen som handlar om dessa områden.
Antalet ämnen är en konversationsdesignens inställning och beslut. Det resulterar antingen i att det finns några större ämnen (om det finns en anslutning) eller att ämnen är mindre (om de delas).
Dricks
För avsikter som är mer komplexa att känna igen (till exempel för generiska ord, som "begäran" eller "problem", eftersom dessa kan handla om olika saker), kan det vara ett bättre alternativ att dela upp ämnena, med adekvata utlösande fraser.
Skapa återanvändbara ämnen
När konversationsmeddelanden eller logiknoder delas av flera ämnen är det en bra idé att gruppera dem i en ny ämne i stället för att duplicera innehållet. På så sätt återspeglas en enskild uppdatering ämne i alla ämnen som omdirigeras till den.
Dricks
Om du anropar samma Power Automate molnflöden från flera Microsoft Copilot Studio ämnen med samma eller liknande före och efter noder är det en bra idé att gruppera dem i ett dedikerat ämne.
Undvik ämnesöverlappning
Övervaka och ta bort tvetydighet mellan avsnitt
När ämnen utlöses med NLU är det viktigt att undvika överlappningsproblem. Överlappningsproblem återspeglas ofta i ett stort antal ämnen med flera ämnen har matchats (kallas även "menar du")?
Du kan undvika dessa problem genom att minska överlappningen i avsiktens betydelse mellan utlösarfraserna i olika ämnen.
Dricks
För ämnen som utlöses med utlösandefraser bör du:
- Jämför utlösarfraserna i ämnen och ta bort tvetydiga par.
- Försök att inte använda samma ord i olika ämnens utlösafraser.
Det finns flera sätt att övervaka ämnesöverlappning:
- Analysera de användaranalyser som utlöser ämnet "menar du", eftersom det är en viktig kontroll att du överlappar
- Microsoft Copilot Studio innehåller funktionen identifiering av ämnesöverlappning feature, som låter robotförfattare identifiera överlappande ämnen som ska lösas därefter (ta bort/flytta utlösarfraser mellan ämnen).
Skapa ett disambigueringsämne
När flera ämnen har utlösarfraser som är för nära, kan du undvika ämnesöverlappning genom att skapa ett disambigueringsämne.
Dricks
För att fortsätta på föregående exempel, för att med säkerhet ta itu med scenarier som t.ex. "avblockera kreditkort" eller "avblockera debetkort", där användare kanske säger "avblockera kort" och NLU-modellen inte vet vilket specifikt ämne och vilken process som ska utlösas, kan du kalla ett generiskt Card
disambigueringsämne, använd en entitets platsfyllningsfråga för CardType
och starta lämpligt ämne därefter.
Använd entiteter för att minska antalet ämnen
Undvik dubbel logik om variabeln kan lagras i en variabel. I stället för att exempelvis skapa liknande ämnen som:
- Beställ pizza
- Beställ hamburgare
- Beställ drinkar
Du kan skapa:
- En ämne för
Order
- En entitet för
FoodType
, medPizzas
,Burgers
ochDrinks
som värden.
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för