แนวทางปฏิบัติที่ดีที่สุดของเอนทิตีและการเติมช่องว่างใน Copilot Studio

การเติมช่องว่างคืออะไร

การเติมช่องเกี่ยวข้องกับการใช้ เอนทิตี ที่ช่วยให้ Copilot ได้รับและใช้ข้อมูลได้ง่ายขึ้น โดยการระบุและแยกข้อมูลออกจากการสอบถามของผู้ใช้

โดยทั่วไปแล้ว Copilot ต้องการข้อมูลหลายชิ้นจากผู้ใช้เพื่อทำงาน เพื่อให้ได้ข้อมูลนี้ โดยทั่วไปคุณจะต้องถามคำถามแยกกัน โดยคำถามหนึ่งสำหรับข้อเท็จจริงแต่ละอย่างที่ Copilot ต้องการ เมื่อคุณใช้เอนทิตีในคำถามของคุณ Copilot Studio จะตรวจหาข้อมูลที่จำเป็นและข้ามคำถามที่ข้อมูลนั้นสามารถระบุได้ในการสอบถามของผู้ใช้ที่ทริกเกอร์

ตัวอย่างเช่น เมื่อผู้ใช้ถามว่า:

ฉันต้องการสั่งซื้อเสื้อยืดสีน้ำเงินขนาดใหญ่ 3 ตัว

ความเข้าใจภาษาธรรมชาติ (NLU) ของ Copilot Studio สามารถเข้าใจได้ทันทีว่า:

• หัวข้อคือ ใบสั่ง
• ปริมาณคือ 3
• สีคือ น้ำเงิน
• ชนิดสินค้าคือ เสื้อยืด

Copilot สามารถข้ามคำถามที่ไม่จำเป็นไปได้ หากไม่มีข้อมูลบางส่วน เช่น ขนาด ระบบจะถามคำถามที่ยังไม่ได้รับคำตอบก่อนที่จะดำเนินการต่อ การเติมช่องช่วยให้ Copilot ของคุณรับและใช้ข้อมูลได้ง่ายขึ้น และลดจำนวนคำถามที่คุณต้องถาม

ก่อนอื่น คุณต้องกำหนดเอนทิตีที่คุณต้องการใช้และชนิดของเอนทิตี

การกำหนดเอนทิตี

Copilot Studio มีเอนทิตีในตัวหลายรายการสำหรับกรณีการใช้งานทั่วไป เช่น อีเมล, วันที่และเวลา, ชื่อบุคคล, หมายเลขโทรศัพท์, สี, ประเทศ, เมือง, ตัวเลข, เงิน และอื่นๆ

เอนทิตีในตัวมีประสิทธิภาพเนื่องจากสามารถจัดการกับรูปแบบต่างๆ ของข้อมูลได้ ตัวอย่างเช่น เมื่อใช้ เงิน ในการสนทนา ผู้ใช้อาจป้อนค่าเป็น "100 ดอลลาร์" หรือ "หนึ่งร้อยดอลลาร์" หรือ "100 ดอลลาร์" โมเดล NLU ใน Copilot Studio คิดออกว่ามูลค่าเป็นมูลค่าเงิน 100 ดอลลาร์

เคล็ดลับ

อย่างไรก็ตาม ค่าจะถูกป้อนตราบเท่าที่มีการร้องขอพร้อมกับคำถามในการสนทนาของคุณ ค่าเหล่านั้นจะถูกจัดเก็บไว้ในตัวแปรที่คุณสามารถนำมาใช้ซ้ำได้

คุณยังสามารถกำหนดเอนทิตีแบบกำหนดเองของคุณเอง เช่น ชนิดสินค้า จากตัวอย่างที่แล้ว เอนทิตีแบบกำหนดเองสามารถมีได้สองชนิด:

• รายการแบบปิด: สำหรับรายการค่าที่กำหนดไว้ล่วงหน้า
• นิพจน์ทั่วไป (RegEx): สำหรับข้อมูลที่ตรงกับรูปแบบเฉพาะ RegEx เหมาะสมที่สุดเมื่อคุณต้องการบันทึกข้อมูลที่มีรูปแบบเดียวกันเสมอ (เช่น INC000001 สำหรับหมายเลขตั๋ว)

การปรับปรุงประสบการณ์ของผู้ใช้

การใช้เอนทิตีทำให้ชีวิตของคุณง่ายขึ้นโดยการให้ Copilot Studio รวบรวมข้อมูลจากการสืบค้นของผู้ใช้อย่างชาญฉลาดยิ่งขึ้น ที่สำคัญกว่านั้นคือทำให้ชีวิตของผู้ใช้ดีขึ้น เนื่องจากเอนทิตีสามารถค้นหาและจัดเก็บข้อมูลจากการสอบถามของผู้ใช้ จากนั้นทำให้ข้อมูลนั้นพร้อมใช้งานในการสนทนาต่อไปในภายหลัง เอนทิตีปรับปรุงประสบการณ์ผู้ใช้—ทำให้ Copilot ของคุณดูฉลาดขึ้น—และการใช้ทุกครั้งที่เป็นไปได้ ถือเป็นแนวปฏิบัติที่ดีที่สุดอย่างแน่นอน

แนวทางปฏิบัติที่ดีที่สุดของเอนทิตี

ใช้คำเหมือน

คุณสามารถเพิ่มคำเหมือนในค่าเอนทิตีรายการแบบปิดเพื่อขยายตรรกะการจับคู่สำหรับแต่ละรายการในรายการของเอนทิตีด้วยตนเอง ตัวอย่างเช่น ในรายการ "เดินทางไกล" คุณสามารถเพิ่ม "เดินป่า" และ "ปีนเขา" เป็นคำเหมือนได้

เคล็ดลับ

• การใช้คำเหมือนยังช่วยทริกเกอร์หัวข้อเนื่องจากจะเพิ่มน้ำหนักของข้อความทริกเกอร์ด้วยการเพิ่มคำที่เกี่ยวข้องเป็นคำเหมือนของเอนทิตีที่มีอยู่ ตัวอย่างเช่น สำหรับตัวเลือก "ข้อร้องเรียน" ให้เพิ่มคำหรือวลีเชิงลบที่คล้ายกันเป็นคำเหมือน
• โมเดล NLU ยังกำหนดรูปแบบทั่วไปของรูปแบบเอนทิตีทั้งหมด (นั่นคือ ค่าทั้งหมดและคำเหมือน) ในกรณีที่ข้อความทริกเกอร์หัวข้อมีรูปแบบของเอนทิตีนี้อย่างน้อยหนึ่งรูปแบบ กล่าวอีกนัยหนึ่ง ผู้สร้าง Copilot ควรรวมหนึ่งตัวอย่างหนึ่งของข้อความทริกเกอร์ที่มีการใช้เอนทิตีนี้เพียงครั้งเดียวเพื่อให้ NLU สรุปเกี่ยวกับรูปแบบเอนทิตีอื่น ๆ

เปิดใช้งานการจับคู่อัจฉริยะ

สำหรับแต่ละเอนทิตีรายการแบบปิด คุณยังสามารถเปิดใช้งาน Smart Matching ได้ด้วย

Smart Matching เป็นส่วนหนึ่งของความอัจฉริยะที่สนับสนุนโดยรูปแบบ NLU ของ Copilot เมื่อเปิดใช้งานตัวเลือกนี้ Copilot จะตีความข้อมูลป้อนเข้าของผู้ใช้โดยใช้ตรรกะคลุมเครือ โดยยึดตามรายการที่ระบุไว้ในเอนทิตี

โดยเฉพาะอย่างยิ่ง Copilot จะแก้ไขคำที่สะกดผิดและขยายตรรกะการจับคู่ตามความหมายโดยอัตโนมัติ ตัวอย่างเช่น Copilot สามารถจับคู่ "ซอฟต์บอล" กับ "เบสบอล"

สร้างสรรค์ด้วยนิพจน์ทั่วไป

บางครั้ง การแยกเอนทิตีจากการสอบถามของผู้ใช้อาจทำให้เกิดความสับสนสำหรับโมเดล NLU โดยเฉพาะอย่างยิ่งเมื่อมีเอนทิตีชนิดเดียวกันหลายรายการในการสอบถามของผู้ใช้

ตัวอย่างเช่น หากผู้ใช้พูดว่า:

คุณช่วยนำผ้าเช็ดตัว 2 ผืนและหมอน 1 ใบไปที่ห้อง 101 ได้ไหม

การใช้งานเอนทิตี ตัวเลข ในตัวจะสับสนระหว่าง 2, 1 และ 101 เพื่อหลีกเลี่ยงความสับสนนี้ คุณสามารถกำหนดเอนทิตีนิพจน์ทั่วไปต่อไปนี้:

• จำนวนผ้าขนหนู: ผ้าขนหนู [1-9] ผืน
• จำนวนหมอน: หมอน [1-9] ใบ
• หมายเลขห้อง: [0-9]{3}

ทางเลือกแทนเอนทิตีในการจัดเก็บข้อมูลอ้างอิง

สำหรับชุดข้อมูลขนาดใหญ่หรือที่กำลังพัฒนา (เช่น รายการผลิตภัณฑ์หรือลูกค้า) แทนที่จะใช้เอนทิติรายการแบบปิดของ Copilot Studio คุณอาจต้องการตรวจสอบแหล่งข้อมูลภายนอก คุณต้องส่งคำพูดของผู้ใช้ไปยังบริการภายนอกโดยใช้โฟลว์ระบบคลาวด์ Power Automate

จากนั้นตรรกะหัวข้อของคุณจะสามารถตรวจสอบความถูกต้องของผลลัพธ์ (หรือขอให้ผู้ใช้ตรวจสอบความถูกต้อง) ก่อนที่จะดำเนินการต่อในการสนทนา

Dataverse เป็นตัวเลือกที่ดีในการจัดเก็บข้อมูลดังกล่าว เนื่องจากมีความสามารถของ การค้นหา Dataverse ในตัวที่รองรับการจับคู่แบบคลุมเครือเพื่อส่งคืนผลลัพธ์ที่ดีที่สุดพร้อมกับคะแนนความเชื่อมั่น แม้จะค้นหาด้วยประโยคเต็มก็สามารถเรียกข้อมูลที่ตรงกันได้

เคล็ดลับ

หากต้องการตรวจสอบตัวอย่างการใช้งาน โปรดดู ส่งคืนรายการผลลัพธ์