การเพิ่มประสิทธิภาพข้อความทริกเกอร์และความเข้าใจภาษาธรรมชาติ
ข้อความทริกเกอร์ใน Copilot Studio คืออะไร
ข้อความทริกเกอร์จะฝึกโมเดลการเข้าใจภาษาธรรมชาติ (NLU) ของ Copilot ของคุณ
ข้อความทริกเกอร์ได้รับการกำหนดค่าที่ระดับหัวข้อและแจ้งให้ Copilot ทราบถึงสิ่งที่ผู้ใช้ทั่วไปพูดสำหรับหัวข้อเฉพาะที่ควรถูกทริกเกอร์
โดยทั่วไป ข้อความทริกเกอร์จะดูวิธีที่ผู้ใช้จะถามเกี่ยวกับปัญหาหรือประเด็นต่างๆ ตัวอย่างเช่น "ปัญหาวัชพืชในสนามหญ้า"
เคล็ดลับ
เมื่อสร้างหัวข้อใหม่ ผู้สร้างจะต้องระบุข้อความตัวอย่างสองสามวลีเท่านั้น (ควรอยู่ระหว่างห้าถึงสิบ) เมื่อใช้ Copilot, AI จะแยกวิเคราะห์สิ่งที่ผู้ใช้พูดและทริกเกอร์หัวข้อซึ่งมีความหมายใกล้เคียงกับคำพูดของผู้ใช้มากที่สุด
ความสำคัญของบริบทของการทริกเกอร์
Copilot Studio NLU ทำงานแตกต่างกันไปตามสถานะการสนทนา ซึ่งบางครั้งอาจนำไปสู่ลักษณะการทำงานที่แตกต่างกันสำหรับคำพูดของผู้ใช้คนเดียวกัน
ต่อไปนี้คือสถานะการสนทนาต่างๆ:
- จุดเริ่มต้นของการสนทนา : Copilot ไม่มีบริบท ดังนั้นคำพูดของผู้ใช้จึงควรดำเนินการอย่างใดอย่างหนึ่ง: ทริกเกอร์หัวข้อโดยตรง (การจดจำจุดประสงค์) ทริกเกอร์คำถามแก้ไขความคลุมเครือ "หรือคุณหมายถึง" (จับคู่หลายหัวข้อ) ในรายการที่มีจุดประสงค์ หากมีหัวข้อที่ตรงกันหลายหัวข้อ หรือไปที่หัวข้อสำรองหากไม่รู้จักจุดประสงค์
- หลังจาก "คุณหมายถึง" (ตรงกันหลายหัวข้อ) ถูกทริกเกอร์: NLU จะปรับให้ตรงกับหนึ่งในหัวข้อที่แนะนำโดยมีเกณฑ์ที่สูงขึ้นในการย้ายออกจากตัวเลือกที่นำเสนอ
- การสลับออกจากหัวข้อปัจจุบัน : หาก NLU พยายามเติมช่องว่างในหัวข้อและผู้ใช้ให้ข้อความค้นหาที่อาจทริกเกอร์หัวข้ออื่น (การสลับหัวข้อ)
เมื่อมีเครื่องหมายวรรคตอน
โมเดล NLU ไม่คำนึงถึงเครื่องหมายวรรคตอน รวมถึงเครื่องหมายคำถาม
การสร้างข้อความทริกเกอร์ใหม่
หากเป็นไปได้ ให้เริ่มด้วยข้อมูลการทำงานจริงแทนการสร้างข้อความทริกเกอร์ของคุณเอง ข้อความทริกเกอร์ที่ดีที่สุดคือข้อความที่คล้ายกับข้อมูลจริงที่มาจากผู้ใช้ ข้อความเหล่านี้เป็นข้อความที่ผู้ใช้ถาม Copilot ที่ปรับใช้
ไม่จำเป็นต้องเว้นคำเฉพาะ: โมเดลได้รับการออกแบบมาเพื่อให้น้ำหนักของคำที่ไม่จำเป็นน้อยลง เช่น คำหยุด (คำที่ถูกกรองออกก่อนการประมวลผลข้อมูลภาษาธรรมชาติ เนื่องจากเป็นคำที่ไม่มีนัยสำคัญ)
การปรับข้อความทริกเกอร์ให้เหมาะสม
# | เคล็ดลับ | ตัวอย่าง |
---|---|---|
1 |
มีข้อความทริกเกอร์อย่างน้อย 5-10 วลีต่อหัวข้อ ทำซ้ำและเพิ่มมากขึ้นเมื่อคุณเรียนรู้จากผู้ใช้ |
ค้นหาร้านค้าที่อยู่ใกล้ฉันที่สุด ตรวจสอบตำแหน่งที่ตั้งร้านค้า ค้นหาร้านค้า ค้นหาตำแหน่งที่อยู่ใกล้ที่สุดให้ฉัน ร้านค้าใกล้ฉัน |
2 |
เปลี่ยนโครงสร้างประโยคและคำสำคัญ โมเดลจะพิจารณารูปแบบต่างๆ ของข้อความเหล่านั้นโดยอัตโนมัติ |
เวลาที่คุณปิด เปิดทำการทุกวัน |
3 |
ใช้ข้อความทริกเกอร์สั้นๆ น้อยกว่า 10 คำ |
เวลาที่คุณเปิด |
4 |
หลีกเลี่ยงข้อความทริกเกอร์คำเดียว ซึ่งจะเพิ่มน้ำหนักให้กับคำเฉพาะในหัวข้อที่ทริกเกอร์ อาจทำให้เกิดความสับสนระหว่างหัวข้อที่คล้ายกัน |
จัดเก็บ |
5 | ใช้ข้อความที่สมบูรณ์ | ฉันสามารถพูดคุยกับผู้ช่วยที่เป็นมนุษย์ได้หรือไม่ |
6 | มีคำกริยาและนามเฉพาะหรือชุดรวมของคำเหล่านั้น |
ฉันต้องการฝ่ายบริการลูกค้า ฉันต้องการพูดคุยกับที่ปรึกษา |
7 |
หลีกเลี่ยงการใช้รูปแบบเอนทิตีเดียวกัน คุณไม่จำเป็นต้องใช้ตัวอย่างทั้งหมดจากค่าเอนทิตี NLU จะพิจารณารูปแบบทั้งหมดโดยอัตโนมัติ |
ฉันต้องการสั่ง เบอร์เกอร์ ฉันต้องการ พิซซ่า ฉันต้องการ นักเก็ตไก่ |
ปรับสมดุลจำนวนข้อความทริกเกอร์ต่อหัวข้อ
ลองปรับสมดุลจำนวนข้อความทริกเกอร์ระหว่างหัวข้อ
เคล็ดลับ
ด้วยวิธีนี้ ความสามารถของ NLU จะไม่ทำให้หัวข้อมีน้ำหนักมากเกินไปเมื่อเทียบกับอีกหัวข้อตามข้อความทริกเกอร์กำหนดค่าไว้
การประเมินผลกระทบของการเปลี่ยนแปลงของคุณ
เมื่ออัปเดตข้อความทริกเกอร์หรือเมื่อรวมหรือแยกหัวข้อ มีหลายวิธีในการประเมินการเปลี่ยนแปลง:
- การเปลี่ยนแปลงพฤติกรรมของ Copilot ในทันที ซึ่งสามารถสังเกตได้ผ่านพื้นที่ทำงาน "ทดสอบ Copilot" (เช่น หัวข้อที่ขณะนี้ทริกเกอร์หรือไม่ขึ้นอยู่กับการอัปเดตข้อความทริกเกอร์)
- การเปลี่ยนแปลงหลังจากการปรับใช้งาน Copilot และเผชิญกับการรับส่งข้อมูล ซึ่งแปลเป็นอัตราการส่งต่อที่สูงขึ้นหรือต่ำลง (ไม่เลื่อนระดับ) สังเกตได้จากแท็บการวิเคราะห์ใน Copilot Studio
เคล็ดลับ
คุณสามารถทดสอบการทริกเกอร์หัวข้อและวิธีที่โมเดล NLU ของคุณทำงานเทียบกับข้อมูลการทดสอบจำนวนมากได้ โดยใช้ประโยชน์จาก กรอบงานการทดสอบ Copilot
แม้ว่าคุณลักษณะและส่วนประกอบพื้นฐานที่ใช้ในการสร้างกรอบงานการทดสอบ Copilot (เช่น การทำงานกับ Direct Line API) ได้รับการสนับสนุนอย่างสมบูรณ์ แต่กรอบงานการทดสอบ Copilot เป็นการใช้งานตัวอย่างของคุณลักษณะเหล่านี้
ลูกค้าและชุมชนของเราสามารถใช้และปรับเปลี่ยนกรอบงานการทดสอบ Copilot เพื่อใช้การทดสอบจำนวนมากได้ หากคุณประสบปัญหากับกรอบงานการทดสอบ Copilot โปรดรายงานปัญหาที่นี่: https://aka.ms/PVASamples (ฝ่ายสนับสนุนของ Microsoft จะไม่ช่วยเหลือคุณเกี่ยวกับปัญหาของตัวอย่างเหล่านี้ แต่พวกเขาจะช่วยเหลือปัญหาเกี่ยวกับแพลตฟอร์มและคุณลักษณะพื้นฐานที่เกี่ยวข้อง)