แนวทางปฏิบัติที่ดีที่สุดของเอนทิตีและการเติมช่องว่างใน Microsoft Copilot Studio

สำคัญ

ความสามารถและคุณลักษณะต่างๆ ของ Power Virtual Agents เป็น ส่วนหนึ่งของ Microsoft Copilot Studio แล้ว ภายหลังการลงทุนที่สำคัญใน Generative AI และการรวมที่ได้รับการปรับปรุงใน Microsoft Copilot

บทความและภาพหน้าจอบางรายการอาจอ้างถึง Power Virtual Agents ในขณะที่เราอัปเดตคู่มือและเนื้อหาการฝึกอบรม

การเติมช่องว่างคืออะไร

การเติมช่องเกี่ยวข้องกับการใช้ เอนทิตี ที่ช่วยให้ Copilot ได้รับและใช้ข้อมูลได้ง่ายขึ้น โดยการระบุและแยกข้อมูลออกจากการสอบถามของผู้ใช้

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

ตัวอย่างเช่น เมื่อผู้ใช้ถามว่า:

ฉันต้องการสั่งซื้อเสื้อยืดสีน้ำเงินขนาดใหญ่ 3 ตัว

ความเข้าใจภาษาธรรมชาติ (NLU) ของ Microsoft Copilot Studio สามารถเข้าใจได้ทันทีว่า:

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

Copilot สามารถข้ามคำถามที่ไม่จำเป็นไปได้ หากไม่มีข้อมูลบางส่วน เช่น ขนาด ระบบจะถามคำถามที่ยังไม่ได้รับคำตอบก่อนที่จะดำเนินการต่อ การเติมช่องช่วยให้ Copilot ของคุณรับและใช้ข้อมูลได้ง่ายขึ้น และลดจำนวนคำถามที่คุณต้องถาม

ก่อนอื่น คุณต้องกำหนดเอนทิตีที่คุณต้องการใช้และชนิดของเอนทิตี

การกำหนดเอนทิตี

Microsoft 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 Microsoft 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 Microsoft 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 ผู้สร้างแชทบอทควรใส่ตัวอย่างหนึ่งของข้อความทริกเกอร์กับการใช้งานหนึ่งรายการของเอนทิตีนี้เพื่อให้ NLU นำไปสรุปเกี่ยวกับการเปลี่ยนแปลงของเอนทิตีอื่นๆ

เปิดใช้งานการจับคู่อัจฉริยะ

สำหรับแต่ละเอนทิตีรายการแบบปิด คุณยังสามารถเปิดใช้งาน Smart Matching ได้ด้วย

Smart Matching เป็นส่วนหนึ่งของความอัจฉริยะที่สนับสนุนโดยรูปแบบ NLU ของ Copilot เมื่อเปิดใช้งานตัวเลือกนี้ Copilot จะตีความข้อมูลป้อนเข้าของผู้ใช้โดยใช้ตรรกะคลุมเครือ โดยยึดตามรายการที่ระบุไว้ในเอนทิตี

โดยเฉพาะอย่างยิ่ง บอทจะแก้ไขคำที่สะกดผิดโดยอัตโนมัติและขยายตรรกะการจับคู่ตามความหมาย ตัวอย่างเช่น บอทสามารถจับคู่ "ซอฟต์บอล" กับ "เบสบอล" ได้โดยอัตโนมัติ

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 Microsoft Copilot Studio คุณอาจต้องการตรวจสอบแหล่งข้อมูลภายนอก คุณต้องส่งคำพูดของผู้ใช้ไปยังบริการภายนอกโดยใช้โฟลว์ระบบคลาวด์ Power Automate

จากนั้นตรรกะหัวข้อของคุณจะสามารถตรวจสอบความถูกต้องของผลลัพธ์ (หรือขอให้ผู้ใช้ตรวจสอบความถูกต้อง) ก่อนที่จะดำเนินการต่อในการสนทนา

Dataverse เป็นตัวเลือกที่ดีในการจัดเก็บข้อมูลดังกล่าว เนื่องจากมีความสามารถของ การค้นหา Dataverse ในตัวที่รองรับการจับคู่แบบคลุมเครือเพื่อส่งคืนผลลัพธ์ที่ดีที่สุดพร้อมกับคะแนนความเชื่อมั่น แม้จะค้นหาด้วยประโยคเต็มก็สามารถเรียกข้อมูลที่ตรงกันได้

เคล็ดลับ

ดูตัวอย่างการใช้งานที่นี่: ส่งคืนรายการผลลัพธ์