Etkili dil anlayışı tasarla

Doğal dil anlayışı (NLU), Copilot Studio ajanlarının kullanıcı sorularını anlama ve ilgili, bağlamsal yanıtlar sunma sürecinin merkezinde yer alır. Niyet tanıma, varlık çıkarma ve yedekleme yönetimi için iyi tanımlanmış bir yaklaşım, ajanların iş ihtiyaçlarıyla uyumlu verimli ve doğal konuşmalar sunmasını sağlar.

Bir kullanıcı bir ajana bir şey girdiğinde, buna ifade denir. Ajan, bu ifadeyi niyet ve varlıklara ayırmalı, böylece aracın tepkisini hem doğal hem de verimli hissettirmelidir.

Dil anlayışı nedir?

Dil anlama (LU), makinelerin insan dilinin anlamını, niyetini ve bağlamını kavrayabilmelerini sağlayan Doğal Dil İşleme'nin (NLP) bir alt alanıdır.

Bir kullanıcının mesajının niyet ve varlıklara nasıl ayrıldığını gösteren bir diyagram. Biri, "Gelecek hafta Paris'e uçak rezervasyonu yapmak istiyorum" diye yazıyor. Mesaj bir ifade olarak etiketleniyor. "Uçuş rezervasyonu yapmak istiyorum" ifadesi niyet olarak tanımlanırken, "Paris" ve "gelecek hafta" varlık olarak tanımlanır. Sistem daha sonra kalkış şehri ve seyahat sınıfı gibi daha fazla detay istiyor. Diyagram, ajanın en iyi yanıtı belirlemek için niyet, varlıklar ve bağlamı nasıl kullandığını gösterir.

Dil anlama şunları içerir:

• Niyet tanıma: Kullanıcının ne elde etmek istediğini belirlemek (örneğin, "Gelecek hafta Paris'e uçak rezervasyonu" ifadesi, uçuş rezervasyonu niyetiyle eşleştirir).
• Varlık çıkarma: Tarihler, yerler veya isimler gibi temel detayların çıkarılması (örneğin, varış noktası olarak "Paris", seyahat tarihi olarak "gelecek hafta").
• Bağlam farkındalığı: Sürekliliği korumak ve konuşmadaki belirsizlikleri çözmek (örneğin zamirleri veya referansları anlamak).
• Muğnetliklerin yönetimi: Birden fazla anlamı olan kelimeleri çözmek için bağlam kullanmak (örneğin, "banka" bir finansal kurum veya nehir kıyısı).

Copilot Studio'da dil anlama

Copilot Studio, dil anlama için esnek bir modele sahiptir ve birden fazla yapılandırma seçeneği sunar.

üretken düzenleme

Üretken orkestrasyon , konuları, eylemleri ve bilgileri akıllıca bir şekilde zincirlemek için dil modellerini kullanır. Bu yetenek, çoklu niyetli tanıma, gelişmiş varlık çıkarımı ve karmaşık sorgular için dinamik plan oluşturma imkanı sağlar.

Bu yöntem Copilot Studio için varsayılan yöntemdir. Bu yaklaşım, tek bir ifadede birden fazla niyet veya konuyu tanır, eylemleri ve bilgi kaynaklarını otomatik olarak zincirler ve birleşik yanıtlar oluşturur. Özellikle birden fazla iş alanını kapsayan karmaşık konuşmaları yönetmek için kullanışlıdır. Üretken orkestrasyonun sınırları vardır; örneğin her konu veya eylem zinciri başına beş mesaj ve her orkestrasyon başına 128 konu veya eylem olur, ancak bu da konuşma genişliğini ölçeklendirmek için güçlü bir yol sunar.

Daha fazla bilgi için Üretici Orkestrasyon Yeteneklerini Uygula.

Klasik düzenleme

Klasik orkestrasyonda tetikleyici ifadeler ve deterministik konu yönlendirmesi kullanılır. Bir kullanıcının ifadesi tetikleyici ifadeyle eşleşirse, ilgili konu çalışır. Eşleşme yoksa, yedek mekanizmalar bilgi kaynaklarını arayar veya kullanıcıdan açıklama ister.

Yerleşik NLU

Bu yaklaşım varsayılan yöntemdi ama şimdi yedek yaklaşım haline geldi. Copilot Studio, tetikleyici ifadeleri, önceden tanımlanmış varlıkları ve özel varlıkları destekleyen kutudan çıkan bir NLU modeli sunar. Bu model, ajanların kullanıcı niyetini tanımlamasını ve tarih, varış noktası veya miktar gibi temel detayları doğrudan bir sorgudan çıkarmasını sağlar.

NLU+

Yüksek isabet için NLU+ seçeneğini kullanın. NLU+ seçeneği büyük kurumsal sınıf uygulamalar için idealdir. Bu tür uygulamalar genellikle çok sayıda konu ve varlık içerir ve çok sayıda eğitim örneği kullanır. Ayrıca , ses özellikli bir aracınız varsa NLU+ eğitim verileriniz de konuşma tanıma özelliklerinizi iyileştirmek için kullanılır.

Azure CLU integration

Varsayılan üretken orkestrasyonu kullanamadığınız daha gelişmiş senaryolar için, Azure Conversational Language Understanding (CLU) entegre edebilirsiniz. CLU daha fazla özelleştirme, çok dilli destek ve karmaşık varlık çıkarımı (örneğin, birden fazla "denen" varlık) sağlar. CLU niyetlerini Copilot Studio konularına eşlemeniz gerekir ki onları senkronize tutarsınız. Bu seçenek, özellikle sektöre özgü kelime defterleri, İngilizce olmayan diller veya daha yüksek doğruluk gerektiren senaryolar için değerlidir.

Temel özellikler ve sınırlamalar

Bu tablo, Copilot Studio'daki üç dil anlama yaklaşımını karşılaştırmaktadır. Temsilcinizin karmaşıklığı, ölçeki ve doğruluk ihtiyaçlarına uygun doğru modeli seçmenize yardımcı olmak için temel özelliklerini ve sınırlamalarını vurgular.

Özellikler ve sınırlamalar	üretken düzenleme	Dahili NLU modeli	Özel Azure CLU modeli
Önemli Özellikler	Büyük bir dil modeli kullanır Birden fazla niyet, konu/eylem ve bilgiye sahip karmaşık ifadeleri yönetir Eksik girdiler için otomatik olarak sorular oluşturur Çalışırken düzeltme yapılmasına izin verir Konular, eylemler ve bilgi çıktılarına dayalı birleşik bir cevap üretir	Öntanımlı varlık tiplerine sahip varsayılan ön eğitilmiş model Tetikleyici ifadeler ve özel varlıklar (kapalı listeler veya regex) kullanılarak yapılandırılmıştır	Daha fazla dili yerel modellerle destekler Doğruluk veya sektöre özgü ihtiyaçlar için özelleştirilebilir niyet tetikleyici model Gelişmiş varlık çıkarımı (örneğin, aynı tip, sessiz çıkarma) Varlık çıkarımı Copilot Studio standardı NLU kullanabilir
Limits	Her konu/eylem zinciri için beş mesaj Tetikleme için 128 konu ve eylem sınırı	Sorgu başına tek niyet tanıma Uzatılamaz Aynı türden birden fazla varlığın slotu doldurması için anlaşılmazlık gereklidir	Sorgu başına tek niyet tanıma Azure tabanlı yapılandırma ve ek maliyetler Azure servis sınırları var Azure CLU niyetleri ve Copilot Studio konuları dikkatli bir şekilde senkronize tutulmalıdır.

Doğal dil anlama (NLU) genel bakışında daha fazla bilgi edinin.

Konu yapısı ve yedek

Konular, katı, niyet odaklı bir yoldan daha esnek, orkestrasyon öncelikli bir yaklaşıma kaydı. Konular artık yalnızca önceden tanımlanmış tetikleyicilere ve yollara dayanmak yerine, ajanın bir konuşmayı yönetirken başvurabileceği modüler talimatlar olarak işlev görüyor. Üretken orkestrasyon, kullanıcı girdisini dinamik olarak yorumlayarak çoğu yönlendirmeyi yönetir ve konular hassasiyet gerektiğinde yapılandırılmış yedek sağlar.

Daha geleneksel yapılandırılmış konu tasarımı, sohbetleri doğal ve verimli hissettirir. Konular, kullanıcı ifadeleriyle tetiklenen giriş noktaları veya yönlendirmeler veya sistem olaylarıyla çağrılan yeniden kullanılabilir alt konular olabilir. Anlam ayrımı konuları birden fazla konu tetiklenebileceğinde karışıklığı önlemeye yardımcı olurken, yedek ve konuşma destekleyici konular, ajan niyetle kendinden emin şekilde eşleşemediğinde güvenlik ağları sağlar. Ayrıca, üretken cevapları dış bilgi kaynaklarından alarak kullanıcıların nadiren yanıt almamasını sağlar.

Daha fazla bilgi edinin : En iyi uygulamaları yazarlık konularına uygula.

Yerelleştirme ve diller

Bir Copilot Studio ajanı tarafından kullanılan dil, sistem değişkeninin değeriyle belirlenir: System.User.Language.

Bu değişken, ajandaki tüm dil ile ilgili davranışlar için merkezi kontrol noktası olarak görev yapar. Değerini manuel olarak, programatik olarak ayarlayabilir veya otomatik olarak algılayabilirsin.

Nasıl çalışır?

• Kullanıcının dilinde bilgi arama: Copilot Studio, belirtilen dilde bilgi kaynaklarını aramak için değerini kullanır System.User.Language . Bu yaklaşım, bir kullanıcı bir dilde soru sorsa bile, ajanın arama sorgusunu içinde System.User.Language (arama sorgusu için otomatik çeviri) dil setine çevirmesi anlamına gelir.

• Kullanıcının dilinde yanıt ver: Ajan, soruda veya orijinal belgelerde kullanılan dil (cevap oluşturma için otomatik çeviri) ne olursa olsun, belirtilen dilde System.User.Languagecevaplar üretir.

• Manuel geçersiz kılma: Ajanı belirli bir dilde çalışmaya zorlamak için değerini System.User.Language manuel olarak ayarlayabilirsiniz. Bu özellik, test yapmak veya dili açıkça kontrol etmek zorunda olduğunuz senaryolar için faydalıdır. Daha fazla bilgi için bkz. Çok dilli aracıları yapılandırma ve oluşturma.

Otomatik algılama konuşulan dil

Copilot Studio'yu kullanıcının konuşulan veya yazılı dilini otomatik olarak algılayacak şekilde ayarlayabilir ve değişkeni System.User.Language buna göre ayarlayabilirsiniz. Bu özellik, kullanıcıların dil tercihlerini belirtmesini gerektirmeden kesintisiz çok dilli deneyimler sunar.

Otomatik algılama nasıl çalışır

• Tetikleyici tabanlı algılama: Bot bir mesaj aldığında, tetikleyici dil algılama akışını başlatır.
• Sistem değişkenini ayarla: Bot tespit edilen dili 'ye atar System.User.Language.
• Dinamik yanıt: Ajan, algılanan dilde konuşmaya devam eder, hem bilgi ararı hem de buna göre yanıtlar üretir.

Fayda -ları

• Kişiselleştirilmiş deneyim: Kullanıcılar, tercih ettikleri dilde manuel yapılandırma olmadan etkileşim kurar.
• Tutarlı deneyim: Tüm yanıtlar ve bilgi alımları, tespit edilen veya belirlenen dille uyumludur.
• Ölçeklenebilir çözüm: Minimal yapılandırma ile küresel dağıtımları destekler.

Tavsiye

Copilot Studio ajanlarının kullanıcının konuşulan dilini otomatik olarak algılayıp ajan için üretici onaylı dillerden birine geçişini nasıl mümkün kılacağını gösteren örnek çözümü inceleyin: Üretken yanıtlar için otomatik algılama dili

Yerelleştirme için en iyi uygulamalar

• Desteklenen dilleri yapılandırmak: Ajanınız için birincil ve ikincil dilleri tanımlayın. İstimler, mesajlar ve konular için çeviri sağlamak amacıyla yerelleştirme dosyalarını (JSON veya ResX) kullanın.
• Çok dilli senaryoları test edin: Farklı dillerde kullanıcı etkileşimlerini simüle ederek sorunsuz geçişler ve doğru yanıtlar sağlanır.
• Otomatik çeviri kullanın: Bilgi arama ve cevap üretimi için Copilot Studio'nun yerleşik çevirisine güvenin, ancak eleştirel veya nüanslı içerik için özel çeviriler sağlayın.
• İzleyin ve iyileştirin: Dil kullanımını takip etmek ve zamanla yerelleştirme kapsamasını iyileştirmek için analitik kullanın.

Copilot Studio ajan dili yaklaşımları:

• Dil başına ayrı ajanlar.
• Önceden yazılmış çevirilere sahip tek çok dilli ajanlar.
• Kullanıcı ile ajan arasında çeviri hizmetleri kullanan gerçek zamanlı çok dilli ajanlar.

Doğru yaklaşım, kullanıma, ayrım, ölçek, güncelleme ritmi ve mevcut kaynaklara bağlıdır.

Belirlenen teknik zorluklar

Tipik zorluklar arasında Azure CLU ve Copilot Studio konularının senkronize kalmasını sağlamak, belirsiz ifadeleri yönetmek ve çok dilli dağıtımları ölçeklendirmek yer alır. Bu engellerin erken belirlenmesi, geri dönüş yapılandırmaları, tetikleyici ifadelerin toplu testi veya röle tabanlı çeviri hizmetleri gibi azaltma stratejileri planlamanıza olanak tanır.

Dil anlayışının amacı, her ajanın kullanıcı sorgularını doğru yorumlayabilmesini, farklı dillere ve senaryolara uyum sağlamasını ve beklenmedik durumları zarifçe yönetebilmesini sağlamaktır. Bu hedef, güvenilir, ilgi çekici ve verimli Copilot Studio sohbetleri oluşturmak için güçlü bir temel oluşturur.

İlgili bilgiler

• Etkili tetikleyici ifadeler tasarla
• Yuva doldurma en iyi uygulamaları uygulanır
• Copilot Studio desteklenen diller
• Azure CLU desteklenen dilleri
• Azure CLU sınırları
• Azure CLU fiyatlandırması
• Üretici yapay zeka ile aracı davranışını düzenleme