定義聊天機器人主題

重要

在對生成式 AI 進行大量投資並增強 Microsoft Copilot 的整合後，Power Virtual Agents 的功能和特性現已成為 Microsoft Copilot Studio 的一部分。

當我們更新文件和培訓內容時，某些文章和螢幕擷取畫面可能會參考 Power Virtual Agents。

為機器人定義最佳主題需要了解使用者可能提出的問題或他們嘗試完成的工作，以及您需要提供的資訊和自動化類型。

例如，零售聊天機器人可能一開始就要求使用者從他們想要做的四件事中做出選擇：尋找商店、下訂單、檢查訂單狀態，或退回已購產品。 使用者的回答可能會引他們進入四個主題之一，每個主題都有各自的主題對話。

此資訊初始的一組來源包括：

• 任何現有的常見問題 (FAQ) 或知識庫 (KB)。
• 員工或客戶在內部或客戶服務案例中提出的一般主題。 如果您正在建立客戶服務機器人，請洽詢現有的服務代表，了解有哪些最常見的問題以及通常被問到的順序。

主題的不同類型

機器人使用者通常會有他們想要解決的特定疑問或難題，或者他們想要解決的問題 (他們的「工作」)。 機器人使用者執行的工作類型 (以及因而必須建立的機器人主題類型) 分為三個類別：

1. 資訊：例如，什麼是...？、何時會...？、為什麼...？
2. 工作完成：我想要...、該如何...？。
3. 疑難排解：有些項目無法運作…、我收到錯誤訊息…。

您可能還需要建立機器人主題來處理模棱兩可的使用者問題，例如我需要協助或購物。 這些主題會要求機器人使用者進行澄清，以便將他們路由至正確的主題。

主題設計程序

1. 識別主題

   • 選擇機器人使用者所詢問的主題。
   • 從有高度影響的主題開始處理。
   • 從終端使用者的角度考慮主題。 請記住，他們可能不如您熟悉或了解某個領域。

2. 列出所有案例

   • 列出所有可能案例。
   • 將案例分類：資訊、工作完成和疑難排解。
   • 將主題階層化：使用者最初問的是什麼問題？

3. 設計概略交談樹狀結構

   • 繪製交談樹狀結構
   • 定義每個主題內部所提問題的階層。
   • 定義最少數量的問題以了解情況並提供正確的解決方案。

4. 驗證並逐一查看設計

   • 在發佈前大聲朗讀對話，以協助確定語氣或字句是否存在問題。
   • 取得分析並讀取工作階段文字記錄以進一步最佳化。
   • 觀察機器人使用者在每次製作反覆運算後與機器人的互動情形，以持續逐一查看並完善機器人主題。

重要

• 不要只是複製您的網站或應用程式已經可以進行的工作；客戶可能很熟悉您的網站或應用程式，並且可以自行完成一般工作，並不需要與機器人互動。
• 首先專注於為產生大量聊天或通話的問題或案例建立主題。 過一段時間後，再處理其他不太重要的長尾問題。
• 在設計中要盡可能全面，並考慮使用者可能詢問或需要協助的所有潛在案例。

對單回合和多回合互動都要進行規劃

對於簡單互動，您可以建立僅包含一個問題和一個解答的單回合交談。 但是較具實質性的主題需要使用者和機器人之間多次往來互動的多回合交談。

例如，如果使用者向零售機器人詢問附近是否有任何商店，聊天機器人可能會以您居住在哪一個城市和您的郵遞區號是什麼？等問題來回應，以縮小其可能的回覆。 使用者的回覆會決定機器人在交談中的下一次回應。

使用原生的生成式 AI 功能

設計聊天機器人時，您可能無法預測機器人使用者會問的所有問題類型。 為了緩解這種情況，Microsoft Copilot Studio 整合 AI 提供的強大功能，可使用自然語言理解 (NLU) 模型中最新的進展。

為機器人啟用輔助交談選項，並將聊天機器人連結至公開可用、Bing 索引的網站時，機器人可以提供自動產生的、有利於交談的白話回應，而無需為每個可能發生的事件或「邊緣案例」建立主題。

卸載大量單回合問題和解答配對

Microsoft Copilot Studio 將聊天機器人限制在 1,000 個主題。

如果您有大量的常見問題或知識庫，則可以在 Microsoft Copilot Studio 主題之外加以卸載，同時使用後援主題，在 Microsoft Copilot Studio 中提供單一使用者體驗，從而避免為每個問題和解答配對各建立一個主題。

提示

適用於語言的 Azure 認知服務中的問題解答提供可讓您在資料上建立自然交談層的雲端式自然語言處理 (NLP)。 這用來在資訊的自訂知識庫中，為任何輸入尋找最適當的解答。 了解如何在 Microsoft Copilot Studio 中整合問題解答。

主題製作最佳做法