Microsoft Copilot Studio 中的實體和槽填充最佳做法

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。

什麼是槽填充？

槽位填寫與實體的使用有關，實體使副手可以透過從使用者查詢中識別和提取資訊來更輕鬆地獲取和使用資訊。

副手通常需要使用者提供幾個資訊才能完成其工作。 為了獲取這些資訊，您通常會提出單獨的問題，一個問題對應副手需要的各個事實。 在問題中使用實體時，Microsoft Copilot Studio 會偵測出所需的資訊，並跳過可在觸發使用者查詢中找到資訊的問題。

例如，當使用者提出下列問題時：

我想要訂購 3 件藍色大號 T 恤衫

Microsoft Copilot Studio 自然語言理解 (NLU) 可立即了解：

• 主題是訂購。
• 數量為 3 件。
• 色彩為藍色。
• 品項類型為 T 恤衫。

然後，副手可以跳過不必要的問題。 如果缺少某些資訊 (例如尺碼)，則會先提出未回答的問題，再繼續進展。 槽位填寫可以讓您的副手更輕鬆地獲取和使用資訊，並減少您需要提出的問題數量。

您可以先定義想要使用的實體，再定義其類型。

定義實體

Microsoft Copilot Studio 為最常見的使用案例提供數個內建實體，例如電子郵件、 日期與時間、人員姓名、電話號碼、色彩、國家/地區、城市、數字、金額及其他。

內建實體的功能很強大，因為這些實體可以處理資訊所能採用形式的許多變化。 例如，在交談中使用金額時，使用者可能會輸入 "$100"、"一百美元" 或 "100 美元" 的值。 Microsoft Copilot Studio 中的 NLU 模型明白此值是 100 美元的貨幣值。

提示

無論輸入值如何，只要在交談流程中透過問題來要求該值，這些值就會儲存在可以重複使用的變數中。

您也可以定義自己的自訂實體，例如上一個範例中的品項類型。 自訂實體可以有兩種類型：

• 關閉清單：適用於預先定義的值清單。
• 規則運算式 (RegEx)：適用於符合特定模式的資訊。 當您需要擷取始終遵循相同格式的資料 (例如，票證號碼 INC000001) 時，RegEx 是最理想的選擇

改善使用者體驗

使用實體讓 Microsoft Copilot Studio 更聰明地從使用者查詢收集資訊，使您的生活變得更簡單。 更重要的是，改善了使用者的生活，因為實體可以透過使用者查詢尋找和儲存資訊，繼而在稍後的交談中提供該資訊。 實體可以改善使用者體驗——它們讓副手看起來更聰明——最好能盡量使用實體。

實體最佳做法

使用同義字

您可以將同義字新增至關閉清單實體值，以便手動擴充實體清單中每個項目的比對邏輯。 例如，在健行項目中，您可以新增徒步旅行和登山做為同義字。

提示

• 使用同義字還有助於主題觸發，因為同義字會將相關文字新增為主題中所含實體的同義字，從而增加觸發字詞的權數。 例如，對於 [投訴] 選項，將類似的負面文字或片語新增為同義字。
• NLU 模型還會對所有實體變化 (即其所有的值以及同義字) 進行一般化，以防主題觸發字詞包含至少一個該實體的變化。 換句話說，聊天機器人作者應該加入一個觸發字詞的範例，以及此實體的一種使用方式，讓 NLU 對其他實體變化進行一般化。

啟用智慧型比對

您也可以為各個關閉清單實體啟用智慧比對。

「智慧比對」是副手 NLU 模型支援的一部分智慧功能。 啟用此選項後，副手會根據實體中列出的項目，使用模糊邏輯解釋使用者輸入。

特別是，機器人會自動更正拼字錯誤，並在語意上擴充其比對邏輯。 例如，機器人可以自動將壘球與棒球比對。

使用規則運算式發揮創意

從使用者查詢擷取實體有時可能會對 NLU 模型造成混淆，尤其是在使用者查詢中存在多個相同類型的實體時。

例如，如果使用者說：

您可以帶 2 條毛巾和 1 個枕頭到 101 室嗎

使用內建數字實體會在 2、1 和 101 之間產生混淆。 若要避免這種混淆，您可以定義下列規則運算式實體：

• 毛巾數量：[1-9] 條毛巾
• 枕頭數量：[1-9] 個枕頭
• 房間號碼：[0-9]{3}

替代實體來儲存參考資料的方法

對於大型或不斷演變的資料集 (例如產品或客戶清單)，您可能需要檢查外部來源，而不是使用 Microsoft Copilot Studio 關閉清單實體。 您必須使用 Power Automate 雲端流程，將使用者表達傳遞至外部服務。

然後您的主題邏輯就可以先驗證結果的正確性 (或要求使用者進行驗證)，再繼續於交談中進展。

Dataverse 是儲存這類資料的良好候選方案，因其提供支援模糊比對的內建 Dataverse 搜尋功能，可以將最佳結果與信賴度分數一起傳回。 即便使用完整的句子進行搜尋，還是可以擷取可能的相符項目。

提示

請參閱此處的範例實作：傳回結果清單