- Hjem
- /
- Artikel
Tak for din feedback.
Administrationsvejledning til Webex AI Agent Studio
I denne artikel
Har du feedback?Denne artikel beskriver oversigten over Webex AI Agent Studio og dets funktioner, opsætning af AI-agentkonfiguration, integration af AI-agenter med stemme digitale kanaler og rapporter fra AI-agenter.
Introduktion til Webex AI Agent
Webex AI Agent er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner for Webex AI-agent
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse for at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i betaversion. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI-agent
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI-agent. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI-agent for at få adgang til programmet.
Systemet krydsstarter Webex AI Agent-programmet i en anden browserfane, og du bliver automatisk logget på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til Webex AI-agentprogrammet, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI-agent for at få adgang til programmet.
Systemet krydsstarter Webex AI Agent-programmet i en anden browserfane, og du bliver automatisk logget på programmet.
Startsidelayout
Velkommen til Webex AI Agent-platformen. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI-agent i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelig for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI-agentplatformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af oplysninger til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden Vidensbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
- Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agenter.
Oprette videnbase for AI-agenter
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
På siden Videnbaser skal du klikke på knappen +Opret videnbase i øverste højre hjørne. |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger . Du kan se og spore detaljerne for de filer, du har uploadet, og de dokumenter, du har oprettet. Klik på ikonet Rediger for at redigere videnbasefilerne. Rediger filnavnet på filen, hvis det er nødvendigt. Du kan også slette de eksisterende filer og tilføje nye filer.
Klik på ikonet Slet for at slette videnbasen helt.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til udførelse af handlinger er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan starte forhåndsvisningen fra:
- AI-agentdashboard – Når du holder markøren over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik for at starte eksemplet på AI Agent.
- AI-agentheader – Klik på AI-agentkortet for at åbne. Knappen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, som nemt kan bruges til at genstarte eksempeltilstanden.
Webex AI Agent indeholder også en mulighed for forhåndsvisning, der kan deles. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier forhåndsvisningslink . Linket til prøveversionen kan deles med testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten åbnes nederst til højre på skærmen. Brugere kan angive ytring (eller sekvens af ytringer), som AI-agentens svar skal kontrolleres for. Denne funktionalitet gør det muligt for udvikleren at sikre, at AI-agenten svarer som forventet.
Preview-widgetten kan maksimeres. Der er andre nyttige funktioner tilgængelige, såsom at give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget gør det muligt for AI-agentudviklere at dele deres AI-agent med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med telefonhylster. Udviklere kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje parameteren brandColor til linket. Brugere kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonomous AI Agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Vælg AI-agenten fra dashboardet .
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Knappen Eksempel opdateres med et mikrofonikon til stemmebaseret eksempelvisning. Klik på knappen Eksempel . Widgetten til stemmevisning vises:
Brugeren skal aktivere mikrofonadgang for at bruge denne funktionalitet.
Widgetten til stemmevisning indeholder følgende funktioner til brugerne:
- Start-knappen for at starte eksemplet.
- Liveafskrift Når stemmeeksemplet er i gang, vises en livetransskription af samtalen i widgetten.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI-agentplatform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent-platform. Scripted AI Agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Scripted AI-agenten til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Når du har oprettet en AI-agent, kan du oprette objekter, tilføjehensigter og defineresvar .
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på siden Dashboard. |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenter udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan AI-agenter bedre forstå brugernes hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agents tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger. De bruges til ting, der ikke er dækket af systemenheder.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent-platformen, der gør det muligt for AI-agenter at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. AI-agentudviklere definerer alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at levere relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardhensigt med fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan udviklere af AI-agenter sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan brugere f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden for fallback. Når en bruger forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere brugerforespørgsler om AI-agentens funktioner. Når brugerne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens evner på et højt niveau, hvilket giver brugerne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt giver brugerne mulighed for at anmode om assistance fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt udløses, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne metode er
Agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige brugerhilsener, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, anbefales det, at du opretter objekter, der skal linkes til hensigten. Enhederne er nødvendige for at fuldføre opgaven. Du kan finde flere oplysninger i Oprette objekter.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg en opgave på siden Dashboard. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis objektet er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads, når den ikke er udfyldt forkert af forbrugeren. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. Den sidste værdi, der er udfyldt på pladsen, anses af AI-agenten for at behandle dataene. Hvis denne funktion er aktiveret, opdateres værdierne for udfyldte pladser, når brugere angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Connect og taleflows kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Det anbefales, at objekterne oprettes og sammenkædes, før ytringer tilføjes. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der udløses, hvis det påkrævede objekt ikke leveres inden for det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer vedkommende ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for denne hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal til/fra-knappen Nulstil pladser efter fuldførelse være aktiveret. Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere gør denne indstilling det nemt at oprette svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Webex AI-agentresponsdesigneren er designet til at sikre, at brugeroplevelsen er skræddersyet til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, ser udviklere en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en brugers forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj hurtigt svar. Popup-vinduet Knaptype vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og URL-adressen, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i Webex AI Agent-platformeksemplet og det delbare eksempel. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du vælger ikke at konfigurere et entydigt svar for forskellige kanaler, betragtes websvaret som standardsvaret og sendes til slutbrugeren. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scripted AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Scripted AI-agenten til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opret et objekt med objektroller for AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på siden Dashboard. |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler fra kernen af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der fungerer som en identifikator for den pågældende artikel i sessioner, organisering og andre steder i AI-agenten. Alle artikler, der er konfigureret i en AI-agent, udgør tilsammen agentens vidensbase eller korpus. Systemet sammenligner din forespørgsel med denne vidensbase og viser svaret med det højeste tillidsniveau som et svar fra agenten.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. I en scriptet AI-agent til besvarelse af spørgsmål, hvis Rasa- eller Mindmeld NLU-motor er valgt, og hvis en artikel har mindre end to variationer, gøres knapperne Train og Save and Train ikke tilgængelige. Når du placerer markøren på disse knapper, der ikke er tilgængelige, vises der en meddelelse om at løse problemerne før træning. Der vises også et advarselsikon, der svarer til artiklen med problemer. Problemerne løses ved at tilføje mere end to varianter til en artikel. Når problemerne er løst, gøres knapperne Oplær og Gem og Oplær tilgængelige. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler klassificeres som ikke-tildelte. Der er fire standardartikler, der er tilgængelige for hver AI-agent lige fra oprettelsestidspunktet. Det drejer sig om:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Tilmelding til den Webex AI-agentplatform |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre elipser. |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg de kategorier af artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre ellipser. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL'en til, hvor ofte stillede spørgsmål hostes, og klik på Uddrag. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre elipser. |
| 4 |
Klik på Importer fra en fil , og vælg CSV for at importere artiklerne fra csv-filen . Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle aticles. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når synonymerne er tilføjet. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent giver dig mulighed for at forhåndsvise dine AI-agenter, mens du udvikler den, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til respektive inputforespørgsler. Du kan få vist script-AI-agenten på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at starte widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genstarte forhåndsvisningstilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Dette link kan deles med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere sproget i ytringer for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Preview-widgetten kan maksimeres for en bedre visning. Yderligere nyttige funktioner omfatter levering af forbrugeroplysninger og initiering af flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget gør det muligt for AI-agentudviklere at dele deres AI-agent med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med telefonhylster. Udviklere kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje
parameteren brandColortil linket. Brugere kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af
parameteren phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI Agent-platformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og udfør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved at følge nedenstående trin:
- Log på AI Agent-platformen.
- Klik på den scripted AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Mens du skriver, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de udføres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at inkludere testcases med forventede artikler, der kun delvist matcher det faktiske svar, betragtes som vellykkede. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet sker. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Maksimalt tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. I øjeblikket håndhæves en timeout på 20 sekunder. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointerval og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigt indeholder vigtige målepunkter og grafer, der giver udviklerne et øjebliksbillede af den samlede brug og ydeevne af AI-agenter.
- Vælg AI-agenten på siden Dashboard.
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agent, og sessioner, der er overdraget) og samlede svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i Oversigt indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistik om AI-agentens svar til brugerne. Her kan man se det samlede antal svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI Agent-udviklerne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på den Webex AI Agent-platform, er næste trin at integrere dem med stemmekanalen og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Introduktion til Webex AI Agent
Webex AI Agent er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner for Webex AI-agent
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse for at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i betaversion. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI-agent
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI-agent. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI-agent for at få adgang til programmet.
Systemet krydsstarter Webex AI Agent-programmet i en anden browserfane, og du bliver automatisk logget på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til Webex AI-agentprogrammet, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI-agent for at få adgang til programmet.
Systemet krydsstarter Webex AI Agent-programmet i en anden browserfane, og du bliver automatisk logget på programmet.
Startsidelayout
Velkommen til Webex AI Agent-platformen. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI-agent i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelig for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI-agentplatformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af oplysninger til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden Vidensbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
- Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agenter.
Oprette videnbase for AI-agenter
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
På siden Videnbaser skal du klikke på knappen +Opret videnbase i øverste højre hjørne. |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger . Du kan se og spore detaljerne for de filer, du har uploadet, og de dokumenter, du har oprettet. Klik på ikonet Rediger for at redigere videnbasefilerne. Rediger filnavnet på filen, hvis det er nødvendigt. Du kan også slette de eksisterende filer og tilføje nye filer.
Klik på ikonet Slet for at slette videnbasen helt.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til udførelse af handlinger er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan starte forhåndsvisningen fra:
- AI-agentdashboard – Når du holder markøren over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik for at starte eksemplet på AI Agent.
- AI-agentheader – Klik på AI-agentkortet for at åbne. Knappen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, som nemt kan bruges til at genstarte eksempeltilstanden.
Webex AI Agent indeholder også en mulighed for forhåndsvisning, der kan deles. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier forhåndsvisningslink . Linket til prøveversionen kan deles med testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten åbnes nederst til højre på skærmen. Brugere kan angive ytring (eller sekvens af ytringer), som AI-agentens svar skal kontrolleres for. Denne funktionalitet gør det muligt for udvikleren at sikre, at AI-agenten svarer som forventet.
Preview-widgetten kan maksimeres. Der er andre nyttige funktioner tilgængelige, såsom at give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget gør det muligt for AI-agentudviklere at dele deres AI-agent med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med telefonhylster. Udviklere kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje parameteren brandColor til linket. Brugere kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonomous AI Agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Vælg AI-agenten fra dashboardet .
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Knappen Eksempel opdateres med et mikrofonikon til stemmebaseret eksempelvisning. Klik på knappen Eksempel . Widgetten til stemmevisning vises:
Brugeren skal aktivere mikrofonadgang for at bruge denne funktionalitet.
Widgetten til stemmevisning indeholder følgende funktioner til brugerne:
- Start-knappen for at starte eksemplet.
- Liveafskrift Når stemmeeksemplet er i gang, vises en livetransskription af samtalen i widgetten.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI-agentplatform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent-platform. Scripted AI Agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Scripted AI-agenten til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Når du har oprettet en AI-agent, kan du oprette objekter, tilføjehensigter og defineresvar .
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på siden Dashboard. |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenter udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan AI-agenter bedre forstå brugernes hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agents tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger. De bruges til ting, der ikke er dækket af systemenheder.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent-platformen, der gør det muligt for AI-agenter at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. AI-agentudviklere definerer alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at levere relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardhensigt med fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan udviklere af AI-agenter sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan brugere f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden for fallback. Når en bruger forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere brugerforespørgsler om AI-agentens funktioner. Når brugerne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens evner på et højt niveau, hvilket giver brugerne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt giver brugerne mulighed for at anmode om assistance fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt udløses, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne metode er
Agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige brugerhilsener, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, anbefales det, at du opretter objekter, der skal linkes til hensigten. Enhederne er nødvendige for at fuldføre opgaven. Du kan finde flere oplysninger i Oprette objekter.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg en opgave på siden Dashboard. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis objektet er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads, når den ikke er udfyldt forkert af forbrugeren. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. Den sidste værdi, der er udfyldt på pladsen, anses af AI-agenten for at behandle dataene. Hvis denne funktion er aktiveret, opdateres værdierne for udfyldte pladser, når brugere angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Connect og taleflows kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Det anbefales, at objekterne oprettes og sammenkædes, før ytringer tilføjes. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der udløses, hvis det påkrævede objekt ikke leveres inden for det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer vedkommende ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for denne hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal til/fra-knappen Nulstil pladser efter fuldførelse være aktiveret. Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere gør denne indstilling det nemt at oprette svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Webex AI-agentresponsdesigneren er designet til at sikre, at brugeroplevelsen er skræddersyet til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, ser udviklere en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en brugers forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj hurtigt svar. Popup-vinduet Knaptype vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og URL-adressen, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i Webex AI Agent-platformeksemplet og det delbare eksempel. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du vælger ikke at konfigurere et entydigt svar for forskellige kanaler, betragtes websvaret som standardsvaret og sendes til slutbrugeren. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scripted AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Scripted AI-agenten til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opret et objekt med objektroller for AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på siden Dashboard. |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler fra kernen af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der fungerer som en identifikator for den pågældende artikel i sessioner, organisering og andre steder i AI-agenten. Alle artikler, der er konfigureret i en AI-agent, udgør tilsammen agentens vidensbase eller korpus. Systemet sammenligner din forespørgsel med denne vidensbase og viser svaret med det højeste tillidsniveau som et svar fra agenten.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. I en scriptet AI-agent til besvarelse af spørgsmål, hvis Rasa- eller Mindmeld NLU-motor er valgt, og hvis en artikel har mindre end to variationer, gøres knapperne Train og Save and Train ikke tilgængelige. Når du placerer markøren på disse knapper, der ikke er tilgængelige, vises der en meddelelse om at løse problemerne før træning. Der vises også et advarselsikon, der svarer til artiklen med problemer. Problemerne løses ved at tilføje mere end to varianter til en artikel. Når problemerne er løst, gøres knapperne Oplær og Gem og Oplær tilgængelige. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler klassificeres som ikke-tildelte. Der er fire standardartikler, der er tilgængelige for hver AI-agent lige fra oprettelsestidspunktet. Det drejer sig om:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Tilmelding til den Webex AI-agentplatform |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre elipser. |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg de kategorier af artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre ellipser. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL'en til, hvor ofte stillede spørgsmål hostes, og klik på Uddrag. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre elipser. |
| 4 |
Klik på Importer fra en fil , og vælg CSV for at importere artiklerne fra csv-filen . Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle aticles. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
På siden AI-agentdashboard skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på de tre ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når synonymerne er tilføjet. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts udnytter NLU (Natural Language Understanding) med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scripted AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme, hvilket nødvendiggør omskoling til nøjagtig slutning baseret på den nye model. Præstationsforskelle kan analyseres ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, der skal ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback der vises – Den mindste tillid, der kræves for at et svar vises for dig, under hvilket et fallback-svar vil blive vist.
- Forskel i resultater for delvis match – Definerer minimumafstanden mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er markeret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i meddelelsestransskriptionsrapporter for scriptede AI-agenter og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når alle de ønskede artikler er oprettet, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i Webex forhåndsvisning af AI Agent, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau vs vektorer på artikelniveau. I vores fortsatte skub for at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i modsætning til den ældre model for brug af ytringsniveauvektorer og fandt, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau vil være den nye standardværdi for vektorisering for nye ensprogede AI-agenter, og for flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der var til stede på tidspunktet for en slutning, i sessionens anden infosektion .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent giver dig mulighed for at forhåndsvise dine AI-agenter, mens du udvikler den, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til respektive inputforespørgsler. Du kan få vist script-AI-agenten på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at starte widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genstarte forhåndsvisningstilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Dette link kan deles med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere sproget i ytringer for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Preview-widgetten kan maksimeres for en bedre visning. Yderligere nyttige funktioner omfatter levering af forbrugeroplysninger og initiering af flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget gør det muligt for AI-agentudviklere at dele deres AI-agent med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med telefonhylster. Udviklere kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje
parameteren brandColortil linket. Brugere kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af
parameteren phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI Agent-platformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og udfør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved at følge nedenstående trin:
- Log på AI Agent-platformen.
- Klik på den scripted AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Mens du skriver, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de udføres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at inkludere testcases med forventede artikler, der kun delvist matcher det faktiske svar, betragtes som vellykkede. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet sker. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Maksimalt tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. I øjeblikket håndhæves en timeout på 20 sekunder. Denne indstilling er kun tilgængelig for AI-agenter, der anvender scripts til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointerval og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigt indeholder vigtige målepunkter og grafer, der giver udviklerne et øjebliksbillede af den samlede brug og ydeevne af AI-agenter.
- Vælg AI-agenten på siden Dashboard.
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agent, og sessioner, der er overdraget) og samlede svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i Oversigt indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistik om AI-agentens svar til brugerne. Her kan man se det samlede antal svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI Agent-udviklerne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på den Webex AI Agent-platform, er næste trin at integrere dem med stemmekanalen og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Introduktion til Webex AI Agent Studio
Webex AI Agent Studio er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner i Webex AI Agent Studio
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse til at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i beta. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI Agent Studio
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI Agent Studio. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til programmet Webex AI Agent Studio, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Startsidelayout
Velkommen til programmet Webex AI Agent Studio. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI Agent Studio i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelige for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten Eksempel for AI-agent.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI Agent Studio-platformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af information til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent Studio-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden med videnbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agent.
Oprette videnbase for AI-agent
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
Klik på +Opret videnbase i øverste højre hjørne på siden Videnbaser . |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger for at få vist og spore oplysningerne om de filer, du har overført, og de dokumenter, du har oprettet.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Du har nu oprettet den autonome AI-agent til udførelse af handlinger, som nu er tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist et eksempel på de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan åbne eksemplet fra:
- AI-agentdashboard – Når du holder musen hen over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik her for at åbne eksemplet på AI-agenten.
- AI-agentheader – Klik på AI-agentkortet for at åbne AI-agenten. Indstillingen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og minimeret, vises en chathovedwidget nederst til højre på siden. Du kan bruge denne indstilling til nemt at genåbne forhåndsvisningstilstanden.
Webex AI Agent Studio indeholder også en mulighed for at dele et eksempel. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier eksempellink . Du kan dele eksempellinket med andre brugere, f.eks. testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at kontrollere AI-agentens svar og sikre, at de fungerer korrekt.
Du kan også minimere preview-widgeten, give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. Du kan tilpasse widgetten på følgende måde:
- Widgetfarve – ved at føje parameteren brandColor til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekoden.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonom AI-agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Naviger til Dashboard, og vælg AI-agenten.
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Indstillingen Forhåndsvisning opdateres med et mikrofonikon til stemmebaseret forhåndsvisning. Klik på Eksempel. Widgetten til stemmeeksempel vises.
Du skal aktivere mikrofonadgang for at bruge denne funktion.
Du kan få vist følgende valgmuligheder i widgetten til stemmevisning:
- Start-knappen for at starte eksemplet.
- Live transskription af samtalen vises i widgetten, når stemmeeksemplet er i gang.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI Agent Studio-platform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent Studio-platform. Scripted AI-agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenten udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan en AI-agent bedre forstå brugerens hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agent Studio tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent Studio-platformen, der gør det muligt for AI-agenten at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. Du kan definere alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at give relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardmetode til fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan AI-agentudviklere sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan kunder f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden forfallback. Når en kunde forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere kundeforespørgsler om AI-agentens funktioner. Når kunderne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens muligheder på et højt niveau, hvilket giver kunderne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt gør det muligt for kunder at anmode om hjælp fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt påberåbes, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne hensigt er
agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige kundehilsner, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, skal du sørge for at oprette objekter, der skal linkes til hensigten. Du kan finde flere oplysninger i Oprette objekt med objektroller.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg en AI-agent på dashboardet . |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis enheden er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. AI-agenten tager den sidste værdi, der er udfyldt i pladsen, for at behandle dataene. Hvis indstillingen er aktiveret, opdateres værdier for fyldte pladser, når kunder angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Webex Connect og talestrømme kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Sørg for at oprette objekter og sammenkæde dem, før du tilføjer ytringer. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der skal aktiveres, hvis det påkrævede objekt ikke leveres i det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer den ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for den pågældende hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal du aktivere til/fra-knappen Nulstil pladser efter fuldførelse . Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere giver denne indstilling mulighed for nem konstruktion af svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Svardesigneren er designet til at sikre, at brugeroplevelsen henvender sig til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, vises der muligvis en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en kundes forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj et hurtigt svar. Popup-vinduet af knaptypen vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og den URL-adresse, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i afsnittene Eksempel og Forhåndsvisning, der kan deles. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du ikke konfigurerer et entydigt svar for forskellige kanaler, tages websvaret som standardsvaret, og det samme sendes til kunden. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scriptede AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet .
I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Føj artikler til AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler er en vigtig del af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der identificerer den. Alle artiklerne udgør tilsammen AI-agentens vidensbase eller korpus. Når din kunde spørger om noget, kontrollerer systemet sin vidensbase og giver dig det bedste svar, det finder.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. Knapperne Oplær og Gem og Tog forbliver ikke tilgængelige i en scriptet AI-agent til besvarelse af spørgsmål, hvis du vælger en Rasa- eller Mindmeld NLU-motor, og hvis en artikel har mindre end to variationer. Når du placerer markøren på disse knapper, der ikke er tilgængelige, viser systemet en meddelelse, der beder dig om at løse problemerne, før du træner. Systemet viser også et advarselsikon, der svarer til artiklen med problemer. Du kan løse problemerne ved at føje mere end to varianter til en artikel. Knapperne Oplær og Gem og Tog bliver tilgængelige, når problemerne er løst. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler forbliver klassificeret som ikke-tildelte. Fra det tidspunkt, hvor artiklerne oprettes, er der fire standardartikler, der er tilgængelige for hver AI-agent. Følgende er disse:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Gå til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser . |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg kategorierne for de artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL-adressen, hvor ofte stillede spørgsmål hostes, og klik på Udpak. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet . |
| 4 |
Klik på Importer fra en fil , og vælg CSV at importere artiklerne fra den CSV fil. Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle artikler. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når du har tilføjet synonymerne. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent Studio giver dig mulighed for at få vist eksempler på dine AI-agenter, mens du udvikler det, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til de respektive inputforespørgsler. Du kan få vist en forhåndsvisning af din scriptede AI-agent på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genåbne eksempeltilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Du kan dele dette link med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere ytringens sprog for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Du kan maksimere preview-widgetten for en bedre visning. Du kan også give forbrugeroplysninger og starte flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje en
brandColor-parametertil linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af parameteren
phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI-agentplatformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og kør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved hjælp af følgende trin:
- Log på Webex AI Agent Studio-platformen.
- Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Når du indtaster, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de køres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at betragte testsager som vellykkede, selvom de forventede artikler kun delvist svarer til det faktiske svar. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet finder sted. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Det maksimale tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. Der tillades maksimalt 20 sekunders timeout. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointervallet og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigten indeholder nøglemålinger og grafer, der giver et øjebliksbillede af den samlede AI-agentbrug og ydeevne til udviklerne.
- Vælg den AI-agent, du har oprettet, på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er overført til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agenten og overleverede sessioner) og det samlede antal svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i oversigten indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistikker om AI-agentens svar til brugerne. Her kan man se de samlede svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Dette afsnit giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI-agenterne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på Webex AI Agent Studio-platformen, er næste trin at integrere dem med stemmekanalerne og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Introduktion til Webex AI Agent Studio
Webex AI Agent Studio er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner i Webex AI Agent Studio
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse til at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i beta. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI Agent Studio
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI Agent Studio. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til programmet Webex AI Agent Studio, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Startsidelayout
Velkommen til programmet Webex AI Agent Studio. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI Agent Studio i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelige for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten Eksempel for AI-agent.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI Agent Studio-platformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af information til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent Studio-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden med videnbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agent.
Oprette videnbase for AI-agent
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
Klik på +Opret videnbase i øverste højre hjørne på siden Videnbaser . |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger for at få vist og spore oplysningerne om de filer, du har overført, og de dokumenter, du har oprettet.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Du har nu oprettet den autonome AI-agent til udførelse af handlinger, som nu er tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist et eksempel på de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan åbne eksemplet fra:
- AI-agentdashboard – Når du holder musen hen over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik her for at åbne eksemplet på AI-agenten.
- AI-agentheader – Klik på AI-agentkortet for at åbne AI-agenten. Indstillingen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og minimeret, vises en chathovedwidget nederst til højre på siden. Du kan bruge denne indstilling til nemt at genåbne forhåndsvisningstilstanden.
Webex AI Agent Studio indeholder også en mulighed for at dele et eksempel. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier eksempellink . Du kan dele eksempellinket med andre brugere, f.eks. testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at kontrollere AI-agentens svar og sikre, at de fungerer korrekt.
Du kan også minimere preview-widgeten, give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. Du kan tilpasse widgetten på følgende måde:
- Widgetfarve – ved at føje parameteren brandColor til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekoden.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonom AI-agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Naviger til Dashboard, og vælg AI-agenten.
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Indstillingen Forhåndsvisning opdateres med et mikrofonikon til stemmebaseret forhåndsvisning. Klik på Eksempel. Widgetten til stemmeeksempel vises.
Du skal aktivere mikrofonadgang for at bruge denne funktion.
Du kan få vist følgende valgmuligheder i widgetten til stemmevisning:
- Start-knappen for at starte eksemplet.
- Live transskription af samtalen vises i widgetten, når stemmeeksemplet er i gang.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI Agent Studio-platform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent Studio-platform. Scripted AI-agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenten udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan en AI-agent bedre forstå brugerens hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agent Studio tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent Studio-platformen, der gør det muligt for AI-agenten at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. Du kan definere alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at give relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardmetode til fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan AI-agentudviklere sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan kunder f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden forfallback. Når en kunde forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere kundeforespørgsler om AI-agentens funktioner. Når kunderne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens muligheder på et højt niveau, hvilket giver kunderne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt gør det muligt for kunder at anmode om hjælp fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt påberåbes, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne hensigt er
agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige kundehilsner, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, skal du sørge for at oprette objekter, der skal linkes til hensigten. Du kan finde flere oplysninger i Oprette objekt med objektroller.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg en AI-agent på dashboardet . |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis enheden er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. AI-agenten tager den sidste værdi, der er udfyldt i pladsen, for at behandle dataene. Hvis indstillingen er aktiveret, opdateres værdier for fyldte pladser, når kunder angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Webex Connect og talestrømme kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Sørg for at oprette objekter og sammenkæde dem, før du tilføjer ytringer. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der skal aktiveres, hvis det påkrævede objekt ikke leveres i det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer den ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for den pågældende hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal du aktivere til/fra-knappen Nulstil pladser efter fuldførelse . Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere giver denne indstilling mulighed for nem konstruktion af svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Svardesigneren er designet til at sikre, at brugeroplevelsen henvender sig til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, vises der muligvis en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en kundes forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj et hurtigt svar. Popup-vinduet af knaptypen vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og den URL-adresse, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i afsnittene Eksempel og Forhåndsvisning, der kan deles. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du ikke konfigurerer et entydigt svar for forskellige kanaler, tages websvaret som standardsvaret, og det samme sendes til kunden. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scriptede AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet .
I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Føj artikler til AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler er en vigtig del af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der identificerer den. Alle artiklerne udgør tilsammen AI-agentens vidensbase eller korpus. Når din kunde spørger om noget, kontrollerer systemet sin vidensbase og giver dig det bedste svar, det finder.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. Knapperne Oplær og Gem og Tog forbliver ikke tilgængelige i en scriptet AI-agent til besvarelse af spørgsmål, hvis du vælger en Rasa- eller Mindmeld NLU-motor, og hvis en artikel har mindre end to variationer. Når du placerer markøren på disse knapper, der ikke er tilgængelige, viser systemet en meddelelse, der beder dig om at løse problemerne, før du træner. Systemet viser også et advarselsikon, der svarer til artiklen med problemer. Du kan løse problemerne ved at føje mere end to varianter til en artikel. Knapperne Oplær og Gem og Tog bliver tilgængelige, når problemerne er løst. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler forbliver klassificeret som ikke-tildelte. Fra det tidspunkt, hvor artiklerne oprettes, er der fire standardartikler, der er tilgængelige for hver AI-agent. Følgende er disse:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Gå til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser . |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg kategorierne for de artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL-adressen, hvor ofte stillede spørgsmål hostes, og klik på Udpak. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet . |
| 4 |
Klik på Importer fra en fil , og vælg CSV at importere artiklerne fra den CSV fil. Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle artikler. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når du har tilføjet synonymerne. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent Studio giver dig mulighed for at få vist eksempler på dine AI-agenter, mens du udvikler det, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til de respektive inputforespørgsler. Du kan få vist en forhåndsvisning af din scriptede AI-agent på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genåbne eksempeltilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Du kan dele dette link med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere ytringens sprog for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Du kan maksimere preview-widgetten for en bedre visning. Du kan også give forbrugeroplysninger og starte flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje en
brandColor-parametertil linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af parameteren
phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI-agentplatformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og kør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved hjælp af følgende trin:
- Log på Webex AI Agent Studio-platformen.
- Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Når du indtaster, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de køres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at betragte testsager som vellykkede, selvom de forventede artikler kun delvist svarer til det faktiske svar. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet finder sted. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Det maksimale tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. Der tillades maksimalt 20 sekunders timeout. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointervallet og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigten indeholder nøglemålinger og grafer, der giver et øjebliksbillede af den samlede AI-agentbrug og ydeevne til udviklerne.
- Vælg den AI-agent, du har oprettet, på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er overført til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agenten og overleverede sessioner) og det samlede antal svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i oversigten indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistikker om AI-agentens svar til brugerne. Her kan man se de samlede svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Dette afsnit giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI-agenterne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på Webex AI Agent Studio-platformen, er næste trin at integrere dem med stemmekanalerne og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Introduktion til Webex AI Agent Studio
Webex AI Agent Studio er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner i Webex AI Agent Studio
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse til at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i beta. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI Agent Studio
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI Agent Studio. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til programmet Webex AI Agent Studio, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Startsidelayout
Velkommen til programmet Webex AI Agent Studio. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI Agent Studio i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelige for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten Eksempel for AI-agent.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI Agent Studio-platformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af information til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent Studio-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden med videnbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agent.
Oprette videnbase for AI-agent
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
Klik på +Opret videnbase i øverste højre hjørne på siden Videnbaser . |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger for at få vist og spore oplysningerne om de filer, du har overført, og de dokumenter, du har oprettet.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Du har nu oprettet den autonome AI-agent til udførelse af handlinger, som nu er tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist et eksempel på de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan åbne eksemplet fra:
- AI-agentdashboard – Når du holder musen hen over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik her for at åbne eksemplet på AI-agenten.
- AI-agentheader – Klik på AI-agentkortet for at åbne AI-agenten. Indstillingen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og minimeret, vises en chathovedwidget nederst til højre på siden. Du kan bruge denne indstilling til nemt at genåbne forhåndsvisningstilstanden.
Webex AI Agent Studio indeholder også en mulighed for at dele et eksempel. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier eksempellink . Du kan dele eksempellinket med andre brugere, f.eks. testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at kontrollere AI-agentens svar og sikre, at de fungerer korrekt.
Du kan også minimere preview-widgeten, give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. Du kan tilpasse widgetten på følgende måde:
- Widgetfarve – ved at føje parameteren brandColor til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekoden.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonom AI-agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Naviger til Dashboard, og vælg AI-agenten.
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Indstillingen Forhåndsvisning opdateres med et mikrofonikon til stemmebaseret forhåndsvisning. Klik på Eksempel. Widgetten til stemmeeksempel vises.
Du skal aktivere mikrofonadgang for at bruge denne funktion.
Du kan få vist følgende valgmuligheder i widgetten til stemmevisning:
- Start-knappen for at starte eksemplet.
- Live transskription af samtalen vises i widgetten, når stemmeeksemplet er i gang.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI Agent Studio-platform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent Studio-platform. Scripted AI-agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenten udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan en AI-agent bedre forstå brugerens hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agent Studio tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent Studio-platformen, der gør det muligt for AI-agenten at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. Du kan definere alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at give relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardmetode til fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan AI-agentudviklere sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan kunder f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden forfallback. Når en kunde forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere kundeforespørgsler om AI-agentens funktioner. Når kunderne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens muligheder på et højt niveau, hvilket giver kunderne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt gør det muligt for kunder at anmode om hjælp fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt påberåbes, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne hensigt er
agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige kundehilsner, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, skal du sørge for at oprette objekter, der skal linkes til hensigten. Du kan finde flere oplysninger i Oprette objekt med objektroller.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg en AI-agent på dashboardet . |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis enheden er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. AI-agenten tager den sidste værdi, der er udfyldt i pladsen, for at behandle dataene. Hvis indstillingen er aktiveret, opdateres værdier for fyldte pladser, når kunder angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Webex Connect og talestrømme kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Sørg for at oprette objekter og sammenkæde dem, før du tilføjer ytringer. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der skal aktiveres, hvis det påkrævede objekt ikke leveres i det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer den ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for den pågældende hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal du aktivere til/fra-knappen Nulstil pladser efter fuldførelse . Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere giver denne indstilling mulighed for nem konstruktion af svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Svardesigneren er designet til at sikre, at brugeroplevelsen henvender sig til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, vises der muligvis en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en kundes forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj et hurtigt svar. Popup-vinduet af knaptypen vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og den URL-adresse, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i afsnittene Eksempel og Forhåndsvisning, der kan deles. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du ikke konfigurerer et entydigt svar for forskellige kanaler, tages websvaret som standardsvaret, og det samme sendes til kunden. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scriptede AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet .
I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Føj artikler til AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler er en vigtig del af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der identificerer den. Alle artiklerne udgør tilsammen AI-agentens vidensbase eller korpus. Når din kunde spørger om noget, kontrollerer systemet sin vidensbase og giver dig det bedste svar, det finder.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. Knapperne Oplær og Gem og Tog forbliver ikke tilgængelige i en scriptet AI-agent til besvarelse af spørgsmål, hvis du vælger en Rasa- eller Mindmeld NLU-motor, og hvis en artikel har mindre end to variationer. Når du placerer markøren på disse knapper, der ikke er tilgængelige, viser systemet en meddelelse, der beder dig om at løse problemerne, før du træner. Systemet viser også et advarselsikon, der svarer til artiklen med problemer. Du kan løse problemerne ved at føje mere end to varianter til en artikel. Knapperne Oplær og Gem og Tog bliver tilgængelige, når problemerne er løst. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler forbliver klassificeret som ikke-tildelte. Fra det tidspunkt, hvor artiklerne oprettes, er der fire standardartikler, der er tilgængelige for hver AI-agent. Følgende er disse:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Gå til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser . |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg kategorierne for de artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL-adressen, hvor ofte stillede spørgsmål hostes, og klik på Udpak. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet . |
| 4 |
Klik på Importer fra en fil , og vælg CSV at importere artiklerne fra den CSV fil. Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle artikler. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når du har tilføjet synonymerne. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent Studio giver dig mulighed for at få vist eksempler på dine AI-agenter, mens du udvikler det, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til de respektive inputforespørgsler. Du kan få vist en forhåndsvisning af din scriptede AI-agent på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genåbne eksempeltilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Du kan dele dette link med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere ytringens sprog for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Du kan maksimere preview-widgetten for en bedre visning. Du kan også give forbrugeroplysninger og starte flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje en
brandColor-parametertil linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af parameteren
phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI-agentplatformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og kør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved hjælp af følgende trin:
- Log på Webex AI Agent Studio-platformen.
- Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Når du indtaster, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de køres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at betragte testsager som vellykkede, selvom de forventede artikler kun delvist svarer til det faktiske svar. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet finder sted. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Det maksimale tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. Der tillades maksimalt 20 sekunders timeout. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointervallet og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigten indeholder nøglemålinger og grafer, der giver et øjebliksbillede af den samlede AI-agentbrug og ydeevne til udviklerne.
- Vælg den AI-agent, du har oprettet, på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er overført til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agenten og overleverede sessioner) og det samlede antal svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i oversigten indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistikker om AI-agentens svar til brugerne. Her kan man se de samlede svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Dette afsnit giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI-agenterne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på Webex AI Agent Studio-platformen, er næste trin at integrere dem med stemmekanalerne og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Introduktion til Webex AI Agent Studio
Webex AI Agent Studio er en sofistikeret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundeservice- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatiseret assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter stemmeinteraktioner med intonation, sprogforståelse og kontekstuel bevidsthed i samtaler. AI-agenter håndterer også problemfrit og informativt digitale kanalinteraktioner gennem tekst og online chat. Kunder drager fordel af en concierge-lignende oplevelse, der modtager hjælp med spørgsmål, informationshentning og minimerer ventetider.
Funktioner i Webex AI Agent Studio
- Nøjagtige og rettidige svar – Giver præcise svar på kundeforespørgsler i realtid.
- Intelligent opgaveudførelse – Udfører opgaver baseret på kundeanmodninger eller input.
De vigtigste fordele for virksomheder
-
Forbedret kundeoplevelse – Leverer en samtaleoplevelse i realtid for kunderne.
-
Personlige interaktioner – Skræddersyr svar til individuelle kundebehov og præferencer.
-
Skalerbarhed og effektivitet – Håndterer store mængder kundeinteraktioner uden behov for yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå AI-agenttyper og -eksempler
Følgende tabel giver et glimt af AI-agenttyper og deres muligheder:
| AI-agenttype | Formål | Kapabilitet | Beskrivelse | Hvordan konfigureres? |
|---|---|---|---|---|
|
Autonom |
Autonome AI-agenter er designet til at operere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scripted |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptagenter kan udføre bestemte opgaver, der er klart definerede og strukturerede. |
AI-agenter med scripts til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptagenter kan svare på spørgsmål baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugssager, afhængigt af de specifikke krav og ønskede funktioner. Nogle eksempler inkluderer:
-
Kundeservice – Både autonome agenter og scriptagenter kan bruges til at yde kundesupport, hvor autonome agenter tilbyder mere fleksibilitet og naturlig sprogforståelse.
-
Virtuelle assistenter – autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og give mere tilpassede interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og få værdifuld indsigt.
-
Procesautomatisering – Både autonome agenter og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Vidensstyring – autonome agenter kan bruges til at oprette og administrere videnlagre, hvilket gør oplysninger let tilgængelige for brugerne.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det krævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du allerede er kunde hos Webex Contact Center, skal du sikre dig, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect klargøres til din lejer.
-
Voice media platform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex kontaktcenterlejer, skal du kontakte din partner for at starte en Webex kontaktcenterprøveversion med næste generations medieplatform.
-
Administratorer kan anmode om en Webex kontaktcenterudviklersandkasse til at afprøve AI-agenter.
Aktivering af funktioner
Denne funktion er i øjeblikket i beta. Kunder kan tilmelde sig denne funktion på betaportalen Webex ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige for udvalgte kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail tilask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptede agenter for din lejer.
Adgang Webex AI Agent Studio
Hvis du vil oprette dine AI-agenter, skal du logge på programmet Webex AI Agent Studio. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL https://admin.webex.com.
- Vælg Kontaktcenter i sektionen Tjenester i navigationsruden.
- I Hurtige links i højre rude skal du gå til afsnittet Kontaktcenterpakke .
- Klik på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Log på fra Webex Connect
Hvis du vil have adgang til programmet Webex AI Agent Studio, skal du have adgang til Webex Connect.
- Logge på programmet Webex Connect med den lejer-URL-adresse, du har angivet for din virksomhed og legitimationsoplysninger.
Siden Tjenester vises som standard som en startside.
- I menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI Agent Studio for at få adgang til programmet.
Systemet krydsstarter programmet Webex AI Agent Studio på en anden browserfane, hvorefter du automatisk logges på programmet.
Startsidelayout
Velkommen til programmet Webex AI Agent Studio. Når du logger på, vises følgende layout på startsiden:
-
Navigationslinje
Navigationslinjen til venstre giver adgang til følgende menuer:
- Dashboard – Viser en liste over AI-agenter, som brugeren har adgang til, som er tildelt af virksomhedsadministratoren.
- Viden – Viser det centrale videnslager eller videnbase, der fungerer som hjernen for autonome AI-agenter, når de skal svare på kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til dine forretningsbehov.
- Hjælp – giver adgang til brugervejledningen til Webex AI Agent Studio i Webex Hjælp.
-
Brugerprofil
Brugerprofilmenu giver dig mulighed for at se dine profiloplysninger og logge af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelige for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex organisations-id, CPaaS-organisations-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, entydigt virksomhedsnavn og URL-adressen til logoet.
- Globale agentindstillinger – Gør det muligt at vælge standardagent for stemmekanal til håndtering af fallback-scenarier.
- Oversigt over dataopbevaring – indeholder en oversigt over dataopbevaringsperioder for denne virksomhed.
-
Under fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til programmet. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre baseret på tildelte tilladelser.
-
Kend dit dashboard
På dashboardet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, Senest opdateret af, Senest opdateret den og det program, der bruges til oplæring af agenten.
Opgaver på AI-agentkort
Hold musen hen over et AI-agentkort for at få vist følgende indstillinger:
- Eksempel – Klik på Eksempel for at åbne widgetten Eksempel for AI-agent.
- Ellipseikon – Klik på dette ikon for at udføre følgende opgaver:
-
Kopiér eksempellink – kopiér eksempellinket for at indsætte i en ny fane og få vist AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksportér – eksportér AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet AI-agenten permanent fra systemet.
-
Fastgør – Fastgør AI-agenten til den første position på dashboardet, eller frigør den for at flytte den tilbage til dens forrige position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af indstillingen + Opret agent i øverste højre hjørne af dashboardet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importere færdigbygget AI-agent
Du kan importere en færdigbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Først skal du sikre dig, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at uploade AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- Angiv AI-agentnavnet i feltet Agentnavn .
- (Valgfrit) Rediger det systemgenererede entydige id i System-id'et .
- Klik på Importér.
Din AI-agent er nu importeret til Webex AI Agent Studio-platformen og er tilgængelig på dashboardet.
Søgeord Søg
Platformen giver robuste søgefunktioner, der hjælper dig med nemt at finde og administrere AI-agenter. Du kan søge efter nøgleord ved hjælp af agentnavnet. Indtast agentnavnet eller en del af navnet i søgefeltet. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgeordssøgning kan du indsnævre dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scriptet, Automatisk og Alle.
Administrer Knowledge Base
En videnbase er et centralt lager af information til de LLM-drevne autonome AI-agenter (Large Language Model). De autonome AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner på enorme mængder data, så de kan give detaljerede og kontekstrelevante svar. Videnbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på Webex AI Agent Studio-platformen.
- Klik på ikonet Videni venstre navigationsrude på dashboardet . Siden med videnbaser vises.
- Du kan finde en vidensbase baseret på følgende kriterier:
- Navn på videnbasen
- Type af videnbasen
- Videnbaser opdateret mellem angivne datoer
- Videnbaser oprettet mellem angivne datoer
Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny videnbase, skal du se Oprette videnbase til AI-agent.
Oprette videnbase for AI-agent
| 1 |
Klik på ikonet Videni venstre navigationsrude på dashboardet . |
| 2 |
Klik på +Opret videnbase i øverste højre hjørne på siden Videnbaser . |
| 3 |
Angiv følgende oplysninger på siden Opret videnbase : |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Gå til fanen Oplysninger for at få vist og spore oplysningerne om de filer, du har overført, og de dokumenter, du har oprettet.
|
Hvad der skal ske nu
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Konfigurer autonome AI-agenter
Autonome AI-agenter opererer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og teknikker til maskinel indlæring til at analysere data, lære af deres miljø og tilpasse deres handlinger for at nå specifikke mål. Dette afsnit beskriver de to primære egenskaber for Autonomous AI Agent.
Autonom AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – Forstå og reager på menneskeligt sprog på en naturlig og konverserende måde.
-
Beslutningstagning—Træf informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – Automatiser gentagne eller tidskrævende opgaver.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Du har nu oprettet den autonome AI-agent til udførelse af handlinger, som nu er tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til udførelse af handlinger.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Udgiv for at aktivere AI-agenten. |
Hvad der skal ske nu
Føj de nødvendige handlinger til AI-agenten.
Føj handlinger til autonom AI-agent
De autonome AI-agenter til udførelse af handlinger er designet til at forstå brugerens hensigter og handle i overensstemmelse hermed. For eksempel er der i en restaurant behov for at automatisere online madbestillingsindtagelse. For at udføre opgaven kan du oprette en autonom AI-agent, der udfører følgende handlinger:
-
Få de nødvendige oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den autonome AI-agent til at udføre handlinger fungerer på følgende byggesten:
-
Handling – En funktionalitet, der gør det muligt for AI-agenten at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Objekt eller plads – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slotfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på ytringer. Det er udløseren for en AI-agent til at begynde at udføre en handling. Definer inputenhederne som en del af slotudfyldningen.
-
Opfyldelse – Bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputobjekterne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
På fanen Handling skal du klikke på +Ny handling. |
| 2 |
Angiv følgende oplysninger på siden Tilføj en ny handling : |
Hvad der skal ske nu
Du kan enten konfigurere pladser, eller du kan konfigurere pladser og definere opfyldelse afhængigt af det valgte handlingsomfang.
Konfigurer udfyldning af plads
Slotudfyldning involverer tilføjelse af de nødvendige inputenheder til AI-programmet. Tilføj inputenhederne i sektionen Udfyldning af plads på siden Handlinger :
-
Du kan tilføje objekterne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se A Tour of JSON Schema for detaljer.
Tilføje inputobjekter i tabelformat
| 1 |
Hvis du vil tilføje et inputobjekt, skal du klikke på +Nyt inputobjekt. |
| 2 |
Angiv følgende oplysninger på siden Tilføj et nyt inputobjekt : |
| 3 |
Klik på Tilføj for at tilføje inputobjektet. Du kan tilføje så mange inputenheder, som du har brug for. |
| 4 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
Tilføj objekter ved hjælp af JSON-editor
Du kan tilføje inputobjekterne og outputobjekterne ved hjælp af JSON-editoren. I JSON-editorvisningen skal enhederne defineres i et struktureret JSON-format.
Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Input parameter struktur
Inputparametrene skal overholde følgende struktur:
-
type – parameterobjektets datatype. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – Et objekt, hvor hver nøgle repræsenterer en parameter og dens tilknyttede metadata.
required – en række strenge, der angiver navnene på parametre, som er obligatoriske.
Egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – parameterens datatype. De tilladte typer er:
-
streng – tekstdata.
-
heltal – numeriske data uden decimaler.
-
tal – numeriske data, der kan indeholde decimaler.
-
boolesk – sande/falske værdier.
-
array—En liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad objektet repræsenterer. Dette hjælper AI-motoren med at forstå formålet med og brugen af parameteren. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for at opnå større nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle objekter, men det anbefales kraftigt, at den tilføjes. Andre nyttige nøgleord til objektmetadata er:
-
enum – feltet enum angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun skal acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – feltet mønster bruges sammen med strengtyper til at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af bestemte formater, f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
eksempler – feltet med eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-programmet med at forstå, hvilken type data der forventes, og kan især være nyttigt til fortolknings- og valideringsformål.
-
Der er andre nøgleord, der kan gøre objektdefinitionen mere nøjagtig og robust. Du kan finde flere oplysninger under En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel indeholder forskellige typer objekter og nøgleord:
{ "type": "object", "properties": { "username": { "type": "string", "description": "Det unikke brugernavn til kontoen.", "minLength": 3, "maxLength": 20 }, "password": { "type": "string", "description": "Adgangskoden til kontoen.", "minLength": 8, "format": "password" }, "email": { "type": "string", "description": "E-mailadressen til kontoen.", "pattern": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "birthdate": { "type": "string", "description": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "notifications": { "type": "string", "description": "Foretrukken meddelelsesmetode.", "enum": ["email", "sms", "push"] } }, "roles": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } }, "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- username – en strengtype med begrænsninger for mindste og største længde.
- adgangskode – En strengtype med en minimumlængde og et bestemt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – En strengtype med et regex-mønster for at sikre, at det er en gyldig mailadresse.
- fødselsdato—En strengtype med eksempler til at foreskrive formatet af datoen.
- indstillinger – En objekttype med indlejrede egenskaber (nyhedsbrev og beskeder), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – En matrixtype, hvor hvert element er en streng, der er begrænset til bestemte værdier (enum).
Brugernavnet, adgangskoden og e-mailen er obligatoriske som defineret af arrayet 'påkrævet'.
I dette eksempel har enhederne beskrivende navne, tydelige beskrivelser og følger konsistent struktur og navngivningskonvention. Følg disse bedste fremgangsmåder for at oprette veldefinerede objekter, der er nemme for AI-programmet at fortolke og gennemtvinge.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputobjekterne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
Hvis du vil tilføje et outputobjekt, skal du klikke på +Nyt outputobjekt. Angiv følgende detaljer på skærmbilledet Tilføj et nyt outputobjekt : Du kan også bruge en JSON-fil til at tilføje outputenhederne. Du kan finde flere oplysninger under Tilføje objekter ved hjælp af JSON-editor . |
| 4 |
Klik på Tilføj for at tilføje outputobjektet. Du kan tilføje så mange outputobjekter, som du har brug for. |
| 5 |
Brug indstillingen Kontrolelementer til at udføre følgende handlinger på objektet: |
| 6 |
Klik på Tilføj for at fuldføre cofigurationen. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent. Klik på Udgiv for at aktivere AI-agenten.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Autonome AI-agenter til besvarelse af spørgsmål
Autonome agenter kan få adgang til og bruge et videnlager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Giv kundesupport – Besvar ofte stillede spørgsmål, foretag fejlfinding af problemer, og vejled kunderne gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en autonom AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at oprette videnbasen. Du kan finde flere oplysninger under Administrere videnbaser.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som Autonom. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Autonom. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den autonome AI-agent til besvarelse af spørgsmål er oprettet og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater profilen for den autonome AI-agent.
Opdater autonom AI-agentprofil
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 2 |
Naviger til , og konfigurer følgende detaljer: |
| 3 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en autonom AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Dashboard skal du vælge den AI-agent, du har oprettet. |
| 2 |
Gå til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at aktivere AI-agenten. |
Hvad der skal ske nu
Klik på Eksempel for at få vist AI-agenten. Du kan finde flere oplysninger under Få vist en forhåndsvisning af din autonome AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics.
- Hvis du vil se oplysninger om sessioner og historik, skal du se Vis autonome AI-agentsessioner og -historik.
Se session og historik for autonome AI-agenter
Du kan få vist sessions- og historikoplysningerne for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser oplysninger om sessioner, der er oprettet med constomers. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. Sådan navigerer du til siden Sessioner :
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist sessionsoplysningerne for.
- Fra venstre navigationsrude skal du klikke på Sessioner.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle sessionens meddelelser. Disse oplysninger er nyttige til revision, analyse og forbedring af AI-agenten.
Sessionstabellen viser en liste over alle de sessioner/lokaler, der er oprettet for den pågældende AI-agent. Tabellen sideinddeles, hvis der er flere rækker, end der er plads til på én skærm. Alle felter i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Finjuster resultater i venstre side. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-id – Det unikke lokale-id eller sessions-id for en samtale.
- Forbruger-id – id'et på den forbruger, der har interageret med AI-agenten.
-
Kanaler – den kanal, hvor interaktionen fandt sted.
-
Opdateret den—Tidspunkt for lukning af rummet.
-
Metadata for lokalet—Indeholder yderligere oplysninger om rummet.
-
Marker de krævede afkrydsningsfelter:
- Skjul testsessioner – For at skjule testsessionerne og kun vise listen over livesessioner.
- Agentoverdragelse skete – For at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – For at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – For at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af den pågældende session. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-knappen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktionalitet gælder dog kun, når den avancerede databeskyttelse er angivet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist historikken for en bestemt agent:
- På dashboardet skal du klikke på den autonome AI-agent, som du vil have vist historikken for.
- Klik på Historik i venstre navigationsrude.
Siden Historik vises med følgende faner:
- Overvågningslogge – klik på fanen Overvågningslogge for at få vist de ændringer, der er foretaget af AI-agenterne.
- Modelhistorik – klik på fanen Modelhistorik for at få vist de forskellige versioner af den autonome AI-agent til udførelse af handlinger.
Revisionslogfiler
Fanen Overvågningslogge sporer de ændringer, der er foretaget af den autonome AI-agent. Du kan få vist detaljerne om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende detaljer:
Brugere med administrator- eller AI-agentudviklerroller kan kun få adgang til fanen Overvågningslogge . Brugere med brugerdefinerede roller, der har tilladelsen "Hent overvågningslog", kan også se overvågningslogfilerne.
- Opdateret på—Data og tidspunkt for ændringen.
- Opdateret af—Navnet på den bruger, der inkorporerede ændringen.
- Felt – det specifikke afsnit af AI-agenten, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en bestemt overvågningslog ved brug af søgefunktionerne Opdateret af,Felt og Beskrivelse. Du kan sortere logfilerne baseret på felterne Opdateret den og Opdateret med .
Model historie
Fanen Modelhistorik er kun tilgængelig for den autonome AI-agent til udførelse af handlinger.
Hver gang du publicerer den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig på fanen Modelhistorik . Du kan få vist de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-program – det AI-program, der bruges til den pågældende version af AI-agenten.
- Opdateret den – Dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – Giver dig mulighed for at udføre følgende handlinger på AI-agenten:
- Indlæs – Alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksportér – bruges til at eksportere AI-agenten.
Få vist en forhåndsvisning af din autonome AI-agent
Du kan få vist et eksempel på de autonome AI-agenter på tidspunktet for oprettelse af AI-agenten, mens du redigerer, og efter installation af agenten. Du kan åbne eksemplet fra:
- AI-agentdashboard – Når du holder musen hen over et AI-agentkort, bliver indstillingen Eksempel for den pågældende AI-agent synlig. Klik her for at åbne eksemplet på AI-agenten.
- AI-agentheader – Klik på AI-agentkortet for at åbne AI-agenten. Indstillingen Eksempel er altid synlig i overskriftssektionen.
- Minimeret widget – Når en forhåndsvisning er startet og minimeret, vises en chathovedwidget nederst til højre på siden. Du kan bruge denne indstilling til nemt at genåbne forhåndsvisningstilstanden.
Webex AI Agent Studio indeholder også en mulighed for at dele et eksempel. Klik på menuen i øverste højre hjørne, og vælg indstillingen Kopier eksempellink . Du kan dele eksempellinket med andre brugere, f.eks. testere eller forbrugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at kontrollere AI-agentens svar og sikre, at de fungerer korrekt.
Du kan også minimere preview-widgeten, give forbrugeroplysninger og starte flere rum for at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. Du kan tilpasse widgetten på følgende måde:
- Widgetfarve – ved at føje parameteren brandColor til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekoden.
-
Telefonkabinet – Ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til true og kan deaktiveres ved at gøre det falsk .
Eksempel på eksempellink med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=<true/false>&brandcolor<angiv en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret prøveversion
Autonom AI-agent til besvarelse af spørgsmål understøtter stemmebaseret prøveversion. Sådan aktiveres denne indstilling:
- Naviger til Dashboard, og vælg AI-agenten.
- Naviger til .
- Fra rullelisten AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Indstillingen Forhåndsvisning opdateres med et mikrofonikon til stemmebaseret forhåndsvisning. Klik på Eksempel. Widgetten til stemmeeksempel vises.
Du skal aktivere mikrofonadgang for at bruge denne funktion.
Du kan få vist følgende valgmuligheder i widgetten til stemmevisning:
- Start-knappen for at starte eksemplet.
- Live transskription af samtalen vises i widgetten, når stemmeeksemplet er i gang.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyden fra.
Få vist effektiviteten af en autonom AI-agent ved hjælp af Analytics
Afsnittet AI Agent Analytics indeholder en grafisk repræsentation af de vigtigste målepunkter til evaluering af AI-agentens ydeevne og effektivitet. Sådan genereres analyserne for den autonome AI-agent:
- Vælg AI-agenten på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
I det første afsnit vises følgende statistikker om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er antallet af sessioner, der er overdraget til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Det andet afsnit viser statistik om brugerne. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Det tredje afsnit viser AI-agentsvar og agentoverdragelser
Konfigurer scripted AI Agent
I dette afsnit beskrives, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI Agent Studio-platform, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scripted AI Agent til udførelse af opgaver
Scripted AI-agent øger agentopbygningsfunktionerne uden kode på Webex AI Agent Studio-platform. Scripted AI-agent muliggør samtaler med flere drejninger, hvor den kan hente relevante data fra kunder for at udføre specifikke opgaver. Dette omfatter:
-
Kør enkle kommandoer – Følg instruktionerne for at udføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og transformer data i henhold til angivne regler.
-
Interager med andre systemer – Kommuniker med og styr andre løsninger.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til udførelse af handlinger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på + Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I feltet Hvilken type agent bygger du? sektion, skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er agentens hovedfunktion? sektion, skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet . I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer objekter
Objekter er byggestenene i samtaler. Det er de væsentlige elementer, som AI-agenten udtrækker fra brugerytringer. De repræsenterer specifikke oplysninger, såsom produktnavne, datoer, mængder eller enhver anden vigtig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan en AI-agent bedre forstå brugerens hensigt og give mere nøjagtige og relevante svar.
Enhedstyper
Webex AI Agent Studio tilbyder 11 færdigbyggede objekttyper til registrering af forskellige typer brugerdata. Du kan også oprette et af følgende brugerdefinerede objekter.
Brugerdefinerede objekter
Disse objekter kan konfigureres og giver udviklere mulighed for at registrere brugssagsspecifikke oplysninger.
-
Brugerdefineret liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af færdigbyggede enheder. Du kan tilføje flere synonymer ud for hver streng. Det kan f.eks. være et brugerdefineret objekt for pizzastørrelse.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. F.eks. et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrer numeriske input med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I ikke-stemmeinteraktioner bruges det som et alternativ til objekttyperne Brugerdefineret og Regex. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumerisk – optag kombinationer af bogstaver og tal, så du kan genkende både stemme og ikke-stemme input.
-
Fri formular – registrer fleksible datapunkter, der er svære at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, som du deler på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempel på input | Eksempel på output |
|---|---|---|---|
| Dato | Parser datoer i naturligt sprog til et standarddatoformat | "Juli næste år" | 01/07/2020 |
| Tid | Fortolker tid i naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | Skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer almindelige telefonnumre | Ring til mig på 9876543210 | 9876543210 |
| Monetære enheder | Parser valuta og beløb | Jeg vil have 20$ | 20$ |
| Ordenstal | Registrerer ordenstal | Fjerde af ti personer | 4 |
| Kardinal | Registrerer kardinalnummer | Fjerde af ti personer | 10 |
| Geolokalisering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London, Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | Bill Gates |
| Kvantitet | Identificerer målinger som vægt eller afstand | Vi er 5 km væk fra Paris | 5 km |
| Varighed | Identificerer tidsperioder | 1 uges ferie | 1 uge |
Oprettede objekter kan redigeres fra fanen Objekter. Når du knytter objekter til en hensigt, anmærker du dine ytringer med registrerede objekter, efterhånden som du tilføjer dem.
Objektroller
Når et objekt skal indsamles flere gange inden for en enkelt hensigt, bliver objektroller afgørende. Ved at tildele forskellige roller til det samme objekt kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyrejse med mellemlanding, kan du oprette et lufthavnsobjekt med tre roller: oprindelse, destination og mellemlanding. Ved at annotere træningsytringer med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Objektroller understøttes kun for Mindmeld (brugerdefinerede objekter og systemobjekter) og Rasa (kun brugerdefinerede objekter), administratorer skal markere afkrydsningsfeltet Objektroller under de avancerede indstillinger i dialogboksen NLU-programvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens objektroller er i brug. Roller skal fjernes fra hensigter for at deaktivere objektroller fra avancerede NLU-programindstillinger. Du kan oprette et objekt med objektroller.
Oprette et objekt med objektroller
Før du begynder
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på fanen Objekter . |
| 5 |
Klik på Opret objekt. |
| 6 |
Angiv følgende felter i vinduet Opret objekt : |
| 7 |
Aktivér til/fra-knappen Foreslå slotværdier automatisk til Autofuldførelse, og angiv alternative forslag til dette objekt under samtalen. Feltet Roller vises kun, når der oprettes et brugerdefineret objekt, hvis objektroller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift træningsprogram for RASA og Mindmeld NLU-programmer . |
| 8 |
Klik på Gem. Du kan bruge indstillingerne Rediger og Slet i kolonnen Handlinger til at udføre relaterede handlinger.
|
Hvad der skal ske nu
Når du har oprettet et objekt, kan du sammenkæde roller med et objekt.
Sammenkæde roller med et objekt
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. |
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til et objekt for at indsamle det samme objekt to gange for en hensigt. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Administrer hensigter
Hensigt er en kernekomponent i Webex AI Agent Studio-platformen, der gør det muligt for AI-agenten at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. Du kan definere alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassificeringen påvirker direkte AI-agentens evne til at give relevante og nyttige svar. Hensigtsklassificering er processen med at identificere hensigt baseret på dit input, så AI-agenten kan reagere på en meningsfuld og kontekstrelevant måde.
Systemets hensigter
- Standardmetode til fallback – En AI-agents muligheder er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardmetoden med fallback hjælpe samtaler med at komme på rette spor.
Ved at implementere en standardmetode til fallback kan AI-agentudviklere sikre, at AI-agenten håndterer uventede forespørgsler eller forespørgsler, der ikke er omfattet af anvendelsesområdet, og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke at føje specifikke ytringer til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på spørgsmål, der er kendt uden for anvendelsesområdet, og som ellers fejlagtigt ville blive kategoriseret i andre hensigter.
I en AI-bankagent kan kunder f.eks. forsøge at forespørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler inkorporeres som træningsudtryk i standardmetoden forfallback. Når en kunde forespørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten, at forespørgslen falder uden for de definerede hensigter, og udløser fallback-svaret. Dette sikrer et mere passende svar.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Nødhensigten skal bruge standardnøglen til fallback-skabelonen til sit svar.
- Hjælp – Denne hensigt er designet til at håndtere kundeforespørgsler om AI-agentens funktioner. Når kunderne er usikre på, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at
bede om hjælp.Som standard er svaret på hjælpemetoden knyttet til skabelonnøglen til
Hjælp-meddelelse. AI-agentudviklere kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens muligheder på et højt niveau, hvilket giver kunderne en klar forståelse af, hvad de kan gøre næste gang.
- Tal med en agent – Denne hensigt gør det muligt for kunder at anmode om hjælp fra en menneskelig agent på et hvilket som helst trin i deres interaktion med AI-agenten. Når denne hensigt påberåbes, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne hensigt er
agentoverdragelse. Selvom der ikke er nogen UI-begrænsninger for ændring af svarskabelonnøglen, vil ændring af den ikke påvirke resultatet af den menneskelige overdragelse.
Hensigten med smalltalk
Alle nyoprettede AI-agenter indeholder fire foruddefinerede small talk-hensigter til håndtering af almindelige kundehilsner, udtryk for taknemmelighed, negativ feedback og farvel:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
- Farvel
Opret en hensigt
Før du begynder
Før du opretter en hensigt, skal du sørge for at oprette objekter, der skal linkes til hensigten. Du kan finde flere oplysninger i Oprette objekt med objektroller.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg en AI-agent på dashboardet . |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du klikke på Opret hensigt. |
| 5 |
Angiv følgende oplysninger i vinduet Opret hensigt : |
| 6 |
Marker afkrydsningsfeltet Obligatorisk , hvis enheden er obligatorisk. |
| 7 |
Angiv antallet af tilladte nye forsøg på denne plads. Som standard er tallet angivet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du angive nøglen til den endelige svarskabelon, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil pladser efter fuldførelse for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne omskifterfunktion er deaktiveret, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. AI-agenten tager den sidste værdi, der er udfyldt i pladsen, for at behandle dataene. Hvis indstillingen er aktiveret, opdateres værdier for fyldte pladser, når kunder angiver nye oplysninger for den samme slottype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til pladser for at give forslag til udfyldning af pladser og alternative slotværdier i det endelige svar baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter denne hensigt. Webex Connect og talestrømme kan bruge dette til at lukke en samtale med forbrugere.
|
| 14 |
Klik på Gem. Klik på Oplær øverst til højre på fanen Træning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves mindst to træningsvarianter (ytringer) pr. Hensigt. Hver plads skal også have mindst to anmærkninger. Hvis disse krav ikke opfyldes, deaktiveres knappen Opsæt . Der vises et advarselsikon ud for den berørte hensigt for at angive problemet. Standardmetoden med fallback er dog undtaget fra disse krav. |
Hvad der skal ske nu
Når en hensigt er oprettet, kræves der nogle oplysninger for at opfylde hensigten. Sammenkædede objekter dikterer, hvordan disse oplysninger indhentes fra brugerytringer. Du kan finde flere oplysninger i Sammenkæde objekter med hensigt.
Sammenkæde objekter med hensigt
Før du begynder
Sørg for at oprette objekter og sammenkæde dem, før du tilføjer ytringer. Denne opretter automatisk bemærkninger til enhederne, mens ytringer tilføjes.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på den AI-agent, du har oprettet, på dashboardet. |
| 3 |
Klik på Træning i venstre rude. |
| 4 |
På siden Træningsdata skal du vælge en hensigt om at sammenkæde objekter og objektroller. Som standard vises fanen Hensigt .
|
| 5 |
I sektionen Pladser skal du klikke på Tilknyt objekt. De tilknyttede enheder vises i sektionen Slots.
|
| 6 |
Vælg objektrollen for objektnavnet. |
| 7 |
Klik på Gem. Når et objekt markeres som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, AI-agenten kan anmode om det manglende objekt, før der eskaleres eller gives et reservesvar. Du kan definere den skabelonnøgle, der skal aktiveres, hvis det påkrævede objekt ikke leveres i det angivne antal forsøg.
Når en AI-agent identificerer en hensigt og indsamler alle nødvendige data (pladser), svarer den ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret for den pågældende hensigt. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal du aktivere til/fra-knappen Nulstil pladser efter fuldførelse . Denne indstilling rydder alle genkendte objekter fra konversationshistorikken, hvilket sikrer en ny start for hver ny interaktion. |
Generer træningsdata
Du skal manuelt tilføje træningsdata til deres hensigter for at få AI-agenten til at arbejde med en rimelig nøjagtighed. Træningsdataene består af forskellige måder, hvorpå du kan påberåbe dig den samme hensigt. Du kan tilføje mindst 15-20 varianter for hver hensigt for at forbedre dens nøjagtighed. Oprettelse af dette træningskorpus manuelt kan være kedeligt og tidskrævende. Du kan kun tilføje nogle få varianter eller kun tilføje søgeord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata som supplement til dine eksisterende.
Følg nedenstående trin for at generere træningsdata:
- Indtast hensigtsnavnet og et eksempel på en udtalelse.
- Klik på Opret.
- Giv en kort beskrivelse af hensigten med at guide AI'en.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder afhængigt af antallet af varianter, der anmodes om.
- Lynikonet skelner AI-genererede varianter fra brugerdefinerede træningsdata.
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Markering af genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller partisk indhold. Sådan markerer du AI-genererede output:
- Find markeringsindstillingen: Der er en markeringsindstilling tilgængelig for hver genereret ytring.
- Giv feedback: Når udviklere markerer et output, kan de tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er oprindeligt tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en forhøjelse af denne grænse.
Oprette flersproget hensigt og enhed
Du kan oprette træningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere ytringer, der afspejler de ønskede interaktioner. Mens pladserne forbliver konsistente på tværs af sprog, identificerer skabelonnøglerne entydigt svarene på hvert sprog.
Ikke alle sprog understøtter alle objekttyper. Du kan finde flere oplysninger om listen over objekttyper, som hvert sprog understøtter , i tabellen Sprog versus understøttede enheder i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst—Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – Billeder, lyd eller videoelementer, der forbedrer brugeroplevelsen.
Svarene består af to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til bestemte formål.
- Arbejdsprocesser – Den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på den identificerede hensigt.
Skabelonerne Agentoverdragelse, Hjælp, Fallback og Velkommen er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer på en asynkron måde. Arbejdsprocesserne skal kodes i python.
Variabel substitution
Variabelerstatning gør det muligt at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller objekter) i en session sammen med dem, som en AI Agent-udvikler kan angive i et friformsobjekt, f.eks. feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved brug af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af et objekt, der kaldes apptdate , ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugere i løbet af en samtale. Funktionen til automatisk fuldførelse viser syntaksen af variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og fremhæver en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til oprettelse af svar uden at kræve omfattende kodningskendskab. Der findes to svartyper:
- Betingede svar: For ikke-udviklere giver denne indstilling mulighed for nem konstruktion af svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne indstilling fleksibilitet til at konfigurere svar ved hjælp af kode.
Svardesigneren er designet til at sikre, at brugeroplevelsen henvender sig til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – Dette er enkle tekstsvar. For at forbedre brugeroplevelsen tillader svardesigneren flere tekstfelter i et enkelt svar, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hver tekstboks kan indeholde forskellige svarindstillinger. Under en samtale vælges en af disse indstillinger tilfældigt og vises for brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere muligheder aktiveres, vælges en af dem tilfældigt og vises for brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant nederst i dit svar.
Når du gemmer svar, vises der muligvis en advarsel, der angiver antallet af fejl, der skal rettes. Felterne med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at bevæge dig gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som kan være enten tekstbaserede links eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en kundes forespørgsel er tvetydig, giver delvis matchning robotten mulighed for at foreslå relevante artikler eller hensigter som muligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af URL-svar
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger som udfyldning af formularer. Når der klikkes på dem, åbner disse knapper den angivne URL i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar som betinget eller fast svar:
- Vælg den artikel eller skabelonnøgle, som du vil konfigurere URL-hurtigsvaret for.
- Klik på +Tilføj et hurtigt svar. Popup-vinduet af knaptypen vises.
- Vælg knaptypen som URL i webkanalen.
- Angiv titlen på knappen og den URL-adresse, som forbrugeren skal omdirigeres til, når vedkommende har klikket på knappen.
- Klik på OK for at tilføje et hurtigt URL-svar.
URL-typeknapper kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i afsnittene Eksempel og Forhåndsvisning, der kan deles. De understøttes i øjeblikket ikke af IMIchats Live chat-widget eller andre tredjepartskanaler.
- Karrusel – udvidede svar kan omfatte et enkelt kort eller flere kort arrangeret i roterende format. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapperne Hurtigt svar i karruselskabelonen kan konfigureres med tekst- eller URL-links. Ved at klikke på en URL-knap omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes der en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – En multimedieskabelon, hvor brugerne kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forhåndsvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til kald af API'er eller udførelse af anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste AI-agentbehov. Men for komplekse use cases, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodestykker giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Denne fremgangsmåde giver dig mulighed for at oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i skabelonen Kodestykke, kan bruges til at angive variabler, som derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskode ikke direkte kan returnere svar, når den bruges i betingede svar.
Validering af kodestykke – platformen kontrollerer kun, om der er syntaksfejl i det kodestykke, du konfigurerer. Eventuelle fejl i selve svarindholdet kan dog forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. For eksempel forhindrer editoren dig ikke i at tilføje et "tidsvælger" -svar til webkanalen, men dette resulterer i fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du ikke konfigurerer et entydigt svar for forskellige kanaler, tages websvaret som standardsvaret, og det samme sendes til kunden. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – En simpel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar—En skabelon med tekst og klikbare knapper.
- Karrusel – En samling kort, hvor hvert kort har en titel, en billedwebadresse og en beskrivelse.
- Billede – En skabelon til konfiguration af billeder ved angivelse af URL-adresser.
- Video – En skabelon til konfiguration af video ved at angive videoens URL-adresse. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – En skabelon til at konfigurere en pdf-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – En skabelon til at konfigurere en lydfil ved at angive lyd-URL'en. Det viser også varigheden af lydmeddelelsen i output.
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Scripted AI Agent til besvarelse af spørgsmål
Scriptede AI-agenter er videnbaserede agenter, hvis videnbase består af et korpus af spørgsmål og svar. Scripted AI-agent kan give svar baseret på et brugeroprettet træningskorpus, som er en samling eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Specifik viden er påkrævet – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtig – agenten skal give ensartede svar på lignende forespørgsler.
- Der er brug for begrænset fleksibilitet – agentens svar begrænses af oplysningerne i træningskorpusset.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scripted AI-agent til besvarelse af spørgsmål
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
På dashboardet skal du klikke på +Opret agent. |
| 3 |
På skærmbilledet Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scriptet. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
Angiv følgende oplysninger på siden Definer agent : |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er oprettet korrekt og er nu tilgængelig på dashboardet .
I AI-agentoverskriften kan du udføre følgende opgaver:
Du kan også importere de færdigbyggede AI-agenter. Du kan finde flere oplysninger i Importere færdigbygget AI-agent. |
Hvad der skal ske nu
Føj artikler til AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptet AI-agent til besvarelse af spørgsmål.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til og konfigurer følgende detaljer: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler er en vigtig del af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver artikel har et standardspørgsmål , der identificerer den. Alle artiklerne udgør tilsammen AI-agentens vidensbase eller korpus. Når din kunde spørger om noget, kontrollerer systemet sin vidensbase og giver dig det bedste svar, det finder.
Rasa- og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer) for at en artikel kan være en del af et korporas trænede model. Knapperne Oplær og Gem og Tog forbliver ikke tilgængelige i en scriptet AI-agent til besvarelse af spørgsmål, hvis du vælger en Rasa- eller Mindmeld NLU-motor, og hvis en artikel har mindre end to variationer. Når du placerer markøren på disse knapper, der ikke er tilgængelige, viser systemet en meddelelse, der beder dig om at løse problemerne, før du træner. Systemet viser også et advarselsikon, der svarer til artiklen med problemer. Du kan løse problemerne ved at føje mere end to varianter til en artikel. Knapperne Oplær og Gem og Tog bliver tilgængelige, når problemerne er løst. At have to varianter gælder ikke for standardartiklerne - delvis matchmeddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler forbliver klassificeret som ikke-tildelte. Fra det tidspunkt, hvor artiklerne oprettes, er der fire standardartikler, der er tilgængelige for hver AI-agent. Følgende er disse:
- Velkomstmeddelelse – Denne indeholder den første meddelelse, når der startes en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agent viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – Når AI-agenten genkender flere artikler med en lille forskel i resultater (som angivet i indstillingerne for overdragelse og slutninger ), viser agenten denne matchmeddelelse sammen med de matchede artikler som indstillinger. Du kan også konfigurere tekstsvaret, der skal vises sammen med disse indstillinger.
- Hvad kan du gøre?– Du kan konfigurere AI-agentens funktioner. AI Agent viser dette, når slutbrugerne sætter spørgsmålstegn ved AI Agent-funktioner.
Derudover tilføjes standardartiklen Tal med en agent, hvis indstillingerne for Overdragelse af agenter fra Overdragelse og Afledning er aktiveret.
Alle nye AI-agenter har også fire Smalltalk-artikler , der håndterer brugerytringer for:
- Hilsner
- Tak
- AI-agenten var ikke hjælpsom
-
Farvel
Disse artikler og svar er som standard tilgængelige i AI-agentvidensbasen, når der oprettes en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænsefladen og standardsvaret
En artikel er kombinationen af et spørgsmål, dets variationer og svar på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises for brugeren som svaret fra AI-agenten. Sådan tilføjes artikler:
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Gå til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianterne. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
Du kan finde flere oplysninger i afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og oplæring. |
Importere fra kataloger
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser . |
| 4 |
Klik på Importér fra kataloger. |
| 5 |
Vælg kategorierne for de artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Uddrag ofte stillede spørgsmål fra linket
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet. |
| 4 |
Klik på Uddrag ofte stillede spørgsmål fra linket. |
| 5 |
Angiv URL-adressen, hvor ofte stillede spørgsmål hostes, og klik på Udpak. |
| 6 |
Klik på Importér. |
Importer fra fil
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ellipseikonet . |
| 4 |
Klik på Importer fra en fil , og vælg CSV at importere artiklerne fra den CSV fil. Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Gennemse , og vælg en fil, der indeholder alle artikler. Klik på Download eksempel for at få vist det format, som artiklerne skal angives i. |
| 6 |
Klik på Importér. |
Tilføj brugerdefinerede synonymer
Mange AI-agentbrugssager har tendens til at involvere ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningskontekst. For eksempel vil du have AI-agenten til at genkende Android-app, iOS-app osv. AI-agenten skal inkludere disse udtryk og deres variationer i træningsytringer for alle relaterede artikler, hvilket fører til redundant dataindtastning.
For at løse dette redundansproblem kan du bruge brugerdefinerede synonymer i en scriptet AI-agent til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørsel af platformen.
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Vælg den AI-agent, du har oprettet, på dashboardet . |
| 3 |
Naviger til , og klik på ikonet Ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Oplær AI-agenten igen, når du har tilføjet synonymerne. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
NLU-motor (Natural Language Understanding)
AI-agenter med scripts bruger NLU (Natural Language Understanding) sammen med maskinel indlæring til at identificere kundens hensigt. Følgende NLU-programmer fortolker kundeinput og giver nøjagtige svar:
- Swiftmatch – En hurtig, let motor, der understøtter flere sprog.
- RASA – En førende AI-struktur til samtale med åben kildekode.
- Mindmeld (beta) – Tilbyder avancerede samtaleflow og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-programmer på fanerne Artikler og Uddannelse i scriptede AI-agenter for at evaluere ydeevnen. Ændring af programmet opdaterer AI-agentens algoritme og kræver omskoling for nøjagtig slutning baseret på den nye model. Du kan analysere præstationsforskellene ved hjælp af lighedsscorer i sessioner og test med et enkelt klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og slutning" efter skift af motor. For RASA har tærskelscorerne tendens til at være omvendt proportionale med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i slutningsindstillinger.
Skift træningsmotorer
Sådan skifter du mellem NLU-motorerne.
-
Vælg den AI-agent, som du vil ændre træningsprogrammet.
- For scripted AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden i vidensbasen vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Uddannelse. Siden Træningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU Engine til højre på siden. Vinduet Skift træningsprogram vises.
NLU-programmet er som standard indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg det træningsprogram, der skal oplære AI-agenten. Mulige værdier:
- RASA (beta)
- Swiftmatch
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Slutninger :
- Resultat under hvilken fallback vises – Den mindste tillid, der kræves for at et svar kan vises for dig, under hvilket et fallback-svar vises.
- Forskel i resultater for delvis match – Definerer minimumafvigelsen mellem konfidensniveauer for svar for tydeligt at vise det bedste match, under hvilket der vises en skabelon for delvist match.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord - 'Stopord' er funktionsord, der etablerer grammatiske relationer, blandt andet inden for en sætning, men ikke har leksikalsk betydning alene. Når du fjerner stopord som artikler (a, an, the osv.), pronomen (ham, hende osv.) fra sætningen, kan maskinlæringsalgoritmerne fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjerner det 'stopwords' fra sætningen på tidspunktet for træning og slutning. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid kontraktioner – engelske kontraktioner i træningsdataene kan udvides til den oprindelige formular sammen med termerne i den indgående forbrugerforespørgsel for større nøjagtighed. Eksempel: "lad være" udvides til "gør ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-programmer.
- Stavekontrol i slutning – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før slutning. Denne funktion understøttes kun for alle tre programmer, hvis afkrydsningsfeltet Stavekontrol i slutning er aktiveret.
- Fjern specialtegn – Specialtegn er ikke-alfanumeriske tegn, der påvirker følgeslutninger. For eksempel betragtes Wi-Fi og Wi Fi forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen, så der vises et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Objektroller – brugerdefinerede objekter kan have forskellige roller. Denne NLU-motorkapacitet understøttes kun for RASA og Mindmeld.
- Enhedssubstitution i slutning – Enhedsværdier i træningsdata og inferens erstattes med enheds-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter udfyldning af pladser – Udfyldning af plads prioriteres frem for registrering af hensigt.
- Resultater, der er gemt pr. meddelelse – antallet af artikler, hvor AI-agentens beregnede konfidensresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i afsnittet Algoritme på skærmbilledet Sessioner, er nu begrænset til 5. De øverste n-resultater (1=<n=<5) er tilgængelige i rapporter over meddelelsestransskriptioner for AI-agenter med scripts og i afsnittet "Algoritmeresultater" på fanen Transaktionsoplysninger i Sessioner.
- Udvidelse af ordform – Udvid træningsdata med ordformer, f.eks. flertal, verber osv., sammen med de synonymer, der er integreret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i træningsdataene automatisk fra for at genkende forbrugerforespørgslen præcist. For eksempel for ordet have kan de systemgenererede synonymer være en baggård, gård og så videre. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, f.eks. flertal, adverb, adjektiver eller verber. For eksempel for ordet "skabelse" kan ordformerne oprettes, skabe, skaber, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan angive forskellige tærskelscorer for forskellige NLU-programmer for at bestemme den laveste score, der er acceptabel til at vise AI-agentens svar.
- Klik på Opdater for at ændre algoritmen i AI-agentens korpus.
- Klik på Træn. Når AI-agenten er oplært med det valgte træningsprogram, ændres vidensbasens status fra Gemt til Oplært.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Træning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den live for at teste og implementere den. Hvis du vil træne AI-agenten med dens aktuelle korpus, skal du klikke på Oplær øverst til højre. Dette bør ændre status til Uddannelse.
Når træningen er fuldført, skifter status til Oplært. Klik på ikonet Genindlæs ved siden af Træning for at hente den aktuelle træningsstatus.
På dette tidspunkt kan du klikke på Gør live for at gøre det trænede korpus live og teste det i delbar forhåndsvisning eller på eksterne kanaler, hvor AI-agenten er implementeret.
Vektor model
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Valg er muligt mellem to muligheder - Ytringsniveau versus vektorer på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på ytringsniveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorer på artikelniveau er den nye standardværdi for vektorisering for nye ensprogede AI-agenter. For flersprogede AI-agenter understøttes matchning på artikelniveau kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en slutning, i sessionens afsnit med andre oplysninger .
Konfigurer administrationsindstillinger
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Hvad der skal ske nu
Føj sprog til Scripted AI-agenten.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til . |
| 2 |
Klik på + Tilføj sprog for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke AI-agentens artikler, organisering, test og eksempelvisning. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret script-AI-agenten.
| 1 |
Naviger til , og konfigurer følgende detaljer: |
| 2 |
Klik på Gem ændringer for at gemme overleveringsindstillingerne. |
Hvad der skal ske nu
Få vist en forhåndsvisning af din scriptede AI-agent
Webex AI Agent Studio giver dig mulighed for at få vist eksempler på dine AI-agenter, mens du udvikler det, og selv efter udviklingen er færdig. På denne måde kan du teste AI-agenternes funktion og afgøre, om de ønskelige svar genereres svarende til de respektive inputforespørgsler. Du kan få vist en forhåndsvisning af din scriptede AI-agent på følgende måder.
- AI-agentdashboard – hold markøren over et AI-agentkort for at få vist indstillingen Eksempel for den pågældende AI-agent. Klik på Eksempel for at åbne widgetten AI Agent-eksempel.
- AI-agentheader – Når du er gået i redigeringstilstand for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er indstillingen Eksempel altid synlig i overskriftsafsnittet.
- Minimeret widget – Når en forhåndsvisning er startet og derefter minimeret, oprettes der en chathovedwidget nederst til højre på siden, så du nemt kan genåbne eksempeltilstanden.
Derudover kan du kopiere det delbare eksempellink fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér eksempellink. Du kan dele dette link med de andre brugere af AI-agenten.
Widget til forhåndsvisning af platform
Eksempelwidgetten vises nederst til højre på skærmen. Du kan angive ytringer (eller en række ytringer) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenter understøtter flere sprog og kan automatisk registrere ytringens sprog for at reagere derefter. Du kan også manuelt vælge sproget i eksemplet ved at klikke på sprogvælgeren og vælge på listen over tilgængelige indstillinger.
Du kan maksimere preview-widgetten for en bedre visning. Du kan også give forbrugeroplysninger og starte flere rum for grundigt at teste AI-agenten.
Widget til forhåndsvisning, der kan deles
Den delbare eksempelwidget giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde uden behov for at udvikle en brugerdefineret brugergrænseflade til at vise AI-agenten. Som standard gengiver det kopierede eksempellink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forhåndsvisningslinket. De to store tilpasninger er:
- Widgetfarve – Ved at føje en
brandColor-parametertil linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekode. -
Telefonkabinet – Ved at ændre værdien af parameteren
phoneCasingi linket. Dette er som standard indstillet tiltrueog kan deaktiveres ved at gøre det falskEksempel på eksempellink med disse parametre:
?botunique_name=<dinbot_unique_name>&enterpriseunique_name=<dinenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationsafsnit for Scripted AI Agent
Følgende afsnit vises i venstre panel på siden AI-agentkonfiguration:
Træning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logik eller NLU (Natural Language Understanding) nogle gange have utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI-agentplatformen en praktisk bot-testramme med et enkelt klik. Du kan:
- Opret og kør nemt et omfattende sæt testcases.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testcases med flere meddelelser.
Definer test
Du kan definere test ved hjælp af følgende trin:
- Log på Webex AI Agent Studio-platformen.
- Klik på den scriptbaserede AI-agent, du har oprettet, på dashboardet.
- Klik på Test i venstre rude. Som standard vises fanen Testcases .
- Vælg en testcase, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer en testcase med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | En eksempelmeddelelse, der repræsenterer de typer forespørgsler og sætninger, du kan forvente, at brugerne sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart autofuldførelsesfunktion. Når du indtaster, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil tidligere kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testcases og sikre, at de køres uafhængigt af enhver eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testcase i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise matches | Aktivér denne til/fra-knap for at betragte testsager som vellykkede, selvom de forventede artikler kun delvist svarer til det faktiske svar. |
| Importere fra CSV | Importer testcases fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksportér til CSV | Eksporter testcases til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowets funktionsmåde uden at kræve faktiske indgående opkald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Genkald i flow | Klik på afkrydsningsfeltet i denne kolonne for at angive, at en hensigt skal udløse et tilbagekald. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Skabelon til forventet tilbagekald | Angiv den skabelonnøgle, der skal aktiveres, når tilbagekaldet finder sted. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
| Timeout for tilbagekald (er) | Det maksimale tidsrum (i sekunder), hvor AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. Der tillades maksimalt 20 sekunders timeout. Denne indstilling er kun tilgængelig for scriptede AI-agenter til udførelse af handlinger. |
Udfør test
Klik på Udfør valgte tests under fanen Udførelse for at starte en sekventiel udførelse af alle valgte testcases.
Du kan også udføre testcases fra fanen Testcases .
.Hvis du vil have vist testcases med bestemte resultater, skal du klikke på det ønskede resultat (f.eks. . Bestået,Bestået med delvist match,Mislykket,Afventer ) på oversigtsbåndet. Dette filtrerer listen over testsager, så den kun viser dem, der svarer til det valgte resultat.
Det sessions-id, der er knyttet til hver testcase, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydsreferere testsager og se transaktionsdetaljer. Hvis du vil gøre dette, skal du vælge indstillingen Transaktionsoplysninger i kolonnen Handlinger .
Udførelse historie
På fanen Historik skal du få adgang til alle udførte testsager.
- Klik på ikonet Download i kolonnen Handlinger for at eksportere de udførte testdata som en CSV fil til offlineanalyse eller rapportering.
- Gennemse de specifikke program- og algoritmeindstillinger, der bruges til hver udførelse af testcasen. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- Hvis du vil se de avancerede algoritmekonfigurationsindstillinger, der bruges til et bestemt træningsprogram, skal du klikke på infoikonet ud for navnet på træningsprogrammet. Dette giver indsigt i de parametre og indstillinger, der påvirkede AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV fil til offlineanalyse og -overvågning. Du kan bruge disse data til at undersøge meddelelserne og konteksten for specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forfine AI-agentens svar og forbedre den overordnede brugeroplevelse.
Det kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – Den kanal, hvor interaktionen forekom (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser—Antallet af meddelelser, der blev udvekslet i løbet af sessionen.
- Opdateret den—Det tidspunkt, hvor sessionen blev lukket.
- Metadata – Yderligere oplysninger om sessionen.
- Skjul testsessioner – marker dette afkrydsningsfelt for at skjule testsessionerne og kun vise listen over aktive sessioner.
- Agentoverdragelse skete – marker dette afkrydsningsfelt for at filtrere de sessioner, der overføres til en agent. Hvis agentoverdragelse sker, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl - Marker dette afkrydsningsfelt for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og nedafstemninger. Dekrypteringssessioner kræver tilladelse på brugerniveau og avancerede databeskyttelsesindstillinger. Klik på Dekrypter indhold for at se sessionsdetaljerne.
Sessionsoplysninger for en bestemt session i Scripted AI Agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en scriptbaseret AI-agent til besvarelse af spørgsmål giver en omfattende opdeling af en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, der sendes af brugeren under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst for interaktionen.
Fanen Transaktionsoplysninger :
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både eksakte resultater og delvise matches.
- Viser lighedsscorerne, der er knyttet til hver identificeret artikel, og angiver graden af relevans.
- Viser resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater, afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og slutning.
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en bestemt interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – Viser den forbehandlede version af kundens input, efter at den er blevet behandlet af AI-agentens NLU-pipeline (Natural Language Understanding).
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Sessionsdetaljer for en bestemt session i Scripted AI Agent til udførelse af handlinger
Fanen Transaktionsoplysninger i Scripted AI Agent til udførelse af handlinger indeholder en detaljeret opdeling af en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnittet Hensigter identificeret :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det konfidensniveau, der er knyttet til hver identificeret hensigt.
- Viser de pladser, der er knyttet til den identificerede hensigt. Klik på pladsen for at se yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede objekter viser de objekter, der blev udtrukket fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse objekter repræsenterer de vigtigste oplysninger, som botten identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – Viser de identificerede hensigter og deres tilsvarende lighedsscorer.
- Objektliste – Viser de objekter, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger vises:
- Agentoverdragelse – Angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af bestemte regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver typen af svar, der genereres af AI-agenten, f.eks. et kodestykke eller et betinget svar.
- Svarbetingelse – Angiver den specifikke betingelse eller regel, der udløste AI-agentens svar.
- NLU-program – identificerer det NLU-program, der bruges til at behandle kundens forespørgsel (f.eks. RASA, Switchmatch eller Mindmeld).
- Tærskelresultater – Viser den mindste tærskelscore og den delvise matchscoreforskel, der er konfigureret i indstillingerne for overdragelse og slutning. Disse værdier bestemmer, hvornår en forespørgsel anses for at ligge uden for anvendelsesområdet eller kræver agentintervention.
- Avancerede logfiler – angiver en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler opbevares typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-format ved hjælp af downloadindstillingen.
Fanen Metadata viser:
- NLP-metadata – Gennemse de forbehandlingstrin, der er anvendt på kundens input på fanen NLP .
- Datalager og FinalDF – Få adgang til data, der er relateret til sessionen, på fanerne Datalager og FinalDF for smarte robotter.
- Søgefunktionalitet – Brug den indbyggede søgelinje til hurtigt at finde bestemte ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller objekter, er det vigtigt at omskole din scriptede AI-agent for at sikre, at den er opdateret. Test din AI-agent grundigt efter hvert træningspas for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Vis træningshistorik—Spor, hvornår et korpus blev trænet, og de ændringer, der er foretaget.
- Sammenlign træningsprogrammer – Gennemgå de træningsprogrammer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarigheder.
- Registrer ændringer – Overvåg ændringer af indstillinger, artikler, svar, NLP og organisering.
- Gå tilbage til tidligere versioner – Du kan nemt vende tilbage til et ældre træningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – Gør tidligere inaktive artikler live for at inkludere dem i AI-agentens svar.
- Rediger artikler – Opret en ny version af en eksisterende artikel, mens du bevarer originalen som reference.
- Eksempelpræstation – Evaluer AI-agentens præstation med en specifik vidensbase ved hjælp af eksempelfunktionen .
- Download artikler – eksportér dine videnbaseartikler som en CSV fil til offlineanalyse eller reference. Denne indstilling er kun tilgængelig for Scripted AI Agent til besvarelse af spørgsmål.
Revisionslogfiler
Afsnittet Overvågningslogge indeholder en detaljeret oversigt over de ændringer, der er foretaget af din scripted AI-agent inden for de seneste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Gå til dashboardet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at få vist AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret den—Den dato og det klokkeslæt, hvor ændringen blev foretaget.
- Opdateret af—Den bruger, der foretog ændringen.
- Felt – Den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – Yderligere oplysninger om ændringen.
-
Brug søgeindstillingerne Opdateret afogFelttil hurtigt at finde specifikke poster i overvågningsloggen. -
Fanen Modelhistorik viser maksimalt 10 korpora for hver AI-agent.
Kuratering
Meddelelser føjes til konsollen Organisering baseret på følgende kriterier:
- Fallback-meddelelser – Når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardhensigt mod fallback – Hvis denne omskifterfunktion er aktiveret, sendes meddelelser, der aktiverer standardmetoden for fallback, til konsollen Organisering.
Dette kriterium gælder kun for scripted AI-agent til udførelse af handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI-agenter.
- Agentoverdragelse – meddelelser, der resulterer i en menneskelig agentoverdragelse på grund af konfigurerede regler.
- Fra session – meddelelser, der er markeret af brugere som meddelelser, der ikke modtager det ønskede svar fra sessions- eller lokaledata.
- Lav tillid – meddelelser med en konfidensscore, der falder inden for den angivne grænse for lav tillid.
- Delvist match – meddelelser, hvor AI-agenten ikke definitivt kunne identificere den korrekte hensigt eller det korrekte svar.
Løs problemer
Fanen Problemer indeholder en central placering til gennemgang og adressering af meddelelser, der er markeret til organisering. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorsgrad og relevans.
- Undersøg den oprindelige brugerytring, AI-agentens svar og eventuelle tilknyttede medier.
Dekrypteringsadgang gives på brugerniveau og kræver , at avanceret databeskyttelse er aktiveret i backend.
Du kan løse et problem ved at:
-
Link til en eksisterende artikel – Hvis du vil knytte et problem til en eksisterende artikel, skal du vælge indstillingen Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug indstillingen Føj til en ny artikel til at oprette en ny artikel direkte fra indstillingskonsollen.
-
Ignorer problemer – Løs eller ignorer problemer for at fjerne dem fra konsollen til organisering.
- Det er ikke tilladt at linke til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvis match).
- For scripted AI-agent til udførelse af handlinger skal du vælge den relevante hensigt på rullelisten og mærke eventuelle relevante objekter.
- Når du har foretaget ændringer, skal du omskole din AI-agent for at sikre, at den nye viden afspejles i dens svar.
- Løs eller ignorer flere problemer samtidigt for effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert problem, der er løst, herunder om problemet blev linket til en eksisterende artikel, brugt til at oprette en ny artikel/hensigt eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt føje specifikke ytringer til indstillingskonsollen.
Sådan tilføjer du problemer fra sessioner:
- Identificer ytringen – Find den ytring, der udløste det forkerte svar.
- Kontroller status for organisering – Hvis problemet ikke allerede findes i konsollen til organisering,
vises omskifteren forstatus for organisering. - Skift flag – Aktivér til/fra-knappen
Organiseringsstatusfor at føje ytringen til kurateringskonsollen til gennemgang og løsning.
Hvis problemet allerede findes i indstillingskonsollen, ændres omskifterens udseende tilsvarende for at angive dens status.
Se din Scripted AI-ydeevne ved hjælp af Analytics
Afsnittet Analytics indeholder en grafisk repræsentation af vigtige metrics til evaluering af AI-agentens ydeevne og effektivitet. De vigtigste metrics er opdelt i fire sektioner, der vises som faner. Disse er: Oversigt, Svar, Træning og Organisering.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de vil se analyserne for. De kan også tilpasse analysevisningen ved at vælge den kanal, de vil se dataene for, sammen med datointervallet og granulariteten af dataene. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granularitet (hver dag er et punkt på x-aksen i graferne).
Oversigt
Oversigten indeholder nøglemålinger og grafer, der giver et øjebliksbillede af den samlede AI-agentbrug og ydeevne til udviklerne.
- Vælg den AI-agent, du har oprettet, på dashboardet .
- Klik på Analytics i venstre navigationsrude. Der vises en oversigt over AI-agentens ydeevne i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistikker om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er overført til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Meddelelser i alt (menneskelige meddelelser og AI-agentmeddelelser), og hvor mange af disse meddelelser der kom fra brugere.
- Gennemsnitlige daglige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stablet kolonne, der repræsenterer sessioner, der er håndteret af AI-agenten og overleverede sessioner) og det samlede antal svar, der er sendt ud af AI-agenten.
Brugere
Det andet afsnit i oversigten indeholder statistik om brugere for AI-agenten. Det giver en optælling af det samlede antal brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granularitet.
Præstation
Det tredje afsnit indeholder statistikker om AI-agentens svar til brugerne. Her kan man se de samlede svar sendt ud af AI-agenten og opdelingen mellem svar, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en delvis match-meddelelse.
- Informeret brugeren om en agentoverdragelse.
Det samme samles i et cirkeldiagram, og et områdediagram giver oplysninger baseret på valgt granularitet.
Træning
Træningsafsnittet repræsenterer 'sundheden' for et AI Agent-korpus. Det anbefales, at udviklere konfigurerer 20+ træningsytringer for hver hensigt/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et korpus som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, artiklen/hensigten indeholder. Jo tættere en hensigt er på hvid, jo flere træningsdata skal der til, for at din AI-agents nøjagtighed kan forbedres.
Svar
Dette afsnit giver udviklerne et detaljeret overblik over, hvad brugerne spørger om, og hvor ofte de spørger det. Det giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kuratering
Dette afsnit giver en visuel oversigt over, hvor mange organiseringsproblemer der er dukket op hver dag, og hvor mange af dem der er blevet løst af AI-agenterne.
Integrer AI-agenter
Dette afsnit forklarer, hvordan du integrerer AI-agenter med både talekanaler og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med talekanaler og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på Webex AI Agent Studio-platformen, er næste trin at integrere dem med stemmekanalerne og de digitale kanaler. Denne integration gør det muligt for AI-agenterne at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Du kan finde flere oplysninger i artiklen Integrere AI-agenter med talekanaler og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapportleveringsmåder.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem via tilgængelige leveringsmåder. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produktydelse osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP sti eller S3-spand. Du kan vælge rapporttypen på en liste over færdigbyggede rapporter og også vælge, om du vil generere en engangsrapport med det samme eller med jævne mellemrum.
Når du åbner menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – Denne fane viser alle de rapporter, der aktuelt er aktive og genereres periodisk. Følgende detaljer er tilgængelige for listen over rapporter:
- Aktiv – Om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er knyttet til rapporten.
- Rapporttype – den færdigbyggede rapporttype, du abonnerer på.
- Frekvens – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt ud.
- Næste planlagte dato – Den næste dato, hvor rapporten sendes ud.
-
Historik – Denne fane viser alle historiske oplysninger for de rapporter, der er afsendt indtil dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historikrapporter.
On-demand-rapporter, der vises på fanen Historik , kan kun downloades , når rapportgenereringen er fuldført.
Opret en AI-agentrapport
| 1 |
Log på Webex AI Agent Studio-platformen. |
| 2 |
Klik på Rapporter på navigationslinjen til venstre. |
| 3 |
Klik på + Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af AI-agentrapporter
Du kan vælge fra en liste over færdigbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, arkene i hver rapport og de tilgængelige kolonner i hvert ark.
AI-agent til besvarelse af spørgsmål rapporttype
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til besvarelse af spørgsmål i programmet. Ved hjælp af forskellige rapporttyper kan du bruges til at forstå AI-agentens brugsoversigt, funktionsmåde, hvad brugerne spørger om, og hvordan AI-agenten svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Brugsadfærd og oversigtDette afsnit viser AI-agentoversigten med den hyppighed, hvormed artikler og kategorier aktiveres. Du kan få vist oversigts-, kategori- og artikeloplysninger på en separat fane i rapporterne:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler/sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt | De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Det samlede antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samlede samtaler overdraget til en menneskelig agent. |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev nedstemt af kunderne. |
| Samlede downvotes |
Samlede AI-agentsvar, der blev nedstemt af kunderne. |
| Felt | Beskrivelse |
|---|---|
| Kategorinavn | Navnet på kategorien, som konfigureret i AI-agenten. |
| Samtaler for kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede svar | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal upvotes | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlede downvotes |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikel navn | Navnet på artiklen (standardvarianten), der er konfigureret i AI-agenten. |
| Artikel kategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede svar | Det antal gange, hvor denne artikel blev registreret. |
| Samlet antal upvotes | Antallet af gange svaret på denne artikel blev opstemt. |
| Samlede downvotes |
Antallet af gange, svaret på denne artikel er nedstemt. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsscoren. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-ID | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | AI Agent-meddelelsen eller den menneskelige meddelelse. |
| Meddelelsestekst | Indholdet af meddelelsen. |
| Artikel | Id'et for det svar, der sendes tilbage af AI-agenten. |
| Kategori | Den hensigt, som AI-agenten registrerede for kundens meddelelse. |
| Topkampresultat | Lighedsscoren for den registrerede hensigt. |
| Matchet artikel 1 | Den hensigt, der er registreret af det valgte NLU-program. |
| Artikel 1-resultat | Resultatet for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
De kommentarer, som brugerne efterlader, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Artikel | Id for det svar, der sendes tilbage af AI-agenten. |
| Kategori | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet artikel 1 | Hensigt registreret af det valgte NLU-program. |
| Artikel 1-resultat |
Bedømmelse for den registrerede hensigt. |
Rapporttypen AI-agent til udførelse af opgaver
Der er tre forskellige rapporttyper tilgængelige for en AI-agent til udførelse af opgaver i AI Agent Builder-programmet. Som AI-agentudvikler kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå AI-agentens brugsoversigt, AI-agentadfærd, hvad brugerne spørger om, og hvordan en AI-agent svarer på forespørgslerne. Du kan også få vist de meddelelser, der endte som problemer i organiseringen.
Viser sammenfatningen af samtaler sammen med hensigter og skabelonnøgler, der udløses. Fanen Oversigt viser følgende detaljer:
| Felt | Beskrivelse |
|---|---|
| AI-agentnavn | Navnet på AI-agenten. |
| Samtaler i alt | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Konversationer med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne har angivet mindst ét input. |
|
Menneskelige budskaber i alt |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede AI-agentsvar | Samlet antal meddelelser, der sendes af AI-agenten til slutbrugere. |
| Delvise kampe i alt | Tilfælde, hvor der var en vis tvetydighed om brugerens meddelelse, og AI-agenten reagerede med flere hensigter som muligheder. |
| Samtaler sendt til agent | Samtaler i alt overdraget til en menneskelig agent |
| Samlet antal upvotes | Samlet antal AI-agentsvar, der blev opstemt af brugerne. |
| Samlede downvotes |
Samlet antal AI-agentsvar, der blev nedstemt af brugerne. |
Du kan også få vist oplysninger om hensigten på fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Hensigtsnavn | Navnet på hensigten, som den er konfigureret i AI-agenten. |
| Samtaler for hensigten | Antallet af samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Påkaldelser i alt | Antallet af gange, denne hensigt blev påberåbt. |
| Fuldførelser i alt | Antallet af gange blev alle slots indsamlet, og denne hensigt blev fuldført. |
| Samlet antal upvotes | De samlede svar for det blev opstemt for hver hensigt. |
| Samlede downvotes |
De samlede svar for det blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelondetaljer på højt niveau, f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navnet på skabelonen, som den er konfigureret i AI-agenten. |
| Skabelonnøglens hensigt | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler for skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt ud som svar. |
| Samlede svar | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal upvotes | Antallet af gange, svaret for denne skabelon blev opstemt. |
| Samlede downvotes |
Antallet af gange svaret for denne skabelon blev nedstemt. |
Viser en kundes samtale med AI-agenten sammen med lighedsscorerne. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Meddelelsestype | AI-agentmeddelelse eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med kundens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 | Bedømmelse for den registrerede hensigt. |
| Tilbagemelding | Brugerfeedback, hvis en meddelelse blev nedstemt eller nedstemt. |
| Feedback kommentar |
Kommentarer efterladt af brugere, når de nedstemmer en besked. |
Viser de meddelelser, der endte i organiseringen som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan se følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-ID | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i programmet. |
| Menneskelig besked | Indhold af det menneskelige budskab. |
| AI-agentmeddelelse | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsag til problem | Årsagen til, at denne besked ender i kuratering. |
| Skabelonnøgle | Id for det svar, der sendes tilbage af AI-agenten. |
| Hensigt | AI-agenten registrerede en hensigt med brugerens meddelelse. |
| Topkampresultat | Lighedsscore for den registrerede hensigt. |
| Matchet hensigt 1 | Hensigt registreret af det valgte NLU-program. |
| Resultat for hensigt 1 |
Bedømmelse for den registrerede hensigt. |
Leveringsmåder for rapporten AI-agent
I dagens datadrevne verden er effektiv og sikker levering af AI Agent-rapporter afgørende for informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringsmåder til AI-agentrapporter, hvilket sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsmulighederne inkluderer Secure File Transfer Protocol (SFTP), e-mail og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringsmåde og hjælper dig med at vælge den bedste løsning til dine specifikke behov.
SFTP
|
Felt |
Beskrivelse |
|---|---|
| Send rapporter til en sikker placering som planlagt |
Slå dette til for at overføre rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP adresse. |
| Brugernavn | Brugernavnet for at få adgang til rapporterne. |
| Adgangskode | Adgangskoden for at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Upload-sti |
Den sti, som filerne distribueres til i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg mails til flere modtagere, adskilt med semikolon (;) | Slå dette til for at tilføje modtagere. |
| Modtagere |
E-mail-adressen på alle modtagere, der skal modtage rapporterne på det angivne tidspunkt og med den angivne hyppighed. |
S3 spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-filsæt efter planen |
Slå dette til for at gøre S3-felterne tilgængelige og distribuere rapporterne til den konfigurerede S3-filsæt. |
| AWS-adgangsnøgle-id | Adgangsnøgle-id'et for at få adgang til AWS-tjenester og ressourcer. |
| AWS hemmelig adgangsnøgle | Den hemmelige adgangsnøgle for at få adgang til AWS-tjenester og ressourcer. |
| Spandnavn | Navnet på den bucket, som rapporten distribueres til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå AI-overholdelse
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Alle AI-drevne funktioner hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores principper for ansvarlig kunstig intelligens og overholder Responsible AI Framework ud over de eksisterende processer for sikkerhed, beskyttelse af personlige oplysninger og Human Rights by Design.
Privatliv og sikkerhedCisco opbevarer ikke kundeinputdata efter slutningsprocessen, og tredjepartsmodeludbyderen, Microsoft, har ikke adgang til, overvåger eller gemmer ikke Cisco-kundedata. Du kan finde flere oplysninger om funktionsspecifikke politikker for dataopbevaring i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, erklærer, at virksomheden ikke vil bruge kundeindhold til at forbedre Azure OpenAI-modeller, og at den ikke gemmer eller opbevarer Cisco-kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at tilmelde sig indholdsfiltrering, der leveres af Azure OpenAI.
Modelevaluering og ydeevneCisco prioriterer ydeevnen og nøjagtigheden af AI Assistant ved at involvere mennesker i gennemgang, test og kvalitetssikring af den underliggende model.
Kom i gang med Webex AI Agent Studio
Webex AI Agent Studio er en avanceret platform, der er designet til at oprette, administrere og implementere automatiserede AI-agenter for at opfylde kundernes service- og supportbehov. Ved hjælp af kunstig intelligens yder AI-agenter automatisk assistance til kunder, før de interagerer med menneskelige agenter. Disse agenter understøtter taleinteraktioner med intonation, sprogforståelse og kontekstuel opmærksomhed i samtaler. Desuden håndterer AI-agenter problemfrit og informativt digitale kanalinteraktioner via tekst og onlinechat. Kunderne får gavn af en concierge-lignende oplevelse, får hjælp med spørgsmål, hentning af oplysninger og minimering af ventetider.
Funktioner i Webex AI Agent Studio
- Præcise og rettidige svar – giver præcise svar på kundehenvendelser i realtid.
- Intelligent opgaveudførelse – udfører opgaver baseret på kundeanmodninger eller input.
Nøglefordele for virksomhederne
-
Forbedret kundeoplevelse – leverer en samtaleoplevelse i realtid for kunder.
-
Personlige interaktioner – Skræddersy svar på individuelle kunders behov og præferencer.
-
Skalerbarhed og effektivitet – håndterer store mængder kundeinteraktioner uden at kræve yderligere menneskelige agenter, hvilket fører til forbedret tilfredshed og reducerede driftsomkostninger.
Forstå typer og eksempler på kunstig intelligens
Følgende tabel indeholder et glimt af AI-agenttyper og deres funktioner:
| Type af AI-agent | Formål | Funktioner | Beskrivelse | Hvordan opsættes det? |
|---|---|---|---|---|
|
Selvstændig |
Autonome AI-agenter er designet til at fungere uafhængigt, træffe beslutninger og udføre opgaver uden direkte menneskelig indgriben. |
Udfør handlinger |
Foretag informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler. Automatiser gentagne eller tidskrævende opgaver. |
|
|
Besvar spørgsmål |
Selvstændige agenter kan få adgang til og bruge et videnslager til at give informative og nøjagtige svar på brugerforespørgsler. |
Autonome AI-agenter til besvarelse af spørgsmål | ||
|
Scriptet |
Scriptede AI-agenter er programmeret til at følge et foruddefineret sæt regler og instruktioner. |
Udfør handlinger |
Scriptede agenter kan udføre specifikke opgaver, der er klart defineret og struktureret. |
Scriptede AI-agenter til udførelse af handlinger |
|
Besvar spørgsmål |
Scriptede agenter kan besvare spørgsmål baseret på en brugeroprettet træningsstruktur, som er en samling af eksempler og svar. |
Scriptede AI-agenter til besvarelse af spørgsmål |
Eksempler:
Både autonome og scriptede AI-agenter kan anvendes til forskellige brugsscenarier, afhængigt af de specifikke krav og de ønskede funktioner. Her er nogle eksempler:
-
Kundeservice – både autonome agenter og scriptagenter kan bruges til at yde kundesupport, med autonome agenter, der tilbyder mere fleksibilitet og forståelse af naturligt sprog.
-
Virtuelle assistenter – Autonome agenter er velegnede til virtuelle assistentroller, fordi de kan håndtere forskellige opgaver og levere mere personlige interaktioner.
-
Dataanalyse – Autonome agenter kan bruges til at analysere store datasæt og hente værdifuld indsigt.
-
Procesautomatisering – både autonome og scriptagenter kan bruges til at automatisere gentagne opgaver, forbedre effektiviteten og reducere fejl.
-
Videnstyring – Autonome agenter kan bruges til at oprette og administrere videnslagre, hvilket gør oplysninger let tilgængelige for brugere.
Valget mellem autonome og scriptede AI-agenter afhænger af opgavernes kompleksitet, det påkrævede niveau af autonomi og tilgængeligheden af træningsdata.
Forudsætninger
-
Hvis du er en eksisterende Webex Contact Center-kunde, skal du sørge for, at du opfylder følgende forudsætninger:
-
Webex Contact Center 2.0-lejer.
-
Webex Connect er klargjort til din lejer.
-
Stemmemedieplatform er næste generations medieplatform.
-
-
Hvis du ikke har en Webex-kontaktcenterlejer, skal du kontakte din partner for at starte en prøveversion af Webex-kontaktcenter med næste generations medieplatform.
-
Administratorer kan anmode om en Webex Contact Center-udviklersandkasse for at afprøve AI-agenter.
Aktivering af funktion
Denne funktion er i øjeblikket i betaversion. Kunder kan tilmelde sig denne funktion på Webex Beta-portalen ved at udfylde deltagelsesundersøgelsen for AI-agenter.
-
I øjeblikket er det kun den scriptede AI-agentfunktionalitet, der er tilgængelig i betafasen.
-
Autonome agenter er kun tilgængelige til at vælge kunder. Anmodninger kan foretages via din CSM (Customer Success Manager), PSM (Partner Success Manager) eller ved at sende en e-mail til ask-ccai@cisco.com. Efter godkendelse vil autonome agenter blive gjort tilgængelige ud over scriptagenter for din lejer.
Få adgang til Webex AI-agentstudie
Hvis du vil oprette dine AI-agenter, skal du logge ind på applikationen Webex AI Agent Studio. Dette kan gøres på følgende måder:
Log ind fra Control Hub
- Log ind på Control Hub ved hjælp af URL-adressen https://admin.webex.com.
- Fra afsnittet Tjenester i navigationsruden skal du vælge Kontaktcenter.
- I Hurtige links i højre rude skal du gå til afsnittet Contact Center-suite .
- Klik på Webex AI Agent Studio for at få adgang til applikationen.
Systemet krydsstarter applikationen Webex AI Agent Studio i en anden browserfane, og du logges automatisk ind på applikationen.
Log ind fra Webex Connect
For at få adgang til applikationen Webex AI Agent Studio skal du have adgang til Webex Connect.
- Log ind på Webex Connect-applikationen ved hjælp af den lejer-URL-adresse, der er angivet for din virksomhed og legitimationsoplysninger.
Som standard vises siden Tjenester som en hjemmeside.
- Fra menuen Appbakke i venstre navigationsrude skal du klikke på Webex AI Agent Studio for at få adgang til applikationen.
Systemet krydsstarter applikationen Webex AI Agent Studio i en anden browserfane, og du logges automatisk ind på applikationen.
Startsidelayout
Velkommen til applikationen Webex AI Agent Studio. Når du logger ind, viser startsiden følgende layout:
-
Navigationsbjælke
Navigationsbjælken, der vises til venstre, giver adgang til følgende menuer:
- Instrumentpanel – viser en liste over AI-agenter, som brugeren har adgang til, som tildelt af virksomhedsadministratoren.
- Viden – viser det centrale videnslager eller vidensbase, der fungerer som hjernen for autonome AI-agenter, der kan besvare kundeforespørgsler.
- Rapporter – Viser forudbyggede AI-agentrapporter af forskellige typer. Du kan generere eller planlægge rapporter i henhold til din virksomheds behov.
- Hjælp – giver adgang til brugervejledningen til Webex AI Agent Studio i Webex-hjælpecenteret.
- Brugerprofil
Brugerprofilmenuen giver dig mulighed for at se dine profiloplysninger og logge ud af applikationen.
Siden Virksomhedsprofil indeholder oplysninger om AI-agentlejeren, som kun er tilgængelig for administratorer med fuld administratoradgang.
-
Fanen Oversigt indeholder følgende oplysninger:
- Virksomheds-id'er – omfatter Webex Org-id, CPaaS Org-id, abonnements-id for virksomheden. Dette er tilgængeligt for virksomheder med Webex Contact Center-integration for den tilsvarende Webex Connect-lejer.
- Profilindstillinger – indeholder virksomhedsnavn, virksomhedsentydigt navn og logo-URL-adressen.
- Globale agentindstillinger – Tillader valg af standardagenten for stemmekanalen til at håndtere fallback-scenarier.
- Oversigt over dataopbevaring – Giver en oversigt over dataopbevaringsperioder for denne virksomhed.
-
I fanen Teammedlemmer kan du se og administrere listen over teammedlemmer, der har adgang til applikationen. Hver bruger tildeles en rolle, som bestemmer, hvilke handlinger de kan udføre, baseret på de givne tilladelser.
-
Kend dit instrumentpanel
På instrumentpanelet repræsenteres AI-agenterne af kort, der viser grundlæggende oplysninger, herunder AI-agentens navn, sidst opdateret af, sidst opdateret den og den motor, der blev brugt til at træne agenten.
Opgaver på AI-agentkort
Hold markøren over et AI-agentkort for at se følgende valgmuligheder:
- Forhåndsvisning – klik på Forhåndsvisning for at åbne widgetten til forhåndsvisning af AI-agent.
- Ellipse -ikon – klik på dette ikon for at udføre følgende opgaver:
-
Kopiér forhåndsvisningslink – Kopiér forhåndsvisningslinket for at indsætte i en ny fane, og forhåndsvis AI-agenten på chatwidgetten.
-
Kopiér adgangstoken – kopiér AI-agentens adgangstoken for at aktivere agenten via API'er.
-
Eksporter – Eksporter AI-agentoplysningerne (i JSON-format) til din lokale mappe.
-
Slet – slet permanent AI-agenten fra systemet.
-
Fastgør – fastgør AI-agenten til den første position på instrumentpanelet, eller frigør den for at flytte den tilbage til den tidligere position.
-
Opret en ny AI-agent
Du kan oprette en ny AI-agent ved hjælp af valgmuligheden + Opret agent øverst til højre på instrumentpanelet. Du kan vælge at bruge en foruddefineret skabelon eller oprette en agent fra bunden.
Hvis du vil vide, hvordan du opretter scriptede og autonome AI-agenter, skal du se følgende afsnit:
Importér forudbygget AI-agent
Du kan importere en forudbygget AI-agent i JSON-format fra en liste over tilgængelige AI-agenter. Sørg først for, at du har eksporteret AI-agenten i JSON-format til din lokale mappe. Følg disse trin for at importere den:
- Klik på Importer agent.
- Klik på Overfør for at overføre AI-agentfilen (i JSON-format), der er eksporteret fra platformen.
- I feltet Agentnavn skal du indtaste AI-agentnavnet.
- (Valgfri) Rediger det systemgenererede entydige id i System-id.
- Klik på Importer.
Din AI-agent er nu importeret til platformen Webex AI Agent Studio og er tilgængelig på instrumentpanelet.
Søgning efter nøgleord
Platformen indeholder robuste søgefunktioner, der gør det let at finde og administrere AI-agenter. Du kan udføre søgeordssøgning ved hjælp af agentnavnet. Angiv agentnavnet eller en del af navnet i søgelinjen. Systemet viser en liste over AI-agenter, der matcher dine søgekriterier.
Filtrer efter agenttype
Ud over søgning efter nøgleord kan du finjustere dine søgeresultater ved at filtrere baseret på typen af AI-agent. Vælg et af agenttypefiltrene på rullelisten – Scripted, Autonomt og All.
Administrer vidensbase
En vidensbase er et centralt lager af oplysninger for Large Language Model (LLM)-drevne autonome AI-agenter. De selvstændige AI-agenter udnytter avancerede AI- og maskinlæringsteknologier til at forstå, behandle og generere menneskelignende tekst. Disse AI-agenter træner i enorme mængder af data, hvilket giver dem mulighed for at give detaljerede og kontekstuelt relevante svar. Vidensbaser lagrer de data, der er nødvendige for, at de autonome AI-agenter kan fungere.
Sådan får du adgang til vidensbasen:
- Log på platformen Webex AI Agent Studio.
- På Instrumentpanel skal du klikke på ikonet Viden i venstre navigationsrude. Siden vidensbaser vises.
- Du kan finde en vidensbase ud fra følgende kriterier:
- Navn på vidensbasen
- Type af vidensbase
- Vidensbaser opdateret mellem angivne datoer
- Vidensbaser oprettet mellem angivne datoer
Klik på Nulstil alle for at nulstille søgekriterierne.
- Du kan også oprette en ny vidensbase. Hvis du vil oprette en ny vidensbase, skal du se Opret vidensbase til AI-agent.
Opret vidensbase til AI-agent
| 1 |
På Instrumentpanel skal du klikke på ikonet Viden i venstre navigationsrude. |
| 2 |
På siden Vidensbaser skal du klikke på +Opret vidensbase i øverste højre hjørne. |
| 3 |
På siden Opret vidensbase skal du indtaste følgende oplysninger: |
| 4 |
Klik på Opret. Systemet opretter en vidensbase med det angivne navn. |
| 5 |
På fanen Filer : |
| 6 |
På fanen Dokumenter : |
| 7 |
Naviger til fanen Oplysninger for at se og spore oplysninger om de filer, du har overført, og dokumenter, du har oprettet.
|
Næste trin
Konfigurer vidensbasen for den autonome AI-agent til besvarelse af spørgsmål.
Opsæt autonome AI-agenter
Autonome AI-agenter fungerer uafhængigt uden direkte menneskelig indgriben. Disse agenter bruger avancerede algoritmer og maskinlæringsteknikker til at analysere data, lære af deres miljø og tilpasse deres handlinger for at opnå specifikke mål. Dette afsnit beskriver de to primære funktioner for den selvstændige AI-agent.
Selvstændig AI-agent til udførelse af opgaver
De autonome AI-agenter kan udføre forskellige opgaver, herunder:
-
Natural Language Processing (NLP) – forstå og reagere på menneskesprog på en naturlig og samtalemåde.
-
Beslutningstagning – Foretag informerede valg baseret på tilgængelige oplysninger og foruddefinerede regler.
-
Automatisering – automatiser gentagne eller tidskrævende opgaver.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en selvstændig AI-agent til at udføre handlinger
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på +Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du klikke på Start fra bunden.
Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Filtrer AI-agenttypen som selvstændig. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Selvstændig. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
På siden Definer agent skal du angive følgende oplysninger: |
| 9 |
Klik på Opret. Du har nu oprettet den selvstændige AI-agent til at udføre handlinger, som nu er tilgængelig på instrumentpanelet. I AI-agentheaderen kan du udføre følgende opgaver:
Du kan også importere de forudbyggede AI-agenter. Få flere oplysninger i Importer forudbygget AI-agent |
Næste trin
Opdater profilen for den selvstændige AI-agent.
Opdater den selvstændige AI-agentprofil
Før du begynder
Opret en selvstændig AI-agent, der skal udføre handlinger.
| 1 |
På instrumentpanelet skal du klikke på den AI-agent, du har oprettet. |
| 2 |
Naviger til fanen , og konfigurer følgende oplysninger: |
| 3 |
Klik på Udgiv for at gøre AI-agenten live. |
Næste trin
Føj de påkrævede handlinger til AI-agenten.
Føj handlinger til selvstændig AI-agent
De autonome AI-agenter, der skal udføre handlinger, er designet til at forstå brugerhensigter og handle i overensstemmelse hermed. I en restaurant er der f.eks. behov for at automatisere online madbestillinger. For at udføre opgaven kan du oprette en selvstændig AI-agent, der udfører følgende handlinger:
-
Få de påkrævede oplysninger fra kunden.
-
Overfør oplysningerne til det ønskede flow.
Den selvstændige AI-agent, der skal udføre handlinger, fungerer på følgende byggeklodser:
-
Handling – en funktion, der giver AI-agenten mulighed for at oprette forbindelse til eksterne systemer for at udføre komplekse opgaver.
-
Entitet eller slot – repræsenterer et trin i opfyldelsen af brugerens hensigt. Slot-udfyldning indebærer at stille specifikke spørgsmål til kunden for at opfylde kundens hensigt baseret på udtalelser. Det er udløseren for, at en AI-agent begynder at udføre en handling. Definer inputenhederne som en del af åbningsfyldning.
-
Opfyldelse – bestemmer, hvordan AI-agenten fuldfører handlingen. Som en del af opfyldelsen skal du definere outputenhederne for den autonome AI-agent for at generere svaret i et bestemt format. Systemet sender outputenhederne til flowet for at fortsætte med handlingen og fuldføre opgaven.
| 1 |
I fanen Handling skal du klikke på +Ny handling. |
| 2 |
På siden Tilføj en ny handling skal du angive følgende oplysninger: |
Næste trin
Du kan enten konfigurere slots, eller du kan konfigurere slots og definere opfyldelse afhængigt af det valgte handlingsområde.
Konfigurer slotudfyldning
Slot-påfyldning indebærer tilføjelse af de påkrævede inputenheder til AI-motoren. I afsnittet Slot-udfyldning på siden Handlinger skal du tilføje inputenhederne:
-
Du kan tilføje enhederne en efter en i tabelformat.
-
Du kan også bruge JSON-filen og definere enhederne. Se En rundvisning i JSON-skemaet for at få flere oplysninger.
Tilføj inputenheder i tabelformat
| 1 |
For at tilføje en inputenhed skal du klikke på +Ny inputenhed. |
| 2 |
På siden Tilføj en ny inputenhed skal du angive følgende oplysninger: |
| 3 |
Klik på Tilføj for at tilføje inputenheden. Du kan tilføje så mange inputenheder, du har brug for. |
| 4 |
Brug valgmuligheden Kontrolfunktioner til at udføre følgende handlinger på enheden: |
Tilføj enheder ved hjælp af JSON-redigeringsprogram
Du kan tilføje indgangs- og outputenhederne ved hjælp af JSON-redigeringsprogrammet. I JSON-redigeringsvisningen skal enhederne være defineret i et struktureret JSON-format.
For yderligere oplysninger, se En rundvisning i JSON-skemaet.
Inputparameterstruktur
Inputparametrene skal overholde følgende struktur:
-
type – datatype for parameterobjektet. Dette er altid 'objekt' for at angive, at parametrene er struktureret som et objekt.
egenskaber – et objekt, hvor hver tast repræsenterer en parameter og dens tilknyttede metadata.
påkrævet – en række strenge, der angiver navnene på de parametre, der er obligatoriske.
egenskaber Objekt
Hver nøgle i egenskabsobjektet repræsenterer en inputenhed/parameter og indeholder et andet objekt med metadata om denne parameter. Metadataene skal altid indeholde følgende nøgleord:
-
type – datatype for parameteren. De tilladte typer er:
-
streng – tekstdata.
-
Heltal – numeriske data uden decimaler.
-
nummer – numeriske data, der kan inkludere decimaler.
-
Booleske – Sande/falske værdier.
-
system – en liste over elementer, som alle typisk er af samme type.
-
objekt – En kompleks datastruktur med indlejrede egenskaber.
-
-
beskrivelse – En kort forklaring på, hvad entiteten repræsenterer. Dette hjælper AI-motoren med at forstå parameterens formål og brug. En beskrivelse, der er kortfattet og i overensstemmelse med agentens instruktioner og handlingsbeskrivelse, anbefales for bedre nøjagtighed.
-
Validering håndhæves kun af platformen for "type". "Beskrivelse" håndhæves ikke for alle enheder, men det anbefales på det kraftigste, at den tilføjes. Andre nyttige nøgleord for entitets metadata er:
-
enum – Enum-feltet angiver de mulige værdier for en parameter. Dette er nyttigt for parametre, der kun bør acceptere et begrænset sæt værdier. Udviklere kan definere brugerdefinerede lister over værdier, som en parameter skal acceptere for at bruge dette.
- mønster – mønsterfeltet bruges sammen med strengtyper for at angive et regulært udtryk, som strengen skal matche. Dette er især nyttigt til validering af specifikke formater som f.eks. telefonnumre, postnumre eller brugerdefinerede identifikatorer.
-
Eksempler – feltet Eksempler indeholder et eller flere eksempler på gyldige værdier for parameteren. Dette hjælper AI-motoren med at forstå, hvilke typer data der forventes, og kan være særligt nyttige til tolke- og valideringsformål.
-
Der er andre nøgleord, der kan gøre enhedsdefinitionen mere præcis og robust. For yderligere oplysninger, se En rundvisning i JSON-skemaet.
Eksempel
Følgende eksempel omfatter forskellige typer enheder og nøgleord:
{ "type": "objekt", "egenskaber": { "brugernavn": { "type": "streng", "beskrivelse": "Kontoens entydige brugernavn.", "minLength": 3, "maxLength": 20 }, "adgangskode": { "type": "streng", "beskrivelse": "Adgangskoden til kontoen.", "minLængde": 8, "format": "password" }, "e-mail": { "type": "string", "beskrivelse": "E-mailadressen for kontoen.", "mønster": "\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" }, "fødselsdato": { "type": "string", "beskrivelse": "Brugerens fødselsdato.", "eksempler": ["mm/dd/ÅÅÅÅ"] }, "præferencer": { "type": "objekt", "beskrivelse": "Indstillinger for brugerpræferencer.", "egenskaber": { "nyhedsbrev": { "type": "boolesk", "beskrivelse": "Om brugeren ønsker at modtage nyhedsbreve.", "standard": true }, "underretninger": { "type": "streng", "beskrivelse": "Foretrukken beskedmetode.", "enum": ["email", "sms", "push"] } } }, "roller": { "type": "array", "beskrivelse": "Liste over roller, der er tildelt brugeren.", "elementer": { "type": "streng", "enum": ["bruger", "admin", "moderator"] } } , "påkrævet": ["brugernavn", "adgangskode", "e-mail"] } Dette eksempel omfatter følgende enheder:
- brugernavn – en strengtype med begrænsning for minimum og maksimal længde.
- adgangskode – en strengtype med en minimumlængde og et specifikt format (adgangskode angiver, at den skal håndteres sikkert).
- e-mail – en strengtype med et regex-mønster for at sikre, at det er en gyldig e-mailadresse.
- fødselsdato – en strengtype med eksempler til at foreskrive datoformatet.
- præferencer – en objekttype med indlejrede egenskaber (nyhedsbrev og underretninger), herunder en boolesk med en standardværdi og en streng med specifikke tilladte værdier (enum).
- roller – en systemtype, hvor hvert element er en streng, der er begrænset til specifikke værdier (enum).
Brugernavnet, adgangskoden og e-mailadressen er obligatoriske som defineret af det "påkrævede" system.
I dette eksempel har enhederne beskrivende navne, klare beskrivelser og følger en ensartet struktur og navngivningskonvention. Følg denne bedste praksis for at oprette veldefinerede enheder, der er nemme for AI-motoren at fortolke og håndhæve.
Definer opfyldelse
| 1 |
Definer opfyldelsesoplysningerne for implementering af AI-agenten i et kontaktcenter. Angiv følgende oplysninger: |
| 2 |
Konfigurer outputenhederne, så AI-agenten genererer resultatet i et format, der er forståeligt for flowet. |
| 3 |
For at tilføje en outputenhed skal du klikke på +Ny outputenhed. På skærmen Tilføj en ny outputenhed skal du angive følgende oplysninger: Du kan også bruge en JSON-fil til at tilføje outputenhederne. Få flere oplysninger i Tilføj enheder ved hjælp af JSON-redigeringsprogram . |
| 4 |
Klik på Tilføj for at tilføje outputenheden. Du kan tilføje så mange outputenheder, du har brug for. |
| 5 |
Brug valgmuligheden Kontrolfunktioner til at udføre følgende handlinger på enheden: |
| 6 |
Klik på Tilføj for at fuldføre konfigurationen. |
Næste trin
Klik på Forvisning for at se en forvisning af AI-agenten. Få flere oplysninger i Se forvisning af din selvstændige AI-agent. Klik på Udgiv for at gøre AI-agenten live.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Se autonom AI-agentpræstation ved hjælp af Analyse.
- Se Se selvstændige AI-agentsessioner og -historik for at se detaljer om sessioner og historik.
Autonome AI-agenter til besvarelse af spørgsmål
Selvstændige agenter kan få adgang til og bruge et videnslager til at give informative og nøjagtige svar på brugerforespørgsler. Denne funktion er nyttig i scenarier, hvor agenten skal:
-
Yde kundesupport – besvar ofte stillede spørgsmål, fejlfinding af problemer, og vejled kunder gennem processer.
-
Tilbyd teknisk assistance – Giv ekspertrådgivning om specifikke emner eller domæner.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en selvstændig AI-agent til besvarelse af spørgsmål
Før du begynder
Sørg for at skabe vidensbasen. Få flere oplysninger i Administrer vidensbaser.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på +Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som selvstændig. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Selvstændig. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
På siden Definer agent skal du angive følgende oplysninger: |
| 9 |
Klik på Opret. Den selvstændige AI-agent til besvarelse af spørgsmål er blevet oprettet og er nu tilgængelig på instrumentpanelet. I AI-agentheaderen kan du udføre følgende opgaver:
Du kan også importere de forudbyggede AI-agenter. Få flere oplysninger i Importer forudbygget AI-agent. |
Næste trin
Opdater profilen for den selvstændige AI-agent.
Opdater den selvstændige AI-agentprofil
Før du begynder
Opret en selvstændig AI-agent til besvarelse af spørgsmål.
| 1 |
På instrumentpanelet skal du klikke på den AI-agent, du har oprettet. |
| 2 |
Naviger til fanen , og konfigurer følgende oplysninger: |
| 3 |
Klik på Gem ændringer for at gøre AI-agenten live. |
Næste trin
Konfigurer vidensbasen for AI-agenten.
Konfigurer vidensbase
Før du begynder
Opret en selvstændig AI-agent til besvarelse af spørgsmål.
| 1 |
På siden Instrumentpanel skal du vælge den AI-agent, du har oprettet. |
| 2 |
Naviger til fanen Vidensbase . |
| 3 |
Vælg den ønskede vidensbase på rullelisten. |
| 4 |
Klik på Gem ændringer for at gøre AI-agenten live. |
Næste trin
Klik på Forvisning for at se en forvisning af AI-agenten. Få flere oplysninger i Se forvisning af din selvstændige AI-agent.
Når du har konfigureret AI-agenten:
- Hvis du vil se AI-agentens ydeevne, skal du se Se autonom AI-agentpræstation ved hjælp af Analyse.
- Se Se selvstændige AI-agentsessioner og -historik for at se detaljer om sessioner og historik.
Se selvstændig AI-agentsession og -historik
Du kan få vist oplysninger om session og historik for hver af de autonome AI-agenter, du har oprettet. Siden Sessioner viser detaljerne for sessioner oprettet med konstomerne. Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten.
Sessioner
Siden Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og brugere. For at navigere til siden Sessioner :
- På instrumentpanelet skal du klikke på den selvstændige AI-agent, som du ønsker at se sessionsoplysningerne for.
- Klik på Sessioner i navigationsruden til venstre.
Siden Sessioner vises. Hver session vises som en post, der indeholder alle meddelelser fra sessionen. Disse oplysninger er nyttige til at gennemgå, analysere og forbedre AI-agenten.
Tabellen Sessioner viser en liste over alle de sessioner/rum, der er oprettet for den pågældende AI-agent. Tabellen bliver sideinddelt, hvis der er flere rækker, end der kan rumme på én skærm. Alle felterne i tabellen kan sorteres eller filtreres ved hjælp af afsnittet Afgræns resultater til venstre. De felter, der er til stede, repræsenterer følgende oplysninger om en bestemt session:
-
Sessions-ID – Det unikke lokale-ID eller sessions-ID til en samtale.
- Forbruger-id – id'et for den forbruger, der interagerede med AI-agenten.
-
Kanaler– Kanal, hvor interaktionen fandt sted.
-
Opdateret – tidspunkt for lukningen af lokalet.
-
Room Metadata – indeholder yderligere oplysninger om rummet.
-
Markér de påkrævede afkrydsningsfelter:
- Skjul testsessioner – for at skjule testsessionerne og kun vise listen over live sessioner.
- Agentoverdragelse skete – for at filtrere de sessioner, der overdrages til en agent. Hvis agentoverdragelse sker, viser den ikonet Hovedtelefon , der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – for at filtrere de sessioner, hvor fejlen opstod.
- Nedstemt – for at filtrere de nedstemte sessioner.
Klik på en række i sessionstabellen for at få en detaljeret visning af sessionen. Låseikonet angiver, at sessionen er låst og skal dekrypteres. Du skal have tilladelse til at dekryptere sessionen. Hvis til/fra-funktionen Dekrypter adgang er aktiveret, kan du få adgang til enhver session ved hjælp af knappen Dekrypter indhold . Denne funktion gælder dog kun, når Avanceret databeskyttelse er indstillet til sand eller aktiveret for lejeren.
Historik
Siden Historik giver dig mulighed for at få vist detaljerne om de konfigurationsændringer, der er udført på AI-agenten. Sådan får du vist en bestemt agents historik:
- På instrumentpanelet skal du klikke på den selvstændige AI-agent, som du vil se historikken for.
- Klik på Historik i navigationsruden til venstre.
Siden Historik vises med følgende faner:
- Overvågningslogfiler – Klik på fanen Overvågningslogfiler for at se de ændringer, der er foretaget i AI-agenterne.
- Modelhistorik – Klik på fanen Modelhistorik for at se de forskellige versioner af den selvstændige AI-agent, så der kan udføres handlinger.
Overvågningslogfiler
Fanen Overvågningslogfiler sporer de ændringer, der er foretaget i den selvstændige AI-agent. Du kan få vist oplysninger om ændringerne for de seneste 35 dage. Fanen Overvågningslogfiler viser følgende oplysninger:
Brugere med roller som administrator eller AI-agentudvikler kan kun få adgang til fanen Overvågningslogfiler . Brugere med brugertilpassede roller, der har tilladelse til at få revisionsloggen, kan også se revisionsloggen.
- Opdateret – Dataene og tidspunktet for ændringen.
- Opdateret af – navnet på den bruger, der indarbejdede ændringen.
- Felt – det specifikke afsnit af den AI-agent, hvor ændringen blev foretaget.
- Beskrivelse – Yderligere oplysninger om ændringen.
Du kan søge efter en specifik revisionslog ved hjælp af søgemulighederne Opdateret af, Felt og Beskrivelse . Du kan sortere logfilerne baseret på felterne Opdateret ved og Opdateret efter .
Modelhistorik
Fanen Modelhistorik er kun tilgængelig for den selvstændige AI-agent, så den kan udføre handlinger.
Når du udgiver den autonome AI-agent til udførelse af handlinger, gemmes en version af den autonome AI-agent, som er tilgængelig under fanen Modelhistorik . Du kan se de forskellige versioner af AI-agenten under fanen Modelhistorik .
- Modelbeskrivelse – en kort beskrivelse af versionen af AI-agenten.
- AI-motor – den AI-motor, der bruges til denne version af AI-agenten.
- Opdateret – dato og klokkeslæt, hvor versionen blev oprettet.
- Handlinger – giver dig mulighed for at udføre følgende handlinger på AI-agenten
- Indlæs – alle ændringer på AI-agenten går tabt. Du skal udføre konfigurationen igen.
- Eksporter – brug til at eksportere AI-agenten.
Se en forvisning af din selvstændige AI-agent
Du kan se en forvisning af de selvstændige AI-agenter på tidspunktet for oprettelse af AI-agenten, under redigering og efter installation af agenten. Du kan åbne forvisningen fra:
- AI-agentinstrumentpanel – når du holder markøren over et AI-agentkort, bliver valgmuligheden Forvisning for den pågældende AI-agent synlig. Klik for at åbne forhåndsvisningen af AI-agenten.
- AI-agentheader – Klik på AI-agentkortet for at åbne AI-agenten. Valgmuligheden Forvisning er altid synlig i overskriftsafsnittet.
- Minimeret widget – Efter en forhåndsvisning er startet og minimeret, vises en chathovedwidget nederst til højre på siden. Du kan bruge denne valgmulighed til nemt at genåbne forhåndsvisningstilstanden.
Webex AI Agent Studio giver også en mulighed for forhåndsvisning, der kan deles. Klik på menuen i øverste højre hjørne, og vælg valgmuligheden Kopiér forhåndsvisningslink . Du kan dele forhåndsvisningslinket med andre brugere, f.eks. testere eller forbrugere af AI-agenten.
Forhåndsvisning af widget til platform
Forhåndsvisningswidgetten vises i nederste højre del af skærmen. Du kan angive udtalelser (eller en sekvens af udtalelser) for at kontrollere AI-agentens svar og sikre, at den fungerer korrekt.
Du kan også minimere forhåndsvisningswidgetten, angive forbrugeroplysninger og starte flere lokaler for at teste AI-agenten.
Forhåndsvisning af widget, der kan deles
Widgetten til forhåndsvisning, der kan deles, giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde, uden at det er nødvendigt at udvikle en brugerdefineret brugergrænseflade til AI-agenten. Som standard gengiver det kopierede forhåndsvisningslink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forvisningslinket. Du kan tilpasse widgetten på følgende måde:
- Widget farve – ved at føje parameteren brandColor til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge hex-farvekoden.
-
Telefonkasse – ved at ændre værdien af parameteren phoneCasing i linket. Dette er som standard indstillet til sand og kan deaktiveres ved at gøre det falsk.
Eksempel på et link til forhåndsvisning med disse parametre:
? bot_unique_name=<your_bot_unique_name>&enterprise_unique_name=<your_enterprise_unique_name>&phoneCasing=&brandcolor<indtast en farves hexadecimale værdi i formatet '_XXXX'>.
Stemmebaseret forhåndsvisning
Selvstændig AI-agent til besvarelse af spørgsmål understøtter stemmebaseret forhåndsvisning. For at aktivere denne valgmulighed:
- Naviger til Instrumentpanel , og vælg AI-agenten.
- Naviger til .
- Fra rullegardinmenuen AI Engine skal du vælge Vega.
- Klik på Gem ændringer.
Valgmuligheden Forvisning bliver opdateret med et Mikrofon -ikon til stemmebaseret forvisning. Klik på Forvisning. Widgetten til forhåndsvisning af tale vises.
Du skal aktivere mikrofonadgang for at bruge denne funktion.
Du kan se følgende valgmuligheder i widgetten til stemmeforvisning:
- Knappen Start starter for at starte forvisningen.
- Live-afskrift af samtalen vises i widgetten, når stemmeforvisningen er i gang.
- Afslut opkald for at afslutte samtalen.
- Slå lyd fra for at slå lyd fra.
Se autonom AI-agentpræstation ved hjælp af Analyse
Afsnittet Analyse af AI-agenter giver en grafisk repræsentation af de vigtigste måletal til evaluering af AI-agentens ydeevne og effektivitet. Sådan genererer du analysen af den autonome AI-agent:
- Vælg AI-agenten på instrumentpanelet.
- Klik på Analyse i navigationsruden til venstre. En oversigt over AI-agentens ydeevne vises i både tabelformat og grafisk repræsentation.
Det første afsnit viser følgende statistik om sessioner og meddelelser for AI-agenten.
- Samlet antal sessioner og sessioner, der er håndteret af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er givet videre til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Samlet antal meddelelser (meddelelser fra mennesker og kunstig intelligens), og hvor mange af disse meddelelser der kom fra brugere.
- Daglige gennemsnitlige meddelelser
Det andet afsnit viser statistikken om brugerne. Det giver en optælling af samlede brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere.
Tredje afsnit viser AI-agentsvar og -overdragelser
Opsæt en script-AI-agent
Dette afsnit beskriver, hvordan du konfigurerer og administrerer scriptede AI-agenter på Webex AI Agent Studio-platformen, så de giver nøjagtige svar på brugerforespørgsler og udfører automatiserede opgaver effektivt.
Scriptet AI-agent til udførelse af opgaver
En scriptet AI-agent øger mulighederne for agentbygning uden kode i Webex AI Agent Studio-platformen. Scripted AI-agent aktiverer samtaler med flere skift, hvor den kan indhente relevante data fra kunder til at udføre specifikke opgaver. Denne inkluderer:
-
Kør enkle kommandoer – følg vejledningen for at fuldføre foruddefinerede handlinger.
-
Behandling af data – Manipuler og omdanner data i henhold til angivne regler.
-
Interager med andre systemer – kommuniker med og kontrollér andre løsninger.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en scriptet AI-agent til udførelse af handlinger
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på + Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du oprette en ny AI-agent fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Start fra bunden og derefter på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du? skal du klikke på Scripted. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion? skal du klikke på Udfør handlinger. |
| 7 |
Klik på Næste. |
| 8 |
På siden Definer agent skal du angive følgende oplysninger: |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er blevet oprettet og er nu tilgængelig på instrumentpanelet. I AI-agentheaderen kan du udføre følgende opgaver:
Du kan også importere de forudbyggede AI-agenter. Få flere oplysninger i Importer forudbygget AI-agent. |
Næste trin
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptbaseret AI-agent til besvarelse af spørgsmål.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og konfigurer følgende oplysninger: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer enheder
Enheder er byggestenene i samtaler. De er de væsentlige elementer, som AI-agenten uddrager fra brugerudtalelser. De repræsenterer specifikke oplysninger såsom produktnavne, datoer, mængder eller enhver anden væsentlig gruppe af ord. Ved effektivt at identificere og udtrække enheder kan en AI-agent bedre forstå brugerhensigten og give mere præcise og relevante svar.
Enhedstyper
Webex AI Agent Studio tilbyder 11 forudbyggede enhedstyper til at registrere forskellige typer brugerdata. Du kan også oprette en af følgende brugerdefinerede enheder.
Brugerdefinerede enheder
Disse enheder kan konfigureres og giver udviklere mulighed for at registrere oplysninger om brugsscenarier.
-
Tilpasset liste – definer lister over forventede strenge for at registrere specifikke datapunkter, der ikke er dækket af forudbyggede enheder. Du kan tilføje flere synonymer mod hver streng. For eksempel en tilpasset pizzastørrelse enhed.
-
Regex – brug regulære udtryk til at identificere specifikke mønstre og udtrække tilsvarende data. For eksempel et telefonnummer regex (f.eks.
123-123-8789). -
Cifre – registrerer numeriske indgange med fast længde med høj nøjagtighed, især i stemmeinteraktioner. I interaktioner uden tale bruges den som et alternativ til brugerdefinerede og Regex-enhedstyper. Hvis du f.eks. vil registrere et femcifret kontonummer, skal der defineres en længde på fem.
-
Alfanumeriske tegn – registrerer kombinationer af bogstaver og tal, der giver nøjagtig genkendelse for både tale- og ikke-tale-input.
-
Gratis formular – registrer fleksible datapunkter, der er vanskelige at definere eller validere.
-
Kortplacering (WhatsApp) – udtræk placeringsdata, der deles af dig på WhatsApp-kanalen.
Systemenheder
| Enhedsnavn | Beskrivelse | Eksempelindtastning | Eksempel på visning |
|---|---|---|---|
| Dato | Parser datoer på naturligt sprog til et standarddatoformat | "juli næste år" | 01/07/2020 |
| Tidspunkt | Parser tid på naturligt sprog til et standardtidsformat | 5 om aftenen | 17:00 |
| Registrerer e-mailadresser | skriv til mig på info@cisco.com | info@cisco.com | |
| Telefonnummer | Registrerer fælles telefonnummer | ring mig op på 9876543210 | 9876543210 |
| Monetære enheder | Fortolker valuta og beløb | Jeg vil have 20$ | 20$ |
| Almindelig | Registrerer ordinært nummer | Fire af ti personer | 4th |
| Kardinal | Registrerer kardinalnummer | Fire af ti personer | 10 |
| Geoplacering | Registrerer geografiske placeringer (byer, lande osv.) | Jeg svømmede i Themsen i London Storbritannien | London, Storbritannien |
| Personnavne | Registrerer almindelige navne | Bill Gates af Microsoft | af Bill Gates |
| Mængde | Identificerer målinger, som vægt eller afstand | Vi er 5 km væk fra Paris | 5km |
| Varighed | Identificerer tidsperioder | 1 uge på ferie | 1 uge |
Oprettede enheder kan redigeres fra fanen Enheder. Hvis du knytter enheder til en hensigt, kommenterer dine udtalelser med registrerede enheder, når du tilføjer dem.
Enhedsroller
Når en enhed skal indsamles flere gange inden for et enkelt formål, bliver enhedens roller afgørende. Ved at tildele forskellige roller til den samme enhed kan du vejlede AI-agenten i at forstå og behandle brugerinput mere præcist.
Hvis du f.eks. vil reservere en flyvning med en layover, kan du oprette en lufthavn -enhed med tre roller: oprindelse,destination og layout. Ved at anmærke undervisningsudtalelser med disse roller kan AI-agenten lære de forventede mønstre og problemfrit håndtere komplekse reservationsanmodninger.
Enhedsroller understøttes kun for Mindmeld (brugerdefinerede enheder og systemenheder) og Rasa (kun brugerdefinerede enheder). Administratorer skal markere afkrydsningsfeltet Enhedsroller under de avancerede indstillinger i dialogboksen NLU-motorvælger.
Administratorer kan ikke skifte fra RASA eller Mindmeld til Swiftmatch, mens enhedsroller er i brug. Roller skal fjernes fra hensigter for at deaktivere enhedsrollerne fra avancerede NLU-motorindstillinger. Du kan oprette en enhed med enhedens roller.
Opret en entitet med entitetsroller
Før du begynder
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på den scriptede AI-agent, du har oprettet. |
| 3 |
Klik på Undervisning i venstre rude. |
| 4 |
På siden Undervisningsdata skal du klikke på fanen Enheder . |
| 5 |
Klik på Opret enhed. |
| 6 |
I vinduet Opret enhed skal du angive følgende felter: |
| 7 |
Aktivér til/fra-knappen Automatisk forslag til slotværdier for at fuldføre automatisk, og giv alternative forslag til denne enhed under samtalen. Feltet Roller vises kun under oprettelse af en brugerdefineret enhed, hvis enhedens roller er aktiveret i afsnittet Avancerede indstillinger i vinduet Skift undervisningsmotor for RASA- og Mindmeld NLU-motorer. |
| 8 |
Klik på Gem. Du kan bruge valgmulighederne Rediger og Slet i kolonnen Handlinger for at udføre relaterede handlinger.
|
Næste trin
Når du har oprettet en enhed, kan du knytte roller til en enhed.
Knyt roller til en enhed
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på den AI-agent, du har oprettet. |
| 3 |
Klik på Undervisning i venstre rude. |
| 4 |
På siden Undervisningsdata skal du vælge en hensigt om at linke enheder og enhedsroller. Som standard vises fanen Hensigt .
|
| 5 |
I afsnittet Slots skal du klikke på Link enhed. |
| 6 |
Vælg enhedsrollen for enhedsnavnet. |
| 7 |
Klik på Gem. Du kan tildele roller til en enhed for at indsamle den samme enhed to gange til et formål. |
Program til sprogforståelse (NLU)
Scriptede AI-agenter bruger NLU (Natural Language Understanding) med maskinlæring for at identificere kundens hensigt. Følgende NLU-motorer fortolker kundeinput og giver præcise svar:
- Swiftmatch – en hurtig, letvægts motor, der understøtter flere sprog.
- RASA – et førende framework for kunstig intelligens til samtaler med åben kildekode.
- Mindmeld (beta) – tilbyder avancerede samtaleflows og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-motorer på Scripted AI-agenters artikler og undervisningsfaner for at evaluere ydeevnen. Ændring af motoren opdaterer AI-agentens algoritme, der kræver omskoling for at få nøjagtig rådgivning baseret på den nye model. Du kan analysere forskelle i ydeevnen ved hjælp af lighedsscore i sessioner og test med ét klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og konference" efter skift af motorer. For RASA har tærskelscoren en tendens til at være omvendt proportional med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i konferenceindstillinger.
Skift træningsmotorer
For at skifte mellem NLU-motorer.
-
Vælg den AI-agent, du vil ændre undervisningsmotoren.
- For scriptbaseret AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden Vidensbase vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Undervisning. Siden Undervisningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU-motoren til højre på siden. Vinduet Skift undervisningsmotor vises.
Som standard er NLU-motoren indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg undervisningsmotoren til at træne AI-agenten. Mulige værdier:
- RASA (betaversion)
- Hurtigkamp
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Konklusion :
- Score under hvilket fallback vises – Den mindste tillid, der er nødvendig for at et svar kan vises til dig, under hvilket et fallback-svar vises.
- Forskel i scorer for delvis match – Definerer den mindste forskel mellem tillidsniveauer for svar for tydeligt at vise den bedste match, under hvilken en delvis match skabelon vises.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord–"Stopord" er funktionsord, der etablerer grammatiske relationer blandt andre ord inden for en sætning, men ikke har leksisk betydning i sig selv. Når du fjerner stopord såsom artikler (en, en, den osv.), pronominer (ham, hende osv.) fra sætningen, kan maskinindlæringsalgoritmer fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjernes "stopordene" fra sætningen på undervisnings- og konferencetidspunktet. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid sammentrækninger – engelske sammentrækninger i undervisningsdataene kan udvides til den oprindelige formular sammen med vilkårene i den indgående forbrugerforespørgsel for at opnå større nøjagtighed. Eksempel: "må ikke" udvides til "må ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-motorer.
- Stavekontrol i konference – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før konferencen. Denne funktion understøttes kun for alle tre motorer, hvis afkrydsningsfeltet Stavekontrol i konference er aktiveret.
- Fjern specialtegn – specialtegn er de ikke-alfanumeriske tegn, der har indflydelse på antydning. Wi-Fi og Wi-Fi betragtes f.eks. forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen for at vise et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Enhedsroller – Brugerdefinerede enheder kan have forskellige roller. Denne NLU-motorfunktion understøttes kun for RASA og Mindmeld.
- Entitetssubstitution i konference – Entitetsværdier i undervisningsdata og konference erstattes med entitets-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter påfyldning af spilletid – Påfyldning af spilletid prioriteres over registrering af hensigt.
- Resultater gemt pr. meddelelse – antallet af artikler, for hvilke AI-agentens beregnede tillidsresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i sektionen Algoritme på skærmen Sessioner, er nu begrænset til 5. De n bedste resultater (1=<n=<5) er tilgængelige i rapporter om afskrifter af meddelelser for scriptede AI-agenter og i afsnittet "Algoritmeresultater" under fanen Transaktionsoplysninger i sessioner.
- Udvidelse af ordformer – udvid træningsdata med ordformer såsom flertalsformer, verber osv., sammen med de synonymer, der er indlejret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – Synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i undervisningsdataene automatisk for at kunne genkende forbrugerforespørgslen præcist. For eksempel, for ordet have, kan systemgenererede synonymer være en baghave, have osv. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, såsom flertalsformer, adverber, adjektiver eller verber. For eksempel, for ordet "skabelse", kan ordformerne oprettes, oprettes, oprettes, oprettes, oprettes, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan indstille forskellige tærskelværdier for forskellige NLU-motorer for at bestemme den laveste score, der er acceptabel for at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens krop.
- Klik på Træn. Når AI-agenten er uddannet med den valgte undervisningsmotor, ændres vidensbasestatussen fra Gemt til Uddannet.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Undervisning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den levende, så den kan teste og udrulle den. Hvis du vil træne AI-agenten med dens aktuelle krop, skal du klikke på Træn øverst til højre. Dette bør ændre statussen til Undervisning.
Når træningen er fuldført, ændres statussen til Uddannet. Klik på ikonet Genindlæs ved siden af Undervisning for at hente den aktuelle undervisningsstatus.
På dette tidspunkt kan du klikke på Gør til live for at gøre det trænede legeme live og teste det i forhåndsvisning, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektormodel
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Der kan vælges mellem to valgmuligheder – vektorer på ytringsniveau kontra på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på utterance-niveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorerne på artikelniveau er den nye standardværdi for vektorering for nye AI-agenter på et enkelt sprog. For flersprogede AI-agenter understøttes kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en konference i sessionens andre oplysninger afsnit.
Administrer hensigter
Hensigt er en kernekomponent i platformen Webex AI Agent Studio, der gør det muligt for AI-agenten at forstå og reagere effektivt på dit input. Det repræsenterer en bestemt opgave eller handling, som du vil udføre under en samtale. Du kan definere alle hensigter, der svarer til de opgaver, du vil udføre. Nøjagtigheden af hensigtsklassifikationen påvirker direkte AI-agentens evne til at give relevante og nyttige svar. Hensigtsklassificering er processen til at identificere hensigten baseret på dit input, hvilket giver AI-agenten mulighed for at reagere på en meningsfuld og kontekstuelt relevant måde.
Systemhensigter
- Standard fallback-hensigt – en AI-agents funktioner er i sagens natur begrænset af de hensigter, der er designet til at genkende og reagere på. Selvom en virksomhed ikke kan forudse alle mulige spørgsmål, du måtte stille, kan standardfallback-hensigten hjælpe samtaler med at være på sporet.
Ved at implementere en standardfallback-hensigt kan udviklere af AI-agenter sikre, at AI-agenten behandler uventede eller uden for rækkevidde forespørgsler og omdirigerer samtalen tilbage til kendte hensigter.
AI-agentudviklere behøver ikke tilføje specifikke udtalelser til fallback-hensigten. Agenten kan trænes i automatisk at udløse fallback-hensigten, når den støder på kendte spørgsmål uden for omfanget, der ellers kunne være kategoriseret forkert i andre hensigter.
I en bank AI-agent kan kunder f.eks. forsøge at spørge om lån. Hvis AI-agenten ikke er konfigureret til at håndtere lånerelaterede forespørgsler, kan disse forespørgsler indarbejdes som undervisningssætninger i standardfallback-hensigten. Når en kunde spørger om lån på et hvilket som helst tidspunkt i samtalen, genkender AI-agenten forespørgslen som værende uden for dens definerede hensigter og udløser fallback-svaret. Dette sikrer en mere hensigtsmæssig reaktion.
Fallback-hensigten bør ikke have nogen slots tilknyttet.
Fallback-hensigten skal bruge standardfallback-skabelonnøglen til sit svar.
- Hjælp – denne hensigt er designet til at håndtere kundeforespørgsler om AI-agentens funktioner. Når kunder er i tvivl om, hvad de kan opnå eller støder på vanskeligheder under en samtale, søger de ofte hjælp ved at bede om
hjælp.Som standard er svaret for hjælpehensigten knyttet til skabelonnøglen
Hjælpemeddelelse. Udviklere af AI-agenter kan dog tilpasse svaret eller ændre den tilknyttede skabelonnøgle for at give mere skræddersyet og informativ vejledning.Det anbefales at formidle AI-agentens funktioner på et højt niveau og give kunderne en klar forståelse af, hvad de kan gøre nu.
- Tal med en agent – denne hensigt giver kunderne mulighed for at anmode om assistance fra en menneskelig agent på ethvert trin i deres interaktion med AI-agenten. Når denne hensigt påberåbes, starter systemet automatisk en overførsel til en menneskelig agent. Standardsvarskabelonen for denne hensigt er
agentoverdragelse. Selvom der ikke er nogen begrænsninger i brugergrænsefladen for at ændre svarskabelonnøglen, påvirker det ikke resultatet af den menneskelige overdragelse, hvis den ændres.
Små talehensigter
Alle nyoprettede AI-agenter omfatter fire foruddefinerede små talehensigter til håndtering af almindelige kundehilsner, taknemmelighed, negativ feedback og farvel:
- Hilsener
- Tak
- AI-agenten var ikke nyttig
- Farvel
Opret en hensigt
Før du begynder
Før du opretter et formål, skal du sørge for at oprette enheder, der kan knyttes til formålet. Få flere oplysninger i Opret entitet med entitetsroller.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Vælg en AI-agent på instrumentpanelet. |
| 3 |
Klik på Undervisning i venstre rude. |
| 4 |
På siden Undervisningsdata skal du klikke på Opret hensigt. |
| 5 |
I vinduet Opret hensigt skal du angive følgende oplysninger: |
| 6 |
Markér afkrydsningsfeltet Påkrævet , hvis enheden er obligatorisk. |
| 7 |
Indtast antallet af forsøg, der er tilladt for dette tidsrum. Som standard er nummeret indstillet til tre. |
| 8 |
Vælg skabelonnøglen på rullelisten. |
| 9 |
I afsnittet Svar skal du indtaste den endelige svarskabelonnøgle, der skal returneres til brugerne, når hensigten er fuldført. |
| 10 |
Aktivér til/fra-knappen Nulstil slots efter afslutning for at nulstille de slotværdier, der er indsamlet i samtalen, når hensigten er fuldført. Hvis denne til/fra-knap er i deaktiveret status, bevarer pladsen de gamle værdier og viser det samme svar.
|
| 11 |
Aktivér til/fra-knappen Opdater slotværdier for at opdatere slotværdien under samtalen med forbrugeren. AI-agenten overvejer den sidste værdi, der er udfyldt i feltet, for at behandle dataene. Hvis dette er aktiveret, opdateres værdier for fyldte slots, når kunderne opgiver nye oplysninger for den samme slotstype.
|
| 12 |
Aktivér til/fra-knappen Giv forslag til slots for at give forslag til påfyldning af slots og alternative slotværdier i det endelige svar, baseret på brugerinput. |
| 13 |
Aktivér til/fra-knappen Afslut samtale for at lukke sessionen efter dette formål. Webex Connect- og stemmeflows kan bruge dette til at lukke en samtale med forbrugerne.
|
| 14 |
Klik på Gem. Klik på Træn øverst til højre på fanen Undervisning for at afspejle eventuelle ændringer, der er foretaget i hensigter og enheder.
For at træne Rasa- eller Mindmeld NLU-motorer kræves der mindst to træningsvarianter (ytringer) pr. hensigt. Hvert slot skal desuden have mindst to kommentarer. Hvis disse krav ikke er opfyldt, deaktiveres knappen Tog . Et advarselsikon vises ved siden af den berørte hensigt for at angive problemet. Standardhensigten med fallback er dog undtaget fra disse krav. |
Næste trin
Når et formål er oprettet, kræves der nogle oplysninger for at opfylde formålet. Sammenkædede enheder dikterer, hvordan disse oplysninger indhentes fra brugerudtalelser. Få flere oplysninger i Sammenkæd enheder med hensigt.
Tilknyt enheder med hensigt
Før du begynder
Sørg for, at du opretter enheder og tilknytter dem, før du tilføjer ytringer. Denne kommenterer automatisk enhederne, mens ytringer tilføjes.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på den AI-agent, du har oprettet. |
| 3 |
Klik på Undervisning i venstre rude. |
| 4 |
På siden Undervisningsdata skal du vælge en hensigt om at linke enheder og enhedsroller. Som standard vises fanen Hensigt .
|
| 5 |
I afsnittet Slots skal du klikke på Link enhed. De tilknyttede enheder vises i afsnittet Slots.
|
| 6 |
Vælg enhedsrollen for enhedsnavnet. |
| 7 |
Klik på Gem. Når en enhed er markeret som påkrævet, bliver yderligere konfigurationsindstillinger tilgængelige. Du kan angive det maksimale antal gange, som AI-agenten kan anmode om den manglende enhed, før den eskalerer eller leverer et fallback-svar. Du kan definere den skabelonnøgle, der skal aktiveres, hvis den ønskede enhed ikke leveres inden for det angivne antal forsøg.
Når en AI-agent identificerer et formål og indsamler alle nødvendige data (slots), svarer vedkommende ved hjælp af den meddelelse, der er knyttet til den endelige skabelonnøgle, der er konfigureret til det pågældende formål. Hvis du vil starte en ny samtale eller håndtere efterfølgende hensigter uden at overføre tidligere data, skal du aktivere til/fra-knappen Nulstil åbninger efter afslutning . Denne indstilling rydder alle genkendte enheder fra samtalehistorikken, hvilket sikrer en frisk start for hver ny interaktion. |
Generér træningsdata
Du skal manuelt føje træningsdata til deres hensigter for at få AI-agenten til at arbejde med rimelig nøjagtighed. Undervisningsdataene består af forskellige måder, hvorpå du kan påberåbe dig det samme formål. Du kan tilføje mindst 15-20 varianter for hvert formål for at forbedre dets nøjagtighed. Det kan være kedeligt og tidskrævende at skabe dette træningskorps manuelt. Du kan kun tilføje nogle få varianter eller kun tilføje nøgleord som varianter i stedet for meningsfulde sætninger. Dette kan undgås ved at generere træningsdata, der supplerer dine eksisterende.
Hvis du vil generere træningsdata, skal du følge nedenstående trin:
- Indtast hensigtnavnet og et eksempel på en talemåde.
- Klik på Generer.
- Giv en kort beskrivelse af formålet med at vejlede den kunstige intelligens.
- Angiv det ønskede antal varianter og kreativitetsniveauet for de AI-genererede forslag.
- Generering af mange varianter på én gang kan påvirke kvaliteten. Vi anbefaler maksimalt 20 varianter pr. generation.
- En lavere kreativitetsindstilling kan producere mindre forskelligartede varianter.
- Genereringsprocessen kan tage et par sekunder, afhængigt af antallet af ønskede varianter.
- Lyn-ikonet skelner mellem AI-genererede varianter og brugerdefinerede træningsdata.
Program til sprogforståelse (NLU)
Scriptede AI-agenter bruger NLU (Natural Language Understanding) med maskinlæring for at identificere kundens hensigt. Følgende NLU-motorer fortolker kundeinput og giver præcise svar:
- Swiftmatch – en hurtig, letvægts motor, der understøtter flere sprog.
- RASA – et førende framework for kunstig intelligens til samtaler med åben kildekode.
- Mindmeld (beta) – tilbyder avancerede samtaleflows og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-motorer på Scripted AI-agenters artikler og undervisningsfaner for at evaluere ydeevnen. Ændring af motoren opdaterer AI-agentens algoritme, der kræver omskoling for at få nøjagtig rådgivning baseret på den nye model. Du kan analysere forskelle i ydeevnen ved hjælp af lighedsscore i sessioner og test med ét klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og konference" efter skift af motorer. For RASA har tærskelscoren en tendens til at være omvendt proportional med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i konferenceindstillinger.
Skift træningsmotorer
For at skifte mellem NLU-motorer.
-
Vælg den AI-agent, du vil ændre undervisningsmotoren.
- For scriptbaseret AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden Vidensbase vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Undervisning. Siden Undervisningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU-motoren til højre på siden. Vinduet Skift undervisningsmotor vises.
Som standard er NLU-motoren indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg undervisningsmotoren til at træne AI-agenten. Mulige værdier:
- RASA (betaversion)
- Hurtigkamp
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Konklusion :
- Score under hvilket fallback vises – Den mindste tillid, der er nødvendig for at et svar kan vises til dig, under hvilket et fallback-svar vises.
- Forskel i scorer for delvis match – Definerer den mindste forskel mellem tillidsniveauer for svar for tydeligt at vise den bedste match, under hvilken en delvis match skabelon vises.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord–"Stopord" er funktionsord, der etablerer grammatiske relationer blandt andre ord inden for en sætning, men ikke har leksisk betydning i sig selv. Når du fjerner stopord såsom artikler (en, en, den osv.), pronominer (ham, hende osv.) fra sætningen, kan maskinindlæringsalgoritmer fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjernes "stopordene" fra sætningen på undervisnings- og konferencetidspunktet. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid sammentrækninger – engelske sammentrækninger i undervisningsdataene kan udvides til den oprindelige formular sammen med vilkårene i den indgående forbrugerforespørgsel for at opnå større nøjagtighed. Eksempel: "må ikke" udvides til "må ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-motorer.
- Stavekontrol i konference – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før konferencen. Denne funktion understøttes kun for alle tre motorer, hvis afkrydsningsfeltet Stavekontrol i konference er aktiveret.
- Fjern specialtegn – specialtegn er de ikke-alfanumeriske tegn, der har indflydelse på antydning. Wi-Fi og Wi-Fi betragtes f.eks. forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen for at vise et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Enhedsroller – Brugerdefinerede enheder kan have forskellige roller. Denne NLU-motorfunktion understøttes kun for RASA og Mindmeld.
- Entitetssubstitution i konference – Entitetsværdier i undervisningsdata og konference erstattes med entitets-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter påfyldning af spilletid – Påfyldning af spilletid prioriteres over registrering af hensigt.
- Resultater gemt pr. meddelelse – antallet af artikler, for hvilke AI-agentens beregnede tillidsresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i sektionen Algoritme på skærmen Sessioner, er nu begrænset til 5. De n bedste resultater (1=<n=<5) er tilgængelige i rapporter om afskrifter af meddelelser for scriptede AI-agenter og i afsnittet "Algoritmeresultater" under fanen Transaktionsoplysninger i sessioner.
- Udvidelse af ordformer – udvid træningsdata med ordformer såsom flertalsformer, verber osv., sammen med de synonymer, der er indlejret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – Synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i undervisningsdataene automatisk for at kunne genkende forbrugerforespørgslen præcist. For eksempel, for ordet have, kan systemgenererede synonymer være en baghave, have osv. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, såsom flertalsformer, adverber, adjektiver eller verber. For eksempel, for ordet "skabelse", kan ordformerne oprettes, oprettes, oprettes, oprettes, oprettes, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan indstille forskellige tærskelværdier for forskellige NLU-motorer for at bestemme den laveste score, der er acceptabel for at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens krop.
- Klik på Træn. Når AI-agenten er uddannet med den valgte undervisningsmotor, ændres vidensbasestatussen fra Gemt til Uddannet.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Undervisning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den levende, så den kan teste og udrulle den. Hvis du vil træne AI-agenten med dens aktuelle krop, skal du klikke på Træn øverst til højre. Dette bør ændre statussen til Undervisning.
Når træningen er fuldført, ændres statussen til Uddannet. Klik på ikonet Genindlæs ved siden af Undervisning for at hente den aktuelle undervisningsstatus.
På dette tidspunkt kan du klikke på Gør til live for at gøre det trænede legeme live og teste det i forhåndsvisning, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektormodel
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Der kan vælges mellem to valgmuligheder – vektorer på ytringsniveau kontra på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på utterance-niveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorerne på artikelniveau er den nye standardværdi for vektorering for nye AI-agenter på et enkelt sprog. For flersprogede AI-agenter understøttes kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en konference i sessionens andre oplysninger afsnit.
Flag for genererede varianter
For at sikre ansvarlig AI-brug kan udviklere markere AI-genererede output til gennemgang. Dette gør det muligt at identificere og forebygge skadeligt eller forudindtaget indhold. Sådan markeres AI-genererede output:
- Find valgmuligheden Flag: Der er en valgmulighed for at markere hver genereret udtale.
- Giv feedback: Når du markerer et output, kan udviklere tilføje kommentarer og angive årsagen til markeringen.
Denne funktion er i første omgang tilgængelig med en månedlig brugsgrænse på 500 genereringshandlinger. For at imødekomme voksende behov kan udviklere kontakte deres kontoejere for at anmode om en stigning i denne grænse.
Opret hensigt og entitet på flere sprog
Du kan oprette undervisningsdata på flere sprog. For hvert sprog, der er konfigureret for din AI-agent, skal du definere udtalelser, der afspejler de ønskede interaktioner. Selvom åbningerne forbliver ensartede på tværs af sprog, identificerer skabelontasterne entydigt svarene på hvert sprog.
Det er ikke alle sprog, der understøtter alle enhedstyper. For yderligere oplysninger om listen over enhedstyper, som hvert sprog understøtter, henvises der til tabellen Sprog verser enheder, der understøttes i Understøttede sprog for scriptede AI-agenter.
Administrer svar
Svar er de meddelelser, som din AI-agent sender til kunder som svar på deres forespørgsler eller hensigter. Du kan oprette svar, der omfatter:
- Tekst – Almindelige tekstmeddelelser til direkte kommunikation.
- Kode – integreret kode til dynamisk indhold eller handlinger.
- Multimedier – billeder, lyd eller videoelementer for at forbedre brugeroplevelsen.
Svarene har to hovedkomponenter:
- Skabeloner – foruddefinerede svarstrukturer, der er knyttet til specifikke formål.
- Arbejdsprocesser – den logik, der bestemmer, hvilken skabelon der skal bruges, baseret på det identificerede formål.
Skabeloner til agentoverdragelse, hjælp, fallback og velkomst er forudkonfigureret, og svarmeddelelsen kan ændres fra de tilsvarende skabeloner.
Svartyper
Afsnittet Svardesigner dækker forskellige typer svar, og hvordan de kan konfigureres.
Fanen Arbejdsprocesser bruges til at håndtere asynkrone svar, mens der ringes til en ekstern API, der svarer asynkron. Arbejdsprocesser skal kodes i python.
Variabel substitution
Variabel substitution giver dig mulighed for at bruge dynamiske variabler som en del af svarskabeloner. Alle standardvariabler (eller enheder) i en session samt dem, som en AI-agentudvikler kan indstille i et gratis formularobjekt, såsom feltet Datalager , kan bruges i svarskabeloner via denne funktion. Variablerne repræsenteres ved hjælp af denne syntaks: ${variable_name}. Hvis du f.eks. bruger værdien af en enhed kaldet apptdate, bruger du ${entities.apptdate} eller ${newdfState.model_state.entities.apptdate.value}.
Svar kan tilpasses ved hjælp af variabler, der modtages fra kanalen eller indsamles fra forbrugerne i løbet af en samtale. Den automatiske komplette funktionalitet viser syntaksen for variabler i tekstområdet, når du begynder at skrive ${. Hvis du vælger det ønskede forslag, udfyldes området automatisk med variablen og markeres en sådan variabel.
Konfigurer svar ved hjælp af svardesigner
Svardesigneren tilbyder en brugervenlig grænseflade til at oprette svar uden at kræve omfattende kodningsviden. Der er to svartyper tilgængelige:
- Betingede svar: For ikke-udviklere giver denne valgmulighed mulighed for let opbygning af svar, som AI-agenten leverer til kunder.
- Kodestykker: For udviklere, der bruger Python, giver denne valgmulighed fleksibilitet til at konfigurere svar ved hjælp af kode.
Svardesigneren er designet til at sikre, at brugeroplevelsen henvender sig til den specifikke kanal, som AI-agenten interagerer med.
Svarskabeloner
- Tekst – dette er enkle tekstsvar. Svardesigneren tillader flere tekstfelter inden for et enkelt svar for at forbedre brugeroplevelsen, så du kan opdele lange meddelelser i mere håndterbare sektioner. Hvert tekstfelt kan indeholde forskellige svarmuligheder. Under en samtale vælges en af disse valgmuligheder tilfældigt og vises til brugeren, hvilket sikrer en dynamisk og engagerende interaktion.
For at opretholde en dynamisk og engagerende brugeroplevelse kan du tilføje flere svarmuligheder til dine skabeloner. Når en skabelon med flere valgmuligheder er aktiveret, vælges en af dem tilfældigt og vises til brugeren. Du kan aktivere denne funktion ved at klikke på knappen +Tilføj variant i bunden af dit svar.
Når du gemmer svar, ser du muligvis en advarsel, der angiver antallet af fejl, der skal rettes. Felter med fejl fremhæves med rødt. Ved hjælp af navigationspilene kan udviklere nemt finde og rette disse fejl i enhver kanal- eller svarformat. Hvis listevælgeren eller karrusellen indeholder flere kort, giver priknavigation dig mulighed for at flytte gennem kortene med fejl. For et enkelt kort bliver den tilsvarende prik rød for at signalere fejlen.
- Hurtigt svar – Tekstsvar kan parres med knapper, som enten kan være tekstbaserede eller URL-links. Tekstknapper kræver en titel og en nyttelast, som sendes til botten, når der klikkes på den. URL-knapper omdirigerer brugere til en bestemt webside.
Når en kundes forespørgsel er tvetydig, giver delvis matchning bot mulighed for at foreslå relevante artikler eller hensigter som valgmuligheder. Denne funktion er tilgængelig for web- og Facebook-interaktioner.
Tilføjelse af hurtige svar på URL-adresse
URL-knapper til hurtigt svar i faste og betingede svar giver dig mulighed for at oprette knapper, der omdirigerer brugere til dit websted for yderligere oplysninger eller handlinger såsom udfyldelse af formularer. Når der klikkes på disse knapper, åbner den angivne URL-adresse i en ny fane i det samme browservindue uden at sende data tilbage til botten.
Sådan tilføjer du et hurtigt URL-svar i et betinget eller fast svar:
- Vælg den artikel- eller skabelonnøgle, som du vil konfigurere URL-adressens hurtige svar for.
- Klik på +Tilføj et hurtigt svar. Pop op-vinduet Knaptype vises.
- Vælg knaptypen som URL-adresse i webkanalen.
- Angiv titlen på knappen og URL-adressen, som forbrugeren skal omdirigeres til efter at have klikket på knappen.
- Klik på Udført for at tilføje et hurtigt URL-svar.
Knapper af URL-type kan også konfigureres via dynamisk svartype, hvor disse knapper skal konfigureres ved hjælp af uddrag af python-kode. Disse knapper understøttes i forvisningen og sektionerne med forhåndsvisning, der kan deles. De understøttes i øjeblikket ikke af IMIchats livechatwidget eller andre tredjepartskanaler.
- Karrusel – Rige svar kan omfatte et enkelt kort eller flere kort arrangeret i et karruselformat. Hvert kort kræver en titel og kan indeholde et billede, en beskrivelse og op til tre knapper.
Knapper til hurtigt svar i karruselskabelonen kan konfigureres med tekst eller URL-links. Hvis du klikker på en URL-knap, omdirigeres brugeren til det angivne websted. Hvis du klikker på en tekstbaseret knap til hurtigt svar, sendes en konfigureret nyttelast til botten, hvilket udløser det tilsvarende svar.
- Billede – en multimedieskabelon, hvor brugere kan konfigurere billeder ved at angive URL-adresser.
- Video – gengiver videoer i forvisningen baseret på den konfigurerede video-URL-adresse.
- Kode – kan bruges til at skrive Python-kode til opkald API'er eller udføre anden logik.
Kodestykker
Betingede svar kan med deres omfattende funktioner og forskellige skabeloner effektivt imødekomme de fleste behov for AI-agenter. Men for komplekse brugsscenarier, der ikke kan realiseres fuldt ud via betingede svar, eller for udviklere, der foretrækker kodning, er svartypen Code Snippet tilgængelig.
Kodeuddrag giver dig mulighed for at konfigurere svar ved hjælp af Python-kode. Med denne tilgang kan du oprette alle typer svar, herunder hurtige svar, tekst, karruseller, billeder, lyd, video og filer, i en svarskabelon eller artikel.
Den funktionskode, der er defineret i kodekodesnipskabelonen, kan bruges til at indstille variabler, der derefter bruges i andre skabeloner. Det er vigtigt at bemærke, at funktionskoden ikke direkte kan returnere svar, når den bruges inden for betingede svar.
Validering af kodestykke – platformen kontrollerer kun for syntaksfejl i det kodestykke, du konfigurerer. Men eventuelle fejl i selve svarindholdet kan forårsage problemer for brugere, der interagerer med botten på den konfigurerede kanal. Redigeringsprogrammet vil f.eks. ikke forhindre dig i at tilføje et "tidsvælger"-svar for webkanalen, men dette medfører fejl, hvis en brugers forespørgsel udløser det specifikke svar.
Hvis du ikke konfigurerer et entydigt svar for forskellige kanaler, tages websvaret som standardsvaret, og det samme sendes til kunden. Listen over skabeloner, der understøttes på webkanalen, er:
- Tekst – en enkel tekstmeddelelse, der kan have flere varianter. Denne konfigurerede meddelelse vises baseret på forespørgslen.
- Hurtigt svar – en skabelon med tekst og klikbare knapper.
- Karrusel – en samling af kort, hvor hvert kort har en titel, en URL-adresse og en beskrivelse.
- Billede – en skabelon til at konfigurere billeder ved at angive URL-adresser.
- Video – en skabelon til at konfigurere video ved at angive video-URL-adressen. Du kan afspille videoen ved at klikke eller trykke på billedet.
- Fil – en skabelon til at konfigurere en PDF-fil ved at angive URL-adressen til at få adgang til filen.
- Lyd – en skabelon til at konfigurere en lydfil ved at angive lyd-URL-adressen. Den viser også varigheden af lydmeddelelsen i outputtet.
Konfigurer administrationsindstillinger
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til , og konfigurer følgende oplysninger: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Næste trin
Føj sprog(r) til den scriptede AI-agent.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til fanen . |
| 2 |
Klik på +Tilføj sprog(er) for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, og klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke artiklerne, kureringen, testene og forhåndsvisningerne af AI-agenten. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til , og konfigurer følgende oplysninger: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne for overdragelse. |
Næste trin
Scriptet AI-agent til besvarelse af spørgsmål
Scriptede AI-agenter er videnbaserede agenter, hvis vidensbase består af et sæt spørgsmål og svar. Scripted AI-agent kan give svar baseret på en brugeroprettet undervisningsmappe, som er en samling af eksempler og svar. Denne funktion er nyttig i scenarier, hvor:
- Der kræves specifik viden – agenten skal besvare spørgsmål inden for et foruddefineret domæne.
- Konsistens er vigtigt – agenten skal give konsekvente svar på lignende forespørgsler.
- Der er behov for begrænset fleksibilitet – agentens svar er begrænset af oplysningerne i træningskorpset.
Dette afsnit indeholder følgende konfigurationsindstillinger:
Opret en script-AI-agent til besvarelse af spørgsmål
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
På instrumentpanelet skal du klikke på +Opret agent. |
| 3 |
På skærmen Opret en AI-agent skal du klikke på Start fra bunden. Du kan også vælge en foruddefineret skabelon for hurtigt at oprette din AI-agent. Du kan filtrere AI-agenttypen som scriptet. I dette tilfælde udfyldes felterne på siden Profil automatisk. |
| 4 |
Klik på Næste. |
| 5 |
I afsnittet Hvilken type agent bygger du skal du klikke på Scripted. |
| 6 |
I afsnittet Hvad er din agents hovedfunktion skal du klikke på Besvar spørgsmål. |
| 7 |
Klik på Næste. |
| 8 |
På siden Definer agent skal du angive følgende oplysninger: |
| 9 |
Klik på Opret. Den scriptede AI-agent til besvarelse af spørgsmål er blevet oprettet og er nu tilgængelig på instrumentpanelet.
I AI-agentheaderen kan du udføre følgende opgaver:
Du kan også importere de forudbyggede AI-agenter. Få flere oplysninger i Importer forudbygget AI-agent. |
Næste trin
Føj artikler til AI-agenten.
Opdater scriptet AI-agentprofil
Før du begynder
Opret en scriptbaseret AI-agent til besvarelse af spørgsmål.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og konfigurer følgende oplysninger: |
| 4 |
Klik på Gem ændringer for at gemme indstillingerne. |
Administrer artikler
Artikler er en vigtig del af scriptede AI-agenter. En artikel er kombinationen af et spørgsmål, dets variationer og svaret på dette spørgsmål. Hver artikel har et Standardspørgsmål , der identificerer den. Alle artiklerne udgør tilsammen AI-agentens vidensbase eller krop. Når din kunde spørger noget, kontrollerer systemet sin vidensbase og giver dig det bedste svar, den finder.
Rasa og Mindmeld NLU-motorer kræver mindst to træningsvarianter (ytringer), for at en artikel kan være en del af en corpora's trænede model. Knapperne Tog og Gem og tog forbliver utilgængelige i en scriptet AI-agent til besvarelse af spørgsmål, hvis du vælger en Rasa- eller Mindmeld NLU-motor, og hvis en artikel har mindre end to variationer. Når du hviler markøren på disse utilgængelige knapper, viser systemet en meddelelse, der beder dig om at løse problemerne, før du træner. Systemet viser også et advarselsikon, der svarer til artiklen med problemer. Du kan løse problemerne ved at tilføje mere end to varianter af en artikel. Knapperne Tog og Gem og Tog bliver tilgængelige, når problemerne er løst. At have to varianter er ikke relevant for standardartiklerne – delvis match-meddelelse, fallback-meddelelse og velkomstmeddelelse.
Du kan klassificere artikler i kategorier efter eget valg, og alle ikke-kategoriserede artikler forbliver klassificeret som ikke-tildelte. Fra det tidspunkt, hvor artiklerne oprettes, er der fire standardartikler, der er tilgængelige for hver AI-agent. Følgende er:
- Velkomstmeddelelse – denne indeholder den første meddelelse, når der er startet en samtale mellem kunden og AI-agenten.
- Fallback-meddelelse – AI-agenten viser denne meddelelse, når agenten ikke kan forstå brugerens spørgsmål.
- Delvist match – når AI-agenten genkender flere artikler med en lille forskel i scorer (som angivet i indstillingerne for Overdragelse og Konklusioner ), viser agenten denne matchmeddelelse sammen med de matchede artikler som valgmuligheder. Du kan også konfigurere det tekstsvar, der skal vises sammen med disse valgmuligheder.
- Hvad kan du gøre? – Du kan konfigurere AI-agentens funktioner. AI-agenten viser dette, når slutbrugerne stiller spørgsmål til AI-agentfunktioner.
Ud over disse tilføjes standardartiklen Tal til en agent , hvis agentoverdragelse fra Overdragelse og Konference -indstillinger er aktiveret.
Alle nye AI-agenter har også fire Smalltalk -artikler, der håndterer brugerudtalelser for:
- Hilsener
- Tak
- AI-agenten var ikke nyttig
-
Farvel
Disse artikler og svar er som standard tilgængelige i vidensbasen til AI-agenten under oprettelse af en ny AI-agent. Du kan også ændre eller fjerne disse.
Tilføj artikler via brugergrænseflade og standardsvar
En artikel er kombinationen af et spørgsmål, dets variationer og svaret på dette spørgsmål. Hver forbrugers forespørgsel sammenlignes med disse artikler (vidensbase), og det svar, der returnerer det højeste tillidsniveau, vises til brugeren som svar fra AI-agenten. Sådan tilføjer du artikler:
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på Opret ny artikel. |
| 4 |
Tilføj standardvarianter. |
| 5 |
Vælg et af disse standardsvar for artiklen. Mulige værdier:
For yderligere oplysninger, se afsnittet Konfigurer svar ved hjælp af svardesigner . |
| 6 |
Klik på Gem og træn. |
Import fra kataloger
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på ikonet Ellipser . |
| 4 |
Klik på Importer fra kataloger. |
| 5 |
Vælg kategorierne af de artikler, der skal føjes til agenten. |
| 6 |
Klik på Udført. |
Udtræk ofte stillede spørgsmål fra link
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på ellipseikonet. |
| 4 |
Klik på Udtræk ofte stillede spørgsmål fra link. |
| 5 |
Angiv URL-adressen, hvor ofte stillede spørgsmål hostes, og klik på Udtræk. |
| 6 |
Klik på Importer. |
Importer fra fil
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på ikonet Ellipse . |
| 4 |
Klik på Importer fra en fil , og vælg CSV for at importere artiklerne fra CSV-filen. Hvis du importerer artikler fra en fil i JSON-format, skal du vælge JSON. |
| 5 |
Klik på Søg , og vælg en fil, der indeholder alle artikler. Klik på Download eksempel for at se formatet, hvori artiklerne skal angives. |
| 6 |
Klik på Importer. |
Tilføj brugerdefinerede synonymer
Mange tilfælde af brug af AI-agenter omfatter ofte ord og sætninger, der muligvis ikke er en del af det engelske standardordforråd eller er specifikke for en forretningsmæssig kontekst. Du ønsker f.eks., at AI-agenten skal genkende Android-appen, iOS-appen osv. AI-agenten skal inkludere disse vilkår og deres variationer i undervisningsudtalelserne for alle relaterede artikler, hvilket fører til overflødig indtastning af data.
For at overvinde dette redundansproblem kan du bruge brugerdefinerede synonymer i en AI-agent, der er skrevet, til at besvare spørgsmål. Synonymer for hvert rodord erstattes automatisk med rodordet ved kørselstid af platformen.
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet. |
| 3 |
Naviger til , og klik på ikonet Ellipser. |
| 4 |
Klik på Brugerdefinerede synonymer. |
| 5 |
Klik på Nyt rodord. |
| 6 |
Konfigurer rodordværdien og dens synonymer, og klik på Gem. |
| 7 |
Træn AI-agenten igen, når du har tilføjet synonymerne. Du kan også eksportere synonymerne (i .CSV-filformat) til den lokale mappe og importere filen tilbage til platformen. |
Program til sprogforståelse (NLU)
Scriptede AI-agenter bruger NLU (Natural Language Understanding) med maskinlæring for at identificere kundens hensigt. Følgende NLU-motorer fortolker kundeinput og giver præcise svar:
- Swiftmatch – en hurtig, letvægts motor, der understøtter flere sprog.
- RASA – et førende framework for kunstig intelligens til samtaler med åben kildekode.
- Mindmeld (beta) – tilbyder avancerede samtaleflows og NLU-funktioner.
RASA kræver flere træningsdata end Swiftmatch for at opnå høj nøjagtighed. Udviklere kan skifte NLU-motorer på Scripted AI-agenters artikler og undervisningsfaner for at evaluere ydeevnen. Ændring af motoren opdaterer AI-agentens algoritme, der kræver omskoling for at få nøjagtig rådgivning baseret på den nye model. Du kan analysere forskelle i ydeevnen ved hjælp af lighedsscore i sessioner og test med ét klik.
Udviklere kan også teste og justere tærskelscorer i afsnittet "Overdragelse og konference" efter skift af motorer. For RASA har tærskelscoren en tendens til at være omvendt proportional med antallet af hensigter, hvilket betyder, at agenter med mange hensigter (100+) typisk har lavere fallback-scorer i konferenceindstillinger.
Skift træningsmotorer
For at skifte mellem NLU-motorer.
-
Vælg den AI-agent, du vil ændre undervisningsmotoren.
- For scriptbaseret AI-agent til besvarelse af spørgsmål: Klik på Artikler. Siden Vidensbase vises.
- For scriptede AI-agenter til udførelse af opgaver: Klik på Undervisning. Siden Undervisningsdata vises.
-
Klik på ikonet Indstillinger ved siden af NLU-motoren til højre på siden. Vinduet Skift undervisningsmotor vises.
Som standard er NLU-motoren indstillet til Swiftmatch for de nyoprettede AI-agenter.
-
Vælg undervisningsmotoren til at træne AI-agenten. Mulige værdier:
- RASA (betaversion)
- Hurtigkamp
- Mindmeld (beta)
-
Angiv disse oplysninger i afsnittet Konklusion :
- Score under hvilket fallback vises – Den mindste tillid, der er nødvendig for at et svar kan vises til dig, under hvilket et fallback-svar vises.
- Forskel i scorer for delvis match – Definerer den mindste forskel mellem tillidsniveauer for svar for tydeligt at vise den bedste match, under hvilken en delvis match skabelon vises.
- Klik for at udvide afsnittet Avancerede indstillinger .
- Fjern stopord–"Stopord" er funktionsord, der etablerer grammatiske relationer blandt andre ord inden for en sætning, men ikke har leksisk betydning i sig selv. Når du fjerner stopord såsom artikler (en, en, den osv.), pronominer (ham, hende osv.) fra sætningen, kan maskinindlæringsalgoritmer fokusere på ord, der definerer betydningen af tekstforespørgslen af forbrugeren. Hvis du markerer afkrydsningsfeltet, fjernes "stopordene" fra sætningen på undervisnings- og konferencetidspunktet. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Udvid sammentrækninger – engelske sammentrækninger i undervisningsdataene kan udvides til den oprindelige formular sammen med vilkårene i den indgående forbrugerforespørgsel for at opnå større nøjagtighed. Eksempel: "må ikke" udvides til "må ikke". Hvis dette afkrydsningsfelt er markeret, udvides sammentrækningerne i inputmeddelelserne før behandling. Denne funktion understøttes for alle tre NLU-motorer.
- Stavekontrol i konference – Tekstkorrektionsbiblioteket identificerer og retter de forkerte stavemåder i teksten før konferencen. Denne funktion understøttes kun for alle tre motorer, hvis afkrydsningsfeltet Stavekontrol i konference er aktiveret.
- Fjern specialtegn – specialtegn er de ikke-alfanumeriske tegn, der har indflydelse på antydning. Wi-Fi og Wi-Fi betragtes f.eks. forskelligt af NLU-motoren. Hvis dette afkrydsningsfelt er markeret, fjernes specialtegnene i forbrugerforespørgslen for at vise et passende svar. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Enhedsroller – Brugerdefinerede enheder kan have forskellige roller. Denne NLU-motorfunktion understøttes kun for RASA og Mindmeld.
- Entitetssubstitution i konference – Entitetsværdier i undervisningsdata og konference erstattes med entitets-id'er. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Prioriter påfyldning af spilletid – Påfyldning af spilletid prioriteres over registrering af hensigt.
- Resultater gemt pr. meddelelse – antallet af artikler, for hvilke AI-agentens beregnede tillidsresultater vises under transaktionsoplysninger i sessioner.
Antallet af resultater, der skal vises i sektionen Algoritme på skærmen Sessioner, er nu begrænset til 5. De n bedste resultater (1=<n=<5) er tilgængelige i rapporter om afskrifter af meddelelser for scriptede AI-agenter og i afsnittet "Algoritmeresultater" under fanen Transaktionsoplysninger i sessioner.
- Udvidelse af ordformer – udvid træningsdata med ordformer såsom flertalsformer, verber osv., sammen med de synonymer, der er indlejret i dataene. Denne funktion understøttes kun for Swiftmatch.
- Synonymer – Synonymer er alternative ord, der bruges til at betegne det samme ord. Hvis dette afkrydsningsfelt er markeret, genereres almindelige engelske synonymer for ord i undervisningsdataene automatisk for at kunne genkende forbrugerforespørgslen præcist. For eksempel, for ordet have, kan systemgenererede synonymer være en baghave, have osv. Denne NLU-motorfunktion understøttes kun for Swiftmatch.
- Ordformer – Ordformer kan findes i forskellige former, såsom flertalsformer, adverber, adjektiver eller verber. For eksempel, for ordet "skabelse", kan ordformerne oprettes, oprettes, oprettes, oprettes, oprettes, kreativt, kreativt osv. Hvis dette afkrydsningsfelt er markeret, oprettes ordene i forespørgslen med alternative ordformer og behandles for at give forbrugerne et passende svar.
Udviklere kan indstille forskellige tærskelværdier for forskellige NLU-motorer for at bestemme den laveste score, der er acceptabel for at vise AI-agentsvaret.
- Klik på Opdater for at ændre algoritmen i AI-agentens krop.
- Klik på Træn. Når AI-agenten er uddannet med den valgte undervisningsmotor, ændres vidensbasestatussen fra Gemt til Uddannet.
Du kan kun træne AI-agenten med RASA og Mindmeld, hvis alle artiklerne har mindst to ytringer.
Undervisning
Når du har oprettet alle artiklerne, kan du træne AI-agenten og gøre den levende, så den kan teste og udrulle den. Hvis du vil træne AI-agenten med dens aktuelle krop, skal du klikke på Træn øverst til højre. Dette bør ændre statussen til Undervisning.
Når træningen er fuldført, ændres statussen til Uddannet. Klik på ikonet Genindlæs ved siden af Undervisning for at hente den aktuelle undervisningsstatus.
På dette tidspunkt kan du klikke på Gør til live for at gøre det trænede legeme live og teste det i forhåndsvisning, der kan deles, eller på eksterne kanaler, hvor AI-agenten er installeret.
Vektormodel
Du kan nu vælge deres foretrukne vektormodeller som en del af de avancerede motorindstillinger i Swiftmatch NLU-motoren. Der kan vælges mellem to valgmuligheder – vektorer på ytringsniveau kontra på artikelniveau. I vores løbende bestræbelser på at forbedre nøjagtigheden af vores NLU-motorer eksperimenterede vi med at bruge vektorer på artikelniveau i stedet for den ældre model, der brugte vektorer på utterance-niveau. Vi fandt ud af, at vektorer på artikelniveau forbedrer nøjagtigheden i de fleste tilfælde. Bemærk, at vektorerne på artikelniveau er den nye standardværdi for vektorering for nye AI-agenter på et enkelt sprog. For flersprogede AI-agenter understøttes kun, når den flersprogede model er Polymatch.
Du kan kontrollere oplysningerne om vektormodellen, der er tilgængelige på tidspunktet for en konference i sessionens andre oplysninger afsnit.
Konfigurer administrationsindstillinger
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til , og konfigurer følgende oplysninger: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne. |
Næste trin
Føj sprog(r) til den scriptede AI-agent.
Føj et sprog til en scriptet AI-agent
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til fanen . |
| 2 |
Klik på +Tilføj sprog(er) for at tilføje nye sprog, og vælg sprogene på rullelisten. |
| 3 |
Klik på Tilføj for at tilføje sproget. |
| 4 |
Aktivér til/fra-knappen under Handling for at aktivere sproget. |
| 5 |
Når du har tilføjet et sprog, kan du indstille sproget som standard. Hold markøren over sproget, og klik på Gør til standard. Du kan ikke slette eller deaktivere et standardsprog. Hvis du skifter fra et eksisterende standardsprog, kan det også påvirke artiklerne, kureringen, testene og forhåndsvisningerne af AI-agenten. |
| 6 |
Klik på Gem ændringer. |
Konfigurer indstillinger for overdragelse
Før du begynder
Opret den scriptede AI-agent.
| 1 |
Naviger til , og konfigurer følgende oplysninger: |
| 2 |
Klik på Gem ændringer for at gemme indstillingerne for overdragelse. |
Næste trin
Se en forvisning af din scriptede AI-agent
Webex AI Agent Studio giver dig mulighed for at se en forvisning af dine AI-agenter, mens du udvikler den, og selv efter at udviklingen er udført. På denne måde kan du teste funktionen af AI-agenter og bestemme, om de ønskede svar genereres i overensstemmelse med de respektive inputforespørgsler. Du kan se en forvisning af din scriptbaserede AI-agent på følgende måder.
- AI-agentinstrumentpanel – hold markøren over et AI-agentkort for at se valgmuligheden Forvisning for den pågældende AI-agent. Klik på Forvisning for at åbne widgetten til forhåndsvisning af AI-agent.
- AI-agentheader – Når du har indtastet redigeringstilstanden for en AI-agent ved at klikke på AI-agentkortet eller knappen Rediger på AI-agentkortet, er valgmuligheden Forvisning altid synlig i overskriftsafsnittet.
- Minimeret widget – Efter en forhåndsvisning er startet og derefter minimeret, oprettes en chathovedwidget nederst til højre på siden, så du nemt kan genåbne forhåndsvisningstilstanden.
Derudover kan du kopiere forhåndsvisningslinket, der kan deles, fra en AI-agent. På AI-agentkortet skal du klikke på ikonet Ellipser øverst til højre og klikke på Kopiér forhåndsvisningslink. Du kan dele dette link med de andre brugere af AI-agenten.
Forhåndsvisning af widget til platform
Forhåndsvisningswidgetten vises nederst til højre på skærmen. Du kan angive udtalelser (eller en sekvens af udtalelser) for at se, hvordan AI-agenten reagerer, og sikre, at den fungerer som forventet. Forhåndsvisningen af AI-agenten understøtter flere sprog og kan automatisk registrere sproget for ytringer og svare i overensstemmelse hermed. Du kan også vælge sproget manuelt i forvisningen ved at klikke på sprogvælgeren og vælge fra listen over tilgængelige valgmuligheder.
Du kan maksimere forvisningswidgetten for at få en bedre visning. Du kan også angive forbrugeroplysninger og starte flere lokaler for at teste AI-agenten grundigt.
Forhåndsvisning af widget, der kan deles
Widgetten til forhåndsvisning, der kan deles, giver dig mulighed for at dele AI-agenten med interessenter og forbrugere på en præsentabel måde, uden at det er nødvendigt at udvikle en brugerdefineret brugergrænseflade til AI-agenten. Som standard gengiver det kopierede forhåndsvisningslink AI-agenten med et telefonhus. Du kan foretage en hurtig tilpasning ved at ændre visse parametre i forvisningslinket. De to største tilpasninger er:
- Widget farve – ved at føje en
brandColor-parameter til linket. Du kan definere enkle farver ved hjælp af farvenavne eller bruge en hex farvekode. -
Telefoncasing – ved at ændre værdien af en
phoneCasing-parameter i linket. Dette er som standard indstillet tilsandog kan deaktiveres ved at gøre det falskEksempel på et link til forhåndsvisning med disse parametre:
?botunique_name=<yourbot_unique_name>&enterpriseunique_name=<yourenterprise_unique_name>&root=.&phoneCasing=true&brandColor=_4391DA
Fælles administrationssektioner for scriptet AI-agent
Følgende afsnit vises i venstre panel på siden til konfiguration af AI-agent:
Undervisning
Efterhånden som AI-agenter udvikler sig og bliver mere komplekse, kan ændringer i deres logiske eller naturlige sprogforståelse (NLU) nogle gange få utilsigtede konsekvenser. For at sikre optimal ydeevne og identificere potentielle problemer tilbyder AI-agentplatformen et praktisk framework til bot-test med ét klik. Du kan:
- Du kan nemt oprette og køre et omfattende sæt testsager.
- Definer testmeddelelser og forventede svar for forskellige scenarier.
- Simuler komplekse interaktioner ved at oprette testsager med flere meddelelser.
Definer tests
Du kan definere tests ved hjælp af følgende trin:
- Log på platformen Webex AI Agent Studio.
- På instrumentpanelet skal du klikke på den scriptede AI-agent, du har oprettet.
- Klik på Test i venstre rude. Som standard vises fanen Testsager .
- Vælg en testsag, og klik på Udfør valgte tests.
Hver række i tabellen repræsenterer et testtilfælde med følgende parametre:
| Parameter | Beskrivelse |
|---|---|
| Meddelelse | Et eksempel på en meddelelse, der repræsenterer de typer forespørgsler og udtalelser, du kan forvente, at brugere sender til din AI-agent. |
| Forventet sprog | Det sprog, som brugerne forventes at interagere med AI-agenten på. |
| Forventet artikel | Angiv den artikel, der skal vises som svar på en bestemt brugermeddelelse. For at hjælpe dig med at finde den mest relevante artikel har denne kolonne en Smart automatisk fuldførelse-funktion. Når du indtaster, foreslår systemet matchende artikler baseret på den tekst, der er indtastet indtil videre. |
| Nulstil forrige kontekst | Klik på afkrydsningsfeltet i denne kolonne for at isolere testsager og sikre, at de køres uafhængigt af en eksisterende AI-agentkontekst. Når den er aktiveret, simuleres hver testsag i en ny session, hvilket forhindrer interferens fra tidligere interaktioner eller lagrede data. |
| Inkluder delvise resultater | Aktivér denne til/fra-knap for at overveje, om testsager er vellykkede, selv hvis de forventede artikler kun delvist matcher det faktiske svar. |
| Importér fra CSV | Importér testsager fra en kommasepareret fil (CSV). I dette tilfælde overskrives alle eksisterende testsager. |
| Eksporter til CSV | Eksportér testsager til en kommasepareret fil (CSV). |
| Test tilbagekald | Aktivér denne til/fra-knap for at simulere indgående tilbagekald og teste flowadfærden uden at kræve faktiske indgående opkald. Denne valgmulighed er kun tilgængelig for scriptede AI-agenter, der skal udføre handlinger. |
| Tilbagekaldsflow i gang | Klik på afkrydsningsfeltet i denne kolonne for at angive, at et formål skal udløse et tilbagekald. Denne valgmulighed er kun tilgængelig for scriptede AI-agenter, der skal udføre handlinger. |
| Forventet tilbagekaldsskabelon | Angiv skabelonnøglen, der skal aktiveres, når tilbagekaldet sker. Denne valgmulighed er kun tilgængelig for scriptede AI-agenter, der skal udføre handlinger. |
| Timeout for tilbagekald (s) | Det maksimale tidsrum (i sekunder), som AI-agenten venter på et tilbagekaldssvar, før tilbagekaldet betragtes som timeout. Timeout på maksimalt 20 sekunder er tilladt. Denne valgmulighed er kun tilgængelig for scriptede AI-agenter, der skal udføre handlinger. |
Udfør tests
På fanen Udførelse skal du klikke på Udfør valgte tests for at starte en sekventiel udførelse af alle valgte testsager.
Du kan også udføre testsager fra fanen Testsager .
.For at se testsager med specifikke resultater skal du klikke på det ønskede resultat (for eksempel Gennemført, Gennemført med delvis match, Mislykket, Afventer) i oversigtsbåndet. Dette filtrerer listen over testsager til kun at vise dem, der matcher det valgte resultat.
Sessions-id'et , der er tilknyttet hver testsag, vises i resultaterne. Dette giver dig mulighed for hurtigt at krydse testsager og se transaktionsoplysninger. For at udføre dette skal du vælge valgmuligheden Transaktionsoplysninger i kolonnen Handlinger .
Udførelseshistorik
Gå til fanen Historik , og få adgang til alle udførte testsager.
- Klik på ikonet Download fra kolonnen Handlinger for at eksportere de afviklede testdata som en CSV-fil til offline-analyse eller -rapportering.
- Gennemgå de specifikke motor- og algoritmeindstillinger, der bruges til hver udførelse af testsager. Disse oplysninger hjælper udviklere med at optimere AI-agentens ydeevne.
- For at se de avancerede algoritmekonfigurationsindstillinger, der bruges til en bestemt undervisningsmotor, skal du klikke på ikonet Info ved siden af undervisningsmotorens navn. Dette giver indsigt i de parametre og indstillinger, der har påvirket AI-agentens adfærd under testen.
Sessioner
Afsnittet Sessioner indeholder en omfattende oversigt over alle interaktioner mellem AI-agenter og kunder. Hver session indeholder en detaljeret historik over de udvekslede meddelelser. Du kan eksportere sessionsdata som en CSV-fil til offline-analyse og -revision. Du kan bruge disse data til at undersøge meddelelserne og konteksten i specifikke sessioner for at få indsigt i brugerinteraktioner og identificere områder, der kan forbedres, forbedre AI-agentens svar og forbedre den samlede brugeroplevelse.
Den kan håndtere store datasæt ved at vise resultater på sider. Du kan bruge afsnittet Afgræns resultater til at filtrere og sortere sessioner baseret på forskellige kriterier. Hver række i tabellen viser vigtige sessionsdetaljer, herunder:
- Kanaler – den kanal, hvor interaktionen fandt sted (f.eks. chat, stemme).
- Sessions-id – et entydigt id for sessionen.
- Forbruger-id – brugerens entydige id.
- Meddelelser – antallet af meddelelser, der udveksles under sessionen.
- Opdateret til – det tidspunkt, sessionen blev lukket.
- Metadata – yderligere oplysninger om sessionen.
- Skjul testsessioner – Markér dette afkrydsningsfelt for at skjule testsessionerne, og vis kun listen over livesessioner.
- Agentoverdragelse skete – markér dette afkrydsningsfelt for at filtrere de sessioner, der overdrages til en agent. Hvis der sker overdragelse af en agent, vises hovedtelefonikonet, der angiver overdragelsen af chatten til en menneskelig agent.
- Der opstod en fejl – markér dette afkrydsningsfelt for at filtrere de sessioner, hvor der opstod en fejl.
- Nedstemt – markér dette afkrydsningsfelt for at filtrere de nedstemte sessioner.
Klik på en række for at få adgang til den detaljerede visning af en bestemt session. Brug afkrydsningsfelter til at filtrere sessioner baseret på agentoverdragelse, fejl og stemmer ned. Dekryptering af sessioner kræver tilladelse på brugerniveau og avancerede indstillinger for databeskyttelse. Klik på Dekrypter indhold for at se sessionsoplysningerne.
Sessionsoplysninger om en bestemt session i den scriptede AI-agent til besvarelse af spørgsmål
Visningen Sessionsdetaljer i en script-AI-agent til besvarelse af spørgsmål giver en omfattende oversigt over en specifik interaktion mellem en bruger og AI-agenten.
Afsnittet Meddelelser :
- Viser alle meddelelser, som brugeren sender under sessionen.
- Viser de tilsvarende svar, der er genereret af AI-agenten.
- Viser den kronologiske rækkefølge af meddelelserne og giver kontekst til interaktionen.
Fanen Transaktionsoplysninger:
- Viser de artikler, der blev identificeret som relevante for kundens forespørgsel, herunder både nøjagtige resultater og delvise resultater.
- Viser resultaterne af lighed, der er knyttet til hver enkelt identificeret artikel, hvilket angiver graden af relevans.
- Præsenterer resultaterne af de underliggende algoritmer, der bruges til at behandle kundens forespørgsel og identificere relevante artikler.
- Viser antallet af algoritmeresultater afhængigt af de indstillinger, der er konfigureret under fanen Overdragelse og konference .
Afsnittet Andre oplysninger i visningen Sessionsdetaljer indeholder yderligere kontekst og detaljer om en specifik interaktion. Her er en oversigt over de viste oplysninger:
- Behandlet forespørgsel – viser den forbehandlede version af kundens input, efter det er blevet behandlet af AI Agents pipeline til forståelse af naturligt sprog (NLU).
- Agentoverdragelse – angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af specifikke regler.
- Svartype – angiver den type svar, der genereres af AI-agenten, såsom et kodestykke eller et betinget svar.
- Svartilstand – angiver den specifikke tilstand eller regel, der udløste AI-agentens svar.
- NLU-motor – identificerer den NLU-motor, der bruges til at behandle kundens forespørgsel (for eksempel RASA, Switchmatch eller Mindmeld).
- Tærskelscore – viser den mindste tærskelscore og forskel på partiel matchscore, der er konfigureret i indstillingerne for Overdragelse og konference . Disse værdier bestemmer, hvornår en forespørgsel betragtes som uden for rækkevidde eller kræver agentindgriben.
- Avancerede logfiler – indeholder en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler gemmes typisk i 180 dage.
Sessionsoplysninger om en bestemt session i den scriptede AI-agent til udførelse af handlinger
Fanen Transaktionsoplysninger i den scriptede AI-agent til udførelse af handlinger giver en detaljeret oversigt over en specifik interaktion og kategoriserer oplysninger i fire afsnit:
Afsnit Identificerede hensigter :
- Viser de hensigter, der blev identificeret for kundens forespørgsel.
- Angiver det tillidsniveau, der er knyttet til hver enkelt identificeret hensigt.
- Viser de slots, der er knyttet til den identificerede hensigt. Klik på åbningen for at få vist yderligere oplysninger om dens værdi, og hvordan den blev udtrukket fra brugerens forespørgsel.
Afsnittet Identificerede enheder viser de enheder, der blev fjernet fra kundens meddelelse og er knyttet til den aktive forbrugerhensigt. Disse enheder repræsenterer de vigtigste oplysninger, som bot identificerede i brugerens forespørgsel.
Afsnittet Algoritmeresultater giver indsigt i de underliggende processer, der førte til AI-agentens svar. Her er en oversigt over de viste oplysninger:
- Liste over hensigter – viser de identificerede hensigter og deres tilsvarende lighedsresultater.
- Entitetsliste – viser de enheder, der blev udtrukket fra brugerens meddelelse.
Andre oplysninger viser:
- Agentoverdragelse – angiver, om en agentoverdragelse fandt sted under sessionen. Markér afkrydsningsfeltet Agentoverdragelse efter regler , hvis en agentoverdragelse blev udløst af specifikke regler.
- Skabelonnøgle – angiver den skabelonnøgle, der er knyttet til den hensigt, der udløste AI-agentens svar.
- Svartype – angiver den type svar, der genereres af AI-agenten, såsom et kodestykke eller et betinget svar.
- Svartilstand – angiver den specifikke tilstand eller regel, der udløste AI-agentens svar.
- NLU-motor – identificerer den NLU-motor, der bruges til at behandle kundens forespørgsel (for eksempel RASA, Switchmatch eller Mindmeld).
- Tærskelscore – viser den mindste tærskelscore og forskel på partiel matchscore, der er konfigureret i indstillingerne for Overdragelse og konference . Disse værdier bestemmer, hvornår en forespørgsel betragtes som uden for rækkevidde eller kræver agentindgriben.
- Avancerede logfiler – indeholder en liste over fejlfindingslogfiler, der er knyttet til det specifikke transaktions-id. Avancerede logfiler gemmes typisk i 180 dage.
Du kan også downloade og se transaktionsoplysningerne i JSON-formatet ved hjælp af valgmuligheden Download.
Fanen Metadata vises:
- NLP-metadata – gennemgå de forbehandlingstrin, der anvendes på kundens input i fanen NLP .
- Datalager og FinalDF – Adgangsdata relateret til sessionen i fanerne Datalager og FinalDF for smart bots.
- Søgefunktionalitet – brug den indbyggede søgelinje til hurtigt at finde specifikke ytringer i en samtale.
Historik
Når du tilføjer eller ændrer artikler, hensigter eller enheder, er det vigtigt at flytte din scriptbaserede AI-agent for at sikre, at den er opdateret. Efter hver undervisningssession skal du teste din AI-agent grundigt for at bekræfte dens nøjagtighed og effektivitet.
På siden Historik kan du:
- Se træningshistorik – Spor, hvornår et korpus blev trænet, og hvilke ændringer der blev foretaget.
- Sammenlign træningsmotorer – gennemgå de træningsmotorer, der bruges til forskellige gentagelser, og deres tilsvarende træningsvarighed.
- Spor ændringer – overvåg ændringer af indstillinger, artikler, svar, NLP og helbredelse.
- Gå tilbage til tidligere versioner – Vend nemt tilbage til et ældre undervisningssæt, hvis det er nødvendigt.
Afsnittet Historik indeholder praktiske værktøjer til administration af dine vidensbaseartikler:
- Aktivér artikler – gør tidligere inaktive artikler Live for at inkludere dem i AI-agentens svar.
- Rediger artikler – opret en ny version af en eksisterende artikel, mens du bevarer originalen til reference.
- Forhåndsvisning af ydeevne – Evaluer AI-agentens ydeevne med en specifik vidensbase ved hjælp af funktionen Forhåndsvisning .
- Download artikler – Eksportér dine vidensbaseartikler som en CSV-fil med henblik på offline-analyse eller -reference. Denne indstilling er kun tilgængelig for scriptede AI-agenter, der kan besvare spørgsmål.
Overvågningslogfiler
Afsnittet Overvågningslogfiler indeholder en detaljeret oversigt over ændringer, der er foretaget i din scriptede AI-agent inden for de sidste 35 dage. Sådan får du adgang til overvågningslogfiler:
- Naviger til instrumentpanelet, og klik på den AI-agent, du har oprettet.
- Klik på fanen Historik for at se AI-agentens historik.
- Klik på fanen Overvågningslogfiler for at se en detaljeret log over ændringer:
- Opdateret til – den dato og det klokkeslæt, ændringen blev foretaget.
- Opdateret af – den bruger, der foretog ændringen.
- Felt – den del af botten, hvor ændringen fandt sted (f.eks. Indstillinger, Artikler, Svar).
- Beskrivelse – yderligere oplysninger om ændringen.
-
Brug søgemulighederne
Opdateret afogFelttil hurtigt at finde specifikke revisionslogposter. -
Fanen Modelhistorik viser maksimalt 10 corpora'er for hver AI-agent.
Kur
Meddelelser føjes til kureringskonsollen baseret på følgende kriterier:
- Fallback-meddelelser – når AI-agenten ikke forstår en brugers meddelelse og udløser fallback-hensigten.
- Standardfallback-hensigt – Hvis denne til/fra-knap er aktiveret, sendes meddelelser, der aktiverer standardhensigten for fallback, til Healing Console.
Disse kriterier gælder kun for scripted AI-agent, der skal udføre handlinger.
- Nedstemte meddelelser – meddelelser, som brugere har nedstemt under forhåndsvisninger af AI Agent.
- Agentoverdragelse – meddelelser, der resulterer i en overdragelse af en menneskelig agent på grund af konfigurerede regler.
- Fra session – meddelelser markeret af brugere som ikke modtager det ønskede svar fra session- eller lokaledata.
- Lav tillid – meddelelser med en tillidsværdi, der falder inden for den angivne tærskel for lav tillid.
- Delvis match – meddelelser, hvor AI-agenten ikke endeligt kunne identificere det korrekte formål eller svar.
Løs problemer
Fanen Problemer giver en central placering til gennemgang og håndtering af meddelelser, der er blevet markeret til helbredelse. Du kan gøre følgende:
- Vælg at løse eller ignorere problemer baseret på deres alvorlighed og relevans.
- Undersøg den oprindelige brugerudtalelse, AI-agentens svar og eventuelle vedhæftede medier.
Dekrypteringsadgang gives på brugerniveau og kræver, at Avanceret databeskyttelse aktiveres i backend.
For at løse et problem kan du:
-
Link til en eksisterende artikel – Hvis du vil forbinde et problem til en eksisterende artikel, skal du vælge valgmuligheden Link og søge efter den ønskede artikel.
-
Opret ny artikel – brug valgmuligheden Tilføj til en ny artikel til at oprette en ny artikel direkte fra Curation Console.
-
Ignorer problemer – løs eller ignorer problemer for at fjerne dem fra Healing Console.
- Tilknytning til standardartikler (velkomstmeddelelse, fallback-meddelelse, delvist match) er ikke tilladt.
- Når det gælder scriptet AI-agent, der skal udføre handlinger, skal du vælge den relevante hensigt på rullelisten og markere alle relevante enheder.
- Når der er foretaget ændringer, skal du flytte din AI-agent for at sikre, at den nye viden afspejles i vedkommendes svar.
- Løs eller ignorer flere problemer samtidigt for at opnå effektiv administration.
Fanen Løst giver et omfattende overblik over alle problemer, der er blevet løst. Du kan få vist en oversigt over hvert løste problem, herunder om problemet var knyttet til en eksisterende artikel, blev brugt til at oprette en ny artikel/et nyt formål eller ignoreret. Hvis du støder på uønskede svar, der ikke automatisk blev registreret af de eksisterende regler, kan du manuelt tilføje specifikke ytringer til Curation Console.
Sådan tilføjer du problemer fra sessioner:
- Identificer talemåden – find den talemåde, der udløste det forkerte svar.
- Kontrollér Curation-status—Hvis problemet ikke allerede er i Curation Console, vises til/fra-funktionen
Curation-status. - Slå indstillingen til/fra – aktivér til/fra-funktionen
Helbredelsesstatusfor at føje udtalen til Helbredelseskonsollen til gennemgang og opløsning.
Hvis problemet allerede er til stede i kureringskonsollen, ændres til/fra'ens udseende i overensstemmelse hermed for at angive dens status.
Se din scriptede AI-præstation ved hjælp af Analytics
Afsnittet Analyse giver en grafisk repræsentation af vigtige måletal til evaluering af AI-agentens ydeevne og effektivitet. Nøglemålingerne er opdelt i fire sektioner repræsenteret som faner. Disse er: Oversigt, svar, træning og helbredelse.
Når udviklere besøger analyseskærmen, kan de vælge den AI-agent, de ønsker at se analysen for. De kan også tilpasse analysevisningen ved at vælge den kanal, de ønsker at se dataene for, sammen med datointervallet og dataenes granularitet. Som standard vises analysedata for den sidste måned for alle kanaler med en daglig granulering (hver dag er et punkt på x-aksen i graferne).
Overblik
Oversigten indeholder vigtige målinger og grafer, der giver et øjebliksbillede af det samlede brug og ydeevne for udviklerne af AI-agenter.
- Fra instrumentpanelet skal du vælge den AI-agent, du har oprettet.
- Klik på Analyse i navigationsruden til venstre. En oversigt over AI-agentens ydeevne vises i både tabelformat og grafisk repræsentation.
Sessioner og meddelelser
Det første afsnit i oversigten viser følgende statistik om sessioner og meddelelser for AI-agenten:
- Samlet antal sessioner og sessioner, der håndteres af AI-agenten uden menneskelig indgriben.
- Samlede agentoverdragelser, som er en optælling af antallet af sessioner, der er givet videre til menneskelige agenter.
- Daglige gennemsnitlige sessioner
- Samlet antal meddelelser (meddelelser fra mennesker og kunstig intelligens), og hvor mange af disse meddelelser der kom fra brugere.
- Daglige gennemsnitlige meddelelser
Dette efterfølges af en grafisk repræsentation af sessioner (stakket kolonne, der repræsenterer sessioner, der håndteres af AI-agenten, og afgivne sessioner) og det samlede antal svar, der er sendt af AI-agenten.
Brugere
Det andet afsnit i oversigten indeholder statistik om brugere til AI-agenten. Det giver en optælling af samlede brugere og oplysninger om gennemsnitlige sessioner pr. bruger og daglige gennemsnitlige brugere. Dette efterfølges af en graf, der viser nye og tilbagevendende brugere for hver enhed afhængigt af den valgte granulering.
Præstation
Det tredje afsnit indeholder statistik om tbe AI-agents svar til brugere. Her kan du se det samlede antal svar, der er sendt af AI-agenten, og fordelingen mellem svarene, hvor AI-agenten:
- Identificerede brugerens hensigt.
- Svarede med en fallback-meddelelse.
- Svarede med en meddelelse om delvist match.
- Informerede brugeren om en agentoverdragelse.
Det samme er aggregeret i et cirkeldiagram, og en områdediagram giver oplysninger baseret på valgt granulering.
Undervisning
Undervisningsafsnittet repræsenterer "helbredet" for et AI-agentkorpus. Det anbefales, at udviklere konfigurerer 20+ undervisningsudtalelser for hvert formål/artikel i deres AI-agenter. I dette afsnit vises alle artikler/hensigter i et legeme som individuelle rektangler, hvor farven og den relative størrelse af hvert rektangel er vejledende for de træningsdata, som artiklen/hensigten indeholder. Jo tættere en hensigt er på hvidt, des flere undervisningsdata skal den bruge, for at nøjagtigheden af din AI Agent kan forbedres.
Svar
Dette afsnit giver udviklerne en detaljeret visning af, hvad brugerne spørger om, og hvor ofte de spørger om det. Den giver en grafisk repræsentation af de mest populære artikler til AI-agenter til besvarelse af spørgsmål og svarskabeloner til AI-agenter til udførelse af handlinger.
Kur
Dette afsnit giver en visuel oversigt over, hvor mange helingsproblemer der er opstået hver dag, og hvor mange af dem der er blevet løst af AI-agenter.
Integrer AI-agenter
Dette afsnit beskriver, hvordan du integrerer AI-agenter med både tale- og digitale kanaler for at administrere kundesamtaler.
Integrer AI-agenter med tale- og digitale kanaler
Når du har oprettet og konfigureret dine AI-agenter på platformen Webex AI Agent Studio, er det næste trin at integrere dem med tale- og digitale kanaler. Denne integration giver AI-agenter mulighed for at håndtere både stemmebaserede og digitale samtaler med dine kunder, hvilket giver en problemfri og interaktiv brugeroplevelse.
Få flere oplysninger i artiklen Integrer AI-agenter med tale- og digitale kanaler.
Administrer AI-agentrapporter
Dette afsnit beskriver oversigten over AI-agentrapporter, rapporttyper, oprettelse af AI-agentrapporter og rapporteringsleveringstilstande.
Forstå AI-agentrapporter
Rapportfunktionen giver dig mulighed for at generere eller planlægge (generere periodisk) specifikke rapporter fra de tilgængelige rapporttyper og modtage dem over tilgængelige leveringstilstande. Disse rapporter kan give værdifulde oplysninger om brugeradfærd, brug, engagement, produkternes ydeevne osv. Du kan få de ønskede oplysninger leveret til deres e-mail, SFTP-sti eller S3-spand. Du kan vælge rapporttypen fra en liste over forudbyggede rapporter og også vælge, om du vil generere en engangsrapport øjeblikkeligt eller med jævne mellemrum.
Når du tilgår menuen Rapporter fra venstre navigationsrude, vises følgende faner:
-
Konfigurer – denne fane viser alle de rapporter, der i øjeblikket er aktive og genereres regelmæssigt. Følgende oplysninger er tilgængelige for listen over rapporter:
- Aktiv – om en bruger stadig abonnerer på rapporten.
- AI-agent – navnet på den AI-agent, der er tilknyttet rapporten.
- Rapporttype – den forudbyggede rapporttype, du har abonneret på.
- Hyppighed – det interval, hvor du modtager rapporten.
- Seneste rapport genereret – Den sidste rapport, der blev sendt.
- Næste planlagte dato– Den næste dato rapporten udsendes.
-
Historik – denne fane viser alle historiske oplysninger om de rapporter, der er sendt til dato. Klik på en rapport på denne side for at redigere konfigurationen af rapporter.
Du kan klikke på ikonet Download under kolonnen Handlinger for at downloade disse historiske rapporter.
On-demand rapporter, der vises under fanen Historik , kan kun downloades, når rapportgenereringen er fuldført.
Opret en rapport med kunstig intelligens
| 1 |
Log på platformen Webex AI Agent Studio. |
| 2 |
Klik på Rapporter fra den venstre navigationsbjælke. |
| 3 |
Klik på +Ny rapport. |
| 4 |
Angiv følgende oplysninger for at oprette og konfigurere rapporten: |
Typer af rapporter om AI-agenter
Du kan vælge fra en liste over forudbyggede rapporter baseret på den valgte AI-agenttype. Dette afsnit dækker disse rapporttyper, de ark, der er inkluderet i hver rapport, og de kolonner, der er tilgængelige i hvert ark.
AI-agent til besvarelse af rapporttype
Der er tre forskellige rapporttyper, som en AI-agent kan bruge til at besvare spørgsmål i applikationen. Ved hjælp af forskellige rapporttyper kan du bruge til at forstå oversigten over brug af AI-agenter, adfærden, hvad brugere spørger om, og hvordan AI-agenten reagerer på spørgsmålene. Du kan også se de meddelelser, der endte som problemer med helbredelse.
Brugsadfærd og oversigtDette afsnit viser oversigten over AI-agenter med den hyppighed, som artikler og kategorier påberåbes med. Du kan få vist oversigten, kategorierne og artiklerne i en separat fane på rapporterne:
| Felt | Beskrivelse |
|---|---|
| Navn på AI-agent | Navnet på AI-agenten. |
| Samlet antal samtaler | Samlet antal samtaler/sessioner håndteret af AI-agenten. |
| Samtaler med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne gav mindst ét input. |
|
Samlet antal menneskelige meddelelser | Meddelelser sendt af slutbrugere til AI-agenten. |
| Samlede svar fra AI-agent | Samlet antal meddelelser sendt af AI-agenten til slutbrugere. |
| Samlede delvise kampe | Tilfælde, hvor der var en vis tvivl om brugerens meddelelse, og AI-agenten svarede med flere hensigter som valgmuligheder. |
| Samtaler sendt til agenten | Samlet antal samtaler overdraget til en menneskelig agent. |
| Samlet antal stemmer op | Samlet antal svar fra AI-agenter, der blev opstemt af kunder. |
| Samlet antal stemmer ned |
Samlet antal svar fra AI-agenter, der blev nedstemt af kunder. |
| Felt | Beskrivelse |
|---|---|
| Navn på kategori | Navnet på kategorien som konfigureret i AI-agenten. |
| Samtaler til kategorien | Antallet af samtaler eller sessioner, hvor en artikel, der tilhører denne kategori, blev registreret. |
| Samlede besvarelser | Antallet af gange, en artikel, der tilhører denne kategori, blev registreret. |
| Samlet antal stemmer op | Antallet af gange, et svar fra denne kategori blev opstemt. |
| Samlet antal stemmer ned |
Antallet af gange, et svar fra denne kategori blev nedstemt. |
| Felt | Beskrivelse |
|---|---|
| Artikelnavn | Navnet på den artikel (standardvariant), der er konfigureret i AI-agenten. |
| Artikelkategori | Den kategori, som denne hensigt tilhører. |
| Samtaler til artiklen | Antallet af samtaler eller sessioner, hvor denne artikel blev registreret. |
| Samlede besvarelser | Antallet af gange, hvor denne artikel blev registreret. |
| Samlet antal stemmer op | Antallet af gange, svaret for denne artikel blev stemt op. |
| Samlet antal stemmer ned |
Antallet af gange, svaret for denne artikel stemmes ned. |
Viser samtalen mellem AI-agenten og kunden sammen med lighedsresultatet. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstemplet for meddelelsen. |
| Sessions-id | Det entydige id for sessionen. |
| Forbruger-id | Det entydige id for slutbrugeren på AI-agenten. |
| Meddelelsestype | Meddelelsen om AI-agent eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Artikel | Id'et for svaret, der blev sendt tilbage af AI-agenten. |
| Kategori | Den hensigt, der er registreret af AI-agenten for kundens meddelelse. |
| Bedste match score | Lighedsresultatet for det registrerede formål. |
| Matchet artikel 1 | Den hensigt, der er registreret af den valgte NLU-motor. |
| Artikel 1-score | Scoren for det registrerede formål. |
| Feedback | Brugerfeedback, hvis en meddelelse blev stemt op eller ned. |
| Feedbackkommentar |
Kommentarer efterladt af brugere, når de nedstemmer en meddelelse. |
Viser de meddelelser, der endte med helbredelse, som problemer af forskellige årsager. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-id | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren på AI-agenten. |
| Menneskeligt budskab | Indholdet af det menneskelige budskab. |
| Meddelelse om AI-agent | Indholdet af den meddelelse, som AI-agenten svarede med. |
| Årsagssammenhæng | Årsagen til, at denne meddelelse ender med at blive kureret. |
| Artikel | Id for det svar, der blev sendt tilbage af AI-agenten. |
| Kategori | Hensigt registreret af AI-agenten for brugerens meddelelse. |
| Bedste match score | Lighedsresultat for det registrerede formål. |
| Matchet artikel 1 | Hensigt registreret af den valgte NLU-motor. |
| Artikel 1-score |
Score for det registrerede formål. |
AI-agent til udførelse af rapporttype for opgaver
Der er tre forskellige rapporttyper, som en AI-agent kan bruge til at udføre en opgave i programmet til AI Agent Builder. Som udvikler af AI-agenter kan du oprette forskellige rapporttyper. Disse kan bruges til at forstå oversigten over brug af AI-agenter, adfærd for AI-agenter, hvad brugere spørger om, og hvordan en AI-agent svarer på spørgsmålene. Du kan også se de meddelelser, der endte som problemer med helbredelse.
Viser oversigten over samtaler sammen med hensigter og skabelontaster, der udløses. Fanen Oversigt viser følgende oplysninger:
| Felt | Beskrivelse |
|---|---|
| Navn på AI-agent | Navnet på AI-agenten. |
| Samlet antal samtaler | Samlet antal samtaler eller sessioner, der håndteres af AI-agenten. |
| Samtaler med mindst én brugermeddelelse | Samtaler eller sessioner, hvor brugerne gav mindst ét input. |
|
Samlet antal menneskelige meddelelser |
De meddelelser, der sendes af slutbrugere til AI-agenten. |
| Samlede svar fra AI-agent | Samlet antal meddelelser, der er sendt af AI-agenten til slutbrugere. |
| Samlede delvise kampe | Tilfælde, hvor der var en vis tvivl om brugerens meddelelse, og AI-agenten svarede med flere hensigter som valgmuligheder. |
| Samtaler sendt til agenten | Samlet antal samtaler, der blev overdraget til en menneskelig agent |
| Samlet antal stemmer op | Samlet antal svar fra AI-agenter, der blev opstemt af brugere. |
| Samlet antal stemmer ned |
Samlet antal svar fra AI-agenter, der blev nedstemt af brugere. |
Du kan også se hensigtsdetaljerne i fanen Hensigter i regnearket:
| Felt | Beskrivelse |
|---|---|
| Navn på hensigt | Navnet på formålet som konfigureret i AI-agenten. |
| Samtaler til formålet | Antal samtaler eller sessioner, hvor denne hensigt blev påberåbt. |
| Samlet antal indtastninger | Antallet af gange, denne hensigt blev påberåbt. |
| Samlede fuldførelser | Antallet af gange, hvor alle slots blev indsamlet, og denne hensigt blev fuldført. |
| Samlet antal stemmer op | Samlede svar på dette blev stemt op for hver hensigt. |
| Samlet antal stemmer ned |
Samlede svar på dette blev nedstemt for hver hensigt. |
Rapporten indeholder også skabelonoplysninger på højt niveau som f.eks.:
| Felt | Beskrivelse |
|---|---|
| Navn på skabelonnøgle | Navn på skabelonen som konfigureret i AI-agenten. |
| Hensigt med skabelonnøgle | Hensigter, hvor denne skabelonnøgle bruges. |
| Samtaler til skabelonnøglen | Antal gange, hvor denne skabelonnøgle blev sendt som svar. |
| Samlede besvarelser | Antallet af gange, denne skabelonnøgle blev sendt som svar. |
| Samlet antal stemmer op | Antallet af gange, svaret for denne skabelon blev stemt op. |
| Samlet antal stemmer ned |
Antallet af gange, svaret for denne skabelon blev stemt ned. |
Viser en kundes samtale med AI-agenten sammen med resultaterne for lighed. Du kan få vist følgende detaljer i rapporten:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-id | Entydigt id for brugerens session. |
| Forbruger-id | Entydigt id for slutbrugeren i applikationen. |
| Meddelelsestype | Meddelelse om AI-agent eller menneskelig meddelelse. |
| Meddelelsestekst | Meddelelsens indhold. |
| Skabelonnøgle | Id for det svar, der blev sendt tilbage af AI-agenten. |
| Hensigt | Hensigt registreret af AI-agenten for kundens meddelelse. |
| Bedste match score | Lighedsresultat for det registrerede formål. |
| Matchet hensigt 1 | Hensigt registreret af den valgte NLU-motor. |
| Hensigt 1-resultat | Score for det registrerede formål. |
| Feedback | Brugerfeedback, hvis en meddelelse blev stemt op eller ned. |
| Feedbackkommentar |
Kommentarer, der efterlades af brugere, når de nedstemmer en meddelelse. |
Viser de meddelelser, der endte med helbredelse, som problemer af forskellige årsager. Denne rapport er kun relevant for scriptede AI-agenter. Du kan få vist følgende detaljer i denne rapport:
| Felt | Beskrivelse |
|---|---|
| Tidsstempel | Tidsstempel for meddelelsen. |
| Sessions-id | Entydigt id for kundens session. |
| Forbruger-id | Entydigt id for slutbrugeren i applikationen. |
| Menneskeligt budskab | Indholdet af det menneskelige budskab. |
| Meddelelse om AI-agent | Indholdet af meddelelsen, som AI-agenten svarede med. |
| Årsagssammenhæng | Årsagen til, at denne meddelelse ender med at blive kureret. |
| Skabelonnøgle | Id for det svar, der blev sendt tilbage af AI-agenten. |
| Hensigt | Hensigt registreret af AI-agenten for brugerens meddelelse. |
| Bedste match score | Lighedsresultat for det registrerede formål. |
| Matchet hensigt 1 | Hensigt registreret af den valgte NLU-motor. |
| Hensigt 1-resultat |
Score for det registrerede formål. |
Leveringstilstande for AI-agentrapport
I nutidens datadrevne verden er en effektiv og sikker levering af AI Agent-rapporter afgørende for at sikre informeret beslutningstagning og operationel ekspertise. For at imødekomme forskellige organisatoriske behov tilbyder vi flere leveringstilstande til AI-agentrapporter, der sikrer fleksibilitet, pålidelighed og sikkerhed. Leveringsindstillingerne omfatter SFTP (Secure File Transfer Protocol), Email og Amazon S3 Bucket. Hver tilstand er designet til at imødekomme forskellige krav, uanset om det er behovet for høj sikkerhed, nem adgang eller skalerbare lagerløsninger. Dette dokument beskriver funktionerne og fordelene ved hver leveringstilstand, så du kan vælge den bedste løsning til dine specifikke behov.
sftp
|
Felt |
Beskrivelse |
|---|---|
| Skub rapporter til en sikker placering som planlagt |
Slå denne indstilling til for at skubbe rapporterne til den sikre placering på det planlagte tidspunkt. Du kan kun angive følgende oplysninger ved at aktivere denne til/fra-knap. |
| IP-adresse | Systemets IP-adresse. |
| Brugernavn | Brugernavnet til at få adgang til rapporterne. |
| Adgangskode | Adgangskoden til at få adgang til rapporterne. |
| Privat nøgle | Den private nøgle til at få adgang til filerne. |
| Overfør sti |
Stien, hvor filerne distribueres i systemet. |
| Felt | Beskrivelse |
|---|---|
| Planlæg e-mail for flere modtagere, adskilt med semikolon (;) | Slå denne indstilling til for at tilføje modtagere. |
| Modtagere |
E-mailadressen på alle modtagere, som skal modtage rapporterne på det angivne tidspunkt og den angivne hyppighed. |
S3-spand
| Felt | Beskrivelse |
|---|---|
| Overfør rapporter til en S3-indsamling i henhold til tidsplan |
Slå dette til for at gøre S3-felterne tilgængelige og dirigere rapporterne til den konfigurerede S3-spand. |
| ID for AWS-adgangsnøgle | Adgangsnøgle-id'et til at få adgang til AWS-tjenester og -ressourcer. |
| AWS-hemmelig adgangsnøgle | Den hemmelige adgangsnøgle til at få adgang til AWS-tjenester og -ressourcer. |
| Spætnavn | Navnet på den spand, som rapporten sendes til. |
| Mappenavn |
Navnet på den mappe, der er oprettet i S3-spanden. |
Forstå overholdelse af kunstig intelligens
Dette afsnit hjælper dig med at forstå AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
AI-udvikling, databeskyttelse, sikkerhed og sikkerhed
Hver AI-drevet funktion hos Cisco gennemgår en AI-konsekvensanalyse i forhold til vores ansvarlige AI-principper, og overholder den ansvarlige AI-ramme, ud over de eksisterende designprocesser for sikkerhed, beskyttelse af personlige oplysninger og menneskerettigheder.
Privatliv og sikkerhedCisco gemmer ikke kundeindtastningsdata efter inferenceprocessen, og den 3. parts modeludbyder, Microsoft, ikke får adgang til, overvåger eller gemmer Cisco-kundedata. Få flere oplysninger om funktionsmæssige dataopbevaringspolitikker i Cisco Trust Portal.
Følgende er listen over AI-gennemsigtighedsnoter for alle AI-funktioner:
Datakilder til uddannelse og evalueringCiscos 3. parts modeludbyder, Microsoft, repræsenterer, at den ikke vil bruge kundeindhold til at forbedre Azure Open AI-modeller, og at den ikke gemmer eller opbevarer Ciscos kundedata i Azure-infrastrukturen.
Sikkerhed og etiske overvejelserAlle generative AI-funktioner er tilbøjelige til fejl, så Cisco prioriterer indholdssikkerhed for AI-funktioner ved at vælge indholdsfiltrering , der leveres af Azure Open AI.
Modelevaluering og -præstationCisco prioriterer ydeevne og nøjagtighed af AI Assistant ved at involvere mennesker i gennemgangen, test og kvalitetssikring af den underliggende model.
