Оптимизация триггерных фраз и распознавание естественной речи

2025-05-21

Что такое триггерные фразы в Copilot Studio

Фразы-триггеры обучают модель понимания естественного языка (NLU) агента.
Фразы-триггеры настраиваются на уровне темы и указывают агенту, для каких типичных пользовательских высказываний определенная тема должна быть запущена.
Фразы-триггеры обычно отражают то, как пользователь спрашивает о проблеме или вопросе, например, «проблема с сорняками на газоне».

Когда вы создаете новую тему, вам нужно предоставить всего несколько примеров фраз (в идеале от 5 до 10). Во время выполнения ИИ анализирует то, что говорит пользователь, и активирует тему, наиболее близкую по смыслу к высказыванию пользователя. Дополнительные сведения об эффективных фразах-триггерах см. в разделе Выбор эффективных фраз-триггеров.

Важность контекста триггера

Copilot Studio NLU ведет себя по-разному в зависимости от состояния разговора, что иногда может приводить к разному поведению для одного и того же высказывания пользователя.

Ниже приведены различные состояния разговора:

Начало разговора: у агента нет контекста, поэтому от высказывания пользователя ожидается:
- Непосредственное инициирование темы (распознавание намерений).
- Инициирование вопроса «Вы имели в виду» (Несколько сопоставленных тем) для устранения неоднозначности среди намерений-кандидатов, если есть несколько подходящих тем.
- Перейдите в резервную тему, если намерение не распознано.
После срабатывания запроса "Вы имели в виду" (совпадение нескольких тем): NLU оптимизируется для соответствия одной из предложенных тем с более высокими пороговыми значениями для выхода из представленных вариантов.
Отключение от текущей темы: если NLU пытается заполнить слот в теме, и пользователь отправляет пользовательский запрос, который может вызвать другую тему (переключение темы).

Пунктуация

Модель NLU не зависит от пунктуации, включая вопросительные знаки.

Создание новых фраз-триггеров

Если возможно, начните с реальных производственных данных, а не придумывайте свои собственные триггерные фразы. Лучшие триггерные фразы — это те, которые похожи на фактические данные, поступающие от пользователей. Именно эти фразы пользователи задают развернутому агенту.

Нет необходимости пропускать определенные слова: модель предназначена для придания меньшего веса ненужным словам, таким как стоп-слова (слова, которые отбрасываются перед обработкой данных на естественном языке, поскольку они несущественны).

Оптимизация фраз-триггеров

Совет	Примеры
Иметь не менее 5–10 триггерных фраз на тему Выполняйте итерации и добавляйте больше, изучая поведение пользователей.	Найти ближайший магазин Узнать расположение магазина Найти магазин Найди мне ближайшее место Магазин рядом со мной
Меняйте структуру предложения и ключевые термины Модель автоматически учитывает варианты этих фраз.	Когда вы закрыты Ежедневные часы работы
Используйте короткие фразы-триггеры Меньше 10 слов.	Когда вы открыты
Избегайте триггерных фраз из одного слова Это увеличивает вес определенных слов в срабатывании темы. Это может привести к путанице между похожими темами.	Store (Сохранить)
Используйте полные фразы	Могу ли я поговорить с продавцом
Включайте уникальные глаголы и существительные или их комбинации	Мне нужен отдел обслуживания клиентов Я хочу поговорить с консультантом
Избегайте использования одного и того же варианта сущности Вам не нужно использовать все примеры из значения сущности. NLU автоматически рассматривает все варианты.	Я хочу заказать бургер Я хотел бы пиццу Я хочу куриные наггетсы

Сбалансируйте количество триггерных фраз на тему

Постарайтесь сбалансировать количество триггерных фраз между темами. Таким образом, возможности NLU не перевешивают одну тему по сравнению с другими на основе настроенных триггерных фраз.

Оценка изменений

После обновления фраз-триггеров, а также после слияния или разделения тем существует несколько способов оценить изменения:

Немедленное изменение в поведении агента, которое можно наблюдать в тестовом чате (например, тема, которая сейчас срабатывает или не срабатывает в зависимости от обновлений фраз-триггеров).
Изменение после развертывания агента и работы в условиях реального трафика, которое приводит к более высоким или более низким показателям отклонения (без эскалации). Это можно увидеть на вкладке аналитики в Copilot Studio.

Совет

Вы можете массово протестировать активацию тем и то, как модель NLU работает с тестовыми данными, с помощью платформы тестирования Copilot.

Хотя базовые функции и компоненты, использованные для создания платформы Copilot Test Framework (например, взаимодействие с API-интерфейсом Direct Line) полностью поддерживаются, сама платформа тестирования Copilot Test Framework представляет собой примеры реализации этих функций.

Наши клиенты и сообщество могут использовать и настраивать платформу тестирования Copilot Test Framework для реализации массового тестирования. Если у вас возникли проблемы с платформой тестирования Copilot Test Framework, сообщите об этом здесь: https://aka.ms/PVASamples. (Служба поддержки Microsoft не поможет вам в решении проблем, связанных с этими примерами, но может помочь в решении проблем, связанных с базовой платформой и функциями.)