Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Agregue datos de clientes a una sesión de agente de IA
Connect Customer permite agregar datos personalizados a la sesión de un agente de IA para que puedan usarse para impulsar las soluciones generativas impulsadas por la IA. Los datos personalizados se pueden usar agregándolos primero a una sesión mediante la UpdateSessionData API y, a continuación, utilizando los datos agregados para personalizar las instrucciones de la IA.
Adición y actualización de datos en una sesión
Los datos se añaden a una sesión mediante la UpdateSessionData API. Utilice el siguiente comando de AWS CLI de ejemplo.
aws qconnect update-session-data \ --assistant-id<YOUR_CONNECT_AI_AGENT_ASSISTANT_ID>\ --session-id<YOUR_CONNECT_AI_AGENT_SESSION_ID>\ --data '[ { "key": "productId", "value": { "stringValue": "ABC-123" }}, ]'
Dado que las sesiones se crean para los contactos, una forma útil de añadir datos de sesión es mediante un flujo: utilice un Función de AWS Lambda bloque para llamar a la UpdateSessionData API. La API puede agregar información a la sesión.
Este es el procedimiento:
-
Agregue un Asistente de conexión bloque a su flujo. Asocia el dominio de un agente de IA a un contacto para que Connect Customer pueda buscar recomendaciones en tiempo real en las bases de conocimiento.
-
Coloque el bloque Función de AWS Lambda después del bloque Asistente de conexión. La UpdateSessionData API requiere el ID de sesión. Puedes recuperar el ID de sesión mediante la DescribeContact API y el AssistantID asociados al bloque. Asistente de conexión
La siguiente imagen muestra los dos bloques, primero Asistente de conexión y después Función de AWS Lambda .
Uso de datos personalizados con una petición de IA
Después de añadir los datos a una sesión, puede personalizar las peticiones de IA para utilizar los datos en los resultados de la IA generativa.
Para especificar la variable personalizada de los datos, utilice el siguiente formato:
-
{{$.Custom.<KEY>}}
Por ejemplo, supongamos que un cliente necesita información relacionada con un producto específico. Puede crear una petición de IA de Reformulación de consultas que utilice el productId que el cliente ha proporcionado durante la sesión.
El siguiente extracto de un mensaje de IA muestra {{$. Custom.productIdSe está proporcionando} al LLM.
anthropic_version: bedrock-2023-05-31 system: You are an intelligent assistant that assists with query construction. messages: - role: user content: | Here is a conversation between a customer support agent and a customer <conversation> {{$.transcript}} </conversation> And here is the productId the customer is contacting us about <productId> {{$.Custom.productId}} </productId> Please read through the full conversation carefully and use it to formulate a query to find a relevant article from the company's knowledge base to help solve the customer's issue. Think carefully about the key details and specifics of the customer's problem. In <query> tags, write out the search query you would use to try to find the most relevant article, making sure to include important keywords and details from the conversation. The more relevant and specific the search query is to the customer's actual issue, the better. If a productId is specified, incorporate it in the query constructed to help scope down search results. Use the following output format <query>search query</query> and don't output anything else.
Si el valor de la variable personalizada no está disponible en la sesión, se interpola como una cadena vacía. Recomendamos proporcionar instrucciones en la petición de IA para que el sistema tenga en cuenta la presencia del valor en cualquier comportamiento alternativo.
