了解 AI 代理的 AI 引擎

AI 引擎的组件

核心组件与脚本化 AI 代理相关，但它们的功能略有不同：

• 自然语言理解（NLU）：NLU 组件将客户输入映射到其脚本中定义的意图。 它识别客户在框架内的输入。
• 对话管理：此组件根据脚本管理对话的流程。 它确保代理遵循定义的路径，并根据识别的意图和上下文提供正确的响应。
• 响应检索： 此组件提供脚本中配置的响应。

对于基于语音的交互，除了上述组件外，AI 引擎还包括 ASR（自动语音识别）和 TTS（文本转语音）。

如何选择合适的发动机

• Webex AI Pro 1.0（带 Swiftmatch）

  此 AI 引擎非常适合开发 AI 代理，这些代理可管理各种用户表达式，同时将输入准确映射到预定义意图，从而确保跨各种场景的一致且可靠的交互。 它可用于：

  • 处理较小的训练数据集：如果训练数据集每个意向的话语少于 10 个，则此引擎更适合。
  • 多语言脚本代理： 这是创建以多种语言处理对话的代理的理想选择。
  • 具有一定程度的“智能匹配”的脚本代理： 虽然响应是脚本化的，但此 AI 引擎通过将用户输入与最接近的意图相匹配来提供自然的感觉，即使措辞不准确。

  优点： 有助于输入变化，使用较小的训练数据集更好，具有多语言支持，支持智能匹配。

  局限性： Swiftmatch 以其强大的自然语言理解能力而出类拔萃。 但是，如果您的脚本需要灵活地将用户输入与意图相匹配（允许措辞变化），则 Swiftmatch 可能需要使用不同的训练数据进行额外的数据配置。 它专为精确和严格的匹配而设计，这可能会使处理变化更具挑战性。

• Webex AI Pro 1.0（带 MindMeld）

  此 AI 引擎非常适合具有复杂、多步骤对话流的脚本代理。 它可用于：

  • 处理中等训练数据集：如果训练数据集每个意图的话语少于 20 个，则此引擎更适合。
  • 复杂的脚本工作流程： 如果脚本涉及多个步骤、条件或分支逻辑，MindMeld 可以管理这些复杂的流程。
  • 多语言脚本代理： MindMeld 支持多种语言。
  • 执行角色和实体分类：通过识别句子部分和重要细节，提高响应的准确性和相关性，增强对用户输入的理解。

  优点： 适用于复杂的脚本流程，适用于中型数据集，并且具有多语言支持，比 RASA 更准确，直接有效地选择基本意图分类。

  局限性： MindMeld 可以在平台现有的限制内处理复杂的流程，但它适用于结构化对话。 如果脚本需要高度灵活和动态的对话管理，并且对话流程可以根据客户输入发生重大变化，那么 MindMeld 对预定义流程的依赖可能会受到限制。 它不太适合自由格式和不可预测的对话，即使在脚本设置中也是如此。

• Webex AI Pro 1.0（带 RASA）

  此 AI 引擎非常适合构建脚本代理，这些代理具有可自定义的对话管理和强大的 AI 功能，需要灵活的多步骤对话流。 它可用于：

  • 处理大型训练数据集：如果训练数据集的每个意图有超过 25 个话语，则此引擎更适合。
  • 执行角色和实体分类：通过识别句子部分和重要细节，提高响应的准确性和相关性，增强对客户输入的理解。

  优点： 显示准确的结果，适用于简单到复杂的脚本，适用于大型训练数据集和更复杂的场景。

  局限性： 需要更多的训练数据；训练需要很多时间。