瞭解 AI 代理的 AI 引擎

AI 引擎的元件

核心元件與腳本化 AI 代理相關，但它們的功能略有不同：

• 自然語言理解 (NLU)：NLU 元件將客戶輸入映射到其腳本中定義的意向。 它識別客戶在框架內的輸入。
• 對話管理：該元件根據腳本管理對話流。 它確保代理遵循定義的路徑，並根據識別的意圖和上下文提供正確的回應。
• 回應檢索： 此元件提供腳本中配置的回應。

對於基於語音的交互，除了上述元件外，AI 引擎還包括 ASR (自動語音辨識) 和 TTS (文本轉語音)。

如何選擇合適的發動機

• Webex AI Pro 1.0（使用 Swiftmatch）

  此 AI 引擎非常適合開發 AI 代理，這些代理可管理各種用戶運算式，同時將輸入準確映射到預定義的意圖，從而確保跨各種場景進行一致且可靠的交互。 它適用於：

  • 處理較小的訓練數據集：如果訓練數據集每個意向的語句少於 10 個，則此引擎更合適。
  • 多語言腳本代理： 對於創建處理多種語言對話的代理，這是一個不錯的選擇。
  • 具有某種程度的「智慧匹配」的腳本代理： 雖然回應是腳本化的，但此 AI 引擎通過將使用者輸入與最接近的意圖相匹配來提供自然的感覺，即使措辭不準確。

  優點： 有助於輸入變化，更適合較小的訓練數據集，具有多語言支援，支援智慧匹配。

  局限性： Swiftmatch 以其強大的自然語言理解能力而出類拔萃。 但是，如果您的腳本需要靈活地將使用者輸入與意圖匹配 (允許措辭變化)，則 Swiftmatch 可能需要使用各種訓練數據進行額外的數據配置。 它專為精確和剛性匹配而設計，這可能會使處理變化更具挑戰性。

• Webex AI Pro 1.0（與 MindMeld 合作）

  此 AI 引擎非常適合具有複雜、多步驟對話流的腳本代理。 它適用於：

  • 處理中等訓練數據集：如果訓練數據集每個意向的語句少於 20 個，則此引擎更合適。
  • 複雜的腳本化工作流程： 如果腳本涉及多個步驟、條件或分支邏輯，MindMeld 可以管理這些複雜的流程。
  • 多語言腳本代理： MindMeld 支援多種語言。
  • 執行角色和實體分類：通過識別句子部分和重要細節來增強對使用者輸入的理解，提高回應的準確性和相關性。

  優點： 適用於複雜的腳本流，適用於中等數據集，並且具有多語言支援，比 RASA 更準確，是基本意圖分類的直接高效選擇。

  限制： MindMeld 可以在平臺現有限制內處理複雜的流程，但它適用於結構化對話。 如果腳本需要高度靈活和動態的對話管理，並且對話流可能會根據客戶的輸入而發生重大變化，那麼 MindMeld 對預定義流的依賴可能會受到限制。 它不太適合自由形式和不可預測的對話，即使在腳本設置中也是如此。

• Webex AI Pro 1.0（帶 RASA）

  此 AI 引擎非常適合構建需要靈活、多步驟對話流的腳本代理，其可自定義的對話管理和強大的 AI 功能。 它適用於：

  • 處理大型訓練數據集：如果訓練數據集每個意向有超過 25 個語句，則此引擎更合適。
  • 執行角色和實體分類：通過識別句子部分和重要細節，提高回應的準確性和相關性，增強對客戶輸入的理解。

  優點： 顯示準確的結果，適用於簡單到複雜的腳本，適用於大型訓練數據集和更複雜的場景。

  限制： 需要更多的訓練數據;訓練需要很多時間。