כדור קולי ששולט בפועל באתר: הארכיטקטורה של עוזר, לא "שאלות נפוצות מדברות"
בקצרה על העיקר (BLUF)
יישומון מדבר באתר אינו עוזר, אלא צעצוע: הוא מדבר אבל לא עושה כלום. כדור הקול שלנו באמת מנהל את האתר. בפנים יש שלוש שכבות של ארכיטקטורה, שלוש מגרפות שעליהן דרכנו, כלכלה של דיאלוג ודרך לשים את אותו כדור באתר שלך.
עוזרי קול באתרי אינטרנט בדרך כלל מגיעים באחת משתי דרכים: או שזה צ'טבוט עם זיהוי דיבור מצורף, או שזה קריינות נפוצות. אנחנו בפנים NeuralSpace יצא מהמשימה ההפוכה - להשמיע קול הדרך העיקרית לנהל את הממשק, ולא מבנה על מעל הטקסט. להלן ניתוח של הארכיטקטורה וההחלטות שהיו צריכים להתקבל.
מְשִׁימָה
המשתמש פותח דף דור מורכב - וִידֵאוֹ, תמונות, מוּסִיקָה - כאשר יש בחירה של דגם, טעינת הפניה, בקשה, פרמטרים. העולה החדש אבוד. אנשים סוגרים את ההצטרפות הקלאסית (סיור עם חיצים) בשלב השני. רצינו שיהיה אפשר פשוט לומר בקול: "אני רוצה להחיות את התמונה הזו", והעוזר עצמו הדגיש את הכפתור הרצוי, הסביר אותו והביא אותו לתוצאה.
ההבדל העיקרי מצ'אטבוט: orb רואה את מצב הדף ו פועל עליה, במקום להגיב בטקסט "לחץ על כפתור X איפשהו שם."
אדריכלות: שלוש שכבות
- מערכת קול. זיהוי דיבור בסטרימינג → מודל → סינתזת תגובה. הדרישה היא חביון נמוך ויכולת לְהַפְרִיעַ (פריחה): המשתמש מתחיל לדבר - העוזר משתתק. בלי זה, הדיאלוג מרגיש כמו מכשיר קשר ולא כמו שיחה.
- מוֹחַ. ניתקנו בכוונה את ה"אישיות" של העוזר ממודל שפה ספציפי: המודל מוגדר בצד השרת, כך שניתן לשנות אותו כך שיתאים למשימה ולעלות מבלי לפתח מחדש את הקצה הקדמי. העוזר מקבל לא רק את תגובת המשתמש, אלא גם תמונת מצב קריא במכונה של הדף הנוכחי: אילו אלמנטים יש, אילו כפתורים, מה כבר נבחר.
- מוציא לפועל על הלקוח. המודל מחזיר לא רק טקסט, אלא גם פעולות: הדגש אלמנט, גלול לחסום, הסבר שדה. הלקוח מבצע אותם על גבי ה-DOM האמיתי.
שלוש מגרפות דרכנו עליהן
הדבר המעניין ביותר הוא לא הדרך המאושרת, אלא הכישלונות. ניתחנו את יומני הדיאלוגים האמיתיים והמצאנו את כללי השורש.
1. הזיה של אפשרויות. העוזרת הציעה דגמים שלא היו בעמוד הנוכחי, או בלבלה בין הדגם לתמונות לבין הדגם לווידאו. המשתמש כועס בצדק: "אין דגם כזה". תיקון - אל תסתמך על "ידע העולם" של הדוגמנית: העוזר יכול לתת שם ולהחליף רק מה שבעצם בתמונת המצב של הדף הנוכחי. זוהי בעיית הארקה קלאסית - המודל חייב להיות קשור בקפדנות למצב הממשק, אחרת הוא ישקר בביטחון.
2. הכפתור השגוי מואר. הם מבקשים ממך להראות "העלה תמונה" - "צור" מסומן. הסיבה היא מיפוי "כוונה → אלמנט" המטושטשת. פתרון: אלמנטים מקבלים עוגנים סמנטיים, והעוזר חייב להדגיש בדיוק ההוא, שעליו הוא מדבר, ולא שכנות במשמעות.
3. אובססיביות. הדגם כבר נבחר - העוזר עדיין מנסה לשנות אותו; המשתמש שואל "פשוט תכתוב בקשה" - והוא טוען. כלל: אם המצב כבר מתאים או שהמשתמש מבקש במפורש לא לגעת - לא לפעול או להתווכח, בצע מיד מה שמתבקש. פחות יוזמה, יותר ביצוע.
המסקנה שהיינו נותנים לכל מי שבונה סוכן על גבי ממשק היא: 90% מהאיכות זה לא מודל, אלא ביסוס ומשמעת פעולה. הדגם חייב לראות את המצב המדויק ואסור לו לחרוג ממנו.
כלכלה של דיאלוג
הקול יקר יותר מטקסט, אז ל-Orb יש חלון פנוי, ואז התשלום מתבצע עם השיחה. החיוב קשור למשך האינטראקציה הקולית, לא למספר ה"הודעות".
אותו כדור נמצא באתר שלך
התאמנו את הכדור לעצמנו, אבל המשימה היא אוניברסלית: כל אתר עם ממשק לא טריוויאלי (קונפיגורטור, חשבון אישי, טופס מורכב, חנות עם פילטרים) נהנה ממדריך קולי שרואה את העמוד ופועל עליו. לכן, הכנסנו אותו לווידג'ט מוטבע - כיצד הוא מותקן ומה הוא יכול לעשות נדון בנפרד: סוכן קולי לכל אתר אינטרנט.
אם אתה עושה משהו דומה, מעניין להשוות את הגישות להארקה ולפריצה. אתה יכול לנסות orb בשידור חי ב neuralspace.pro.
שאלות נפוצות (שאלות נפוצות)
שאלה: איך להשיג את התוצאה הטובה ביותר מרשת נוירונים?
תשובה: השתמש בהנחיות מפורטות (תיאורים) באנגלית, קבע את הסגנון והפרטים של הסצנה.
שאלה: האם ניתן להשתמש בחומרים אלו למטרות מסחריות?
תשובה: כן, התוכן שנוצר הוא לגמרי שלך.