為何這很重要
Astra AI Agent 的成效取決於它所使用的知識與指令。不完整的知識、不明確的指令或不足的測試，都可能導致回覆不準確、不完整或超出預期範圍。
一個設定完善的 Agent 應該能根據您核准的業務知識提供實用答案，並能識別無法回答的問題，且在需要人工協助時進行對話轉接。
定期測試與評估也能協助您在客戶發現問題前，先找出知識缺口。
適用對象
如果您符合以下情況，則適用：
您正在設定或管理一個 Astra AI Agent。
您的 Agent 使用多種知識來源，例如網站、文件、問答 (Q&A) 或 WhatsApp 對話。
您希望提升 Agent 回覆的品質與一致性。
您希望降低出現非預期或範圍外回覆的風險。
如果您符合以下情況，則可能不適用：
您正在尋找從零開始建立 Astra AI Agent 的說明。
您正在針對特定 Agent 問題進行故障排除，例如 Agent 沒有回應或未正確使用特定知識來源。
術語表
知識來源 (Knowledge sources)
Astra 在回應客戶時可使用的資訊。您可以新增網站、文件、問答 (Q&A) 及 WhatsApp 對話等來源。
指令 (Instructions)
定義 AI Agent 應如何運作的規則與指引，包含它應該回答什麼、何時應該拒絕要求，以及何時應該將對話轉接給真人。
聚焦搜尋 (Focused Search)
Astra 的功能，當您的業務涉及多個知識領域時，可協助 AI Agent 從最相關的知識來源中檢索資訊。
評估 (Evaluation)
一種在部署前評估 AI Agent 行為的方法，讓您可以找出需要改進的地方。
技巧
偏好視覺化教學？請觀看我們關於 Astra AI agent 最佳實踐的影片指南：
技巧 1：建立全面的知識庫
為什麼這很重要
您的 AI Agent 需要相關且最新的業務資訊才能提供實用的答案。遺漏或過時的資訊會限制 Agent 正確回答客戶問題的能力。
操作方式
新增與您使用情境相關的知識來源，包括網站、文件、問答 (Q&A) 以及 WhatsApp 對話。視情況將資訊整理為有意義的業務領域。
如果您的業務涵蓋多種產品、服務或知識領域，您不一定需要為每個領域分別建立 Agent。請使用 聚焦搜尋 (Focused Search) 來協助 Astra 從最相關的知識來源中檢索資訊。
成效
您的 Agent 能夠存取所需的資訊，並跨越您業務的不同領域檢索相關知識。
技巧 2：明確定義指令的界線
為什麼這很重要
AI Agent 不應自行推斷何時該回答、拒絕或尋求人工協助。模糊的指令可能導致 Agent 試圖回答超出其預期範圍的問題。
操作方式
明確定義：
Agent 應回答什麼。
它應該使用哪些知識。
當資訊不可用時它應該做什麼。
哪些要求超出其範圍。
何時應該拒絕回答。
何時應該將對話轉接給真人。
例如，指示 Agent 僅使用現有知識進行回答，不得編造或假設知識來源中未提及的資訊。
成效
Agent 擁有更明確的行為邊界，並能更妥善地處理未受支援或範圍外的問題。
技巧 3：針對不同通路設計 Agent
為什麼這很重要
客戶體驗與設定需求會根據 Agent 的使用場景而有所不同。
操作方式
建立與設定 Agent 時，請考慮預期的使用通路。Astra 目前要求針對 WhatsApp 和 網頁聊天小工具 (web chat widgets) 分別建立不同的 AI Agent。
如果您在兩個通路都使用 Agent，請統一其相關知識、指令與回覆準則，確保客戶獲得一致的體驗。
成效
您的 Agent 是在考量預期客戶體驗與通路需求的情況下進行設定的。
技巧 4：部署前進行測試與評估
為什麼這很重要
Agent 看起來設定正確，但仍可能產生意想不到的回覆。測試有助於您在客戶與已部署的 Agent 互動前，先找出問題。
操作方式
測試真實情境，包括：
Agent 應該回答的問題。
需要來自不同知識來源資訊的問題。
超出 Agent 範圍的問題。
應該拒絕的要求。
應該觸發人工轉接的情境。
在部署 Agent 前，務必執行 評估 (evaluation)。如果 Agent 的表現未達標，請檢視並更新其知識或指令，然後再次進行測試與評估。
成效
您可以在將 Agent 部署給客戶之前，識別並解決回覆品質的問題。
技巧 5：評估完成後再發佈
為什麼這很重要
測試與評估只能改善您已設定的版本。客戶需要看到發佈後的測試版本，這些變更才能在已部署的 Agent 中生效。
操作方式
更新您的知識、指令或設定後：
測試變更。
執行評估。
檢視結果。
如有需要，進行進一步改進。
確認對 Agent 的表現感到滿意後，發佈變更。
成效
您部署的版本將反映您所測試與評估過的變更。
技巧 6：持續檢視與改善 Agent 行為
為什麼這很重要
您的業務知識與客戶問題會隨時間改變。隨著產品、政策或流程的更動，當前表現良好的 Agent 可能也需要更新。
操作方式
定期檢視 Agent 的對話並找出：
Agent 無法回答的問題。
錯誤或不正確的回覆。
知識來源中的缺口。
過時的資訊。
不必要的拒絕或人工轉接。
Agent 未按預期遵循的指令。
利用這些發現來更新您的知識來源或指令。在發佈前再次測試並評估變更。
成效
您的 AI Agent 能始終與您當前的業務資訊和客戶需求保持一致。
如何判斷運作是否正常
定期檢視您 Agent 的對話與評估結果。觀察以下方面的改進：
Agent 能回答更多預期處理的問題。
回覆皆有據可循，符合您的業務知識。
範圍外的問題皆依您的指示處理。
在適當情況下進行人工轉接。
需要修正或客戶進一步澄清的回覆變少。
更新知識或指令後，評估結果有所提升。
目前沒有單一的準確度指標可以保證 Agent 在所有客戶情境下都能正確執行。請同時使用評估結果與對話檢視，來找出需要改進的地方。
應避免的常見錯誤
加入大量資訊卻未將其整理為實用的知識來源。
假設 Agent 會自動知道何時應該拒絕或轉接對話。
未考慮 Agent 是用於 WhatsApp 還是網頁聊天小工具，直接使用相同的設定。
未測試真實客戶情境就部署 Agent。
部署前跳過評估步驟。
進行了變更卻忘記發佈。
認為初始設定完成後就一勞永逸，從不檢視 Agent 的對話。
更新指令時，未確認底層知識來源是否也需要更新。
🚀 下一步
現在您已經設定並評估了您的 Agent，請定期檢視其對話以找出知識缺口與異常行為。利用這些發現持續改善您的知識來源與指令，再發佈未來的變更。