Angepasste Agenten erstellen

Erfahren Sie, wie Sie angepasste Agenten erstellen, was Sie vor dem Start vorbereiten müssen und wie Sie diese für Messaging, Entscheidungsfindung und Datenmanagement einsetzen können. Weitere allgemeine Informationen finden Sie unter Braze-Agenten.

Voraussetzungen

Bevor Sie beginnen, benötigen Sie Folgendes:

• Berechtigung für den Zugriff auf die Agentenkonsole in Ihrem Workspace. Wenden Sie sich an Ihre Braze-Administratoren, falls diese Option nicht angezeigt wird.
• Berechtigung zum Erstellen und Bearbeiten von angepassten KI-Agenten.
• Eine Idee davon, was der Agent erreichen soll. Braze-Agenten können die folgenden Aktionen unterstützen:
  • Personalisiertes Messaging: Generieren Sie Betreffzeilen, Überschriften, Produkttexte oder andere Inhalte.
  • Nutzer:innen-Routing: Leiten Sie Nutzer:innen in Canvas basierend auf Verhalten, Präferenzen oder angepassten Attributen weiter.
  • Datenmanagement: Berechnen Sie Werte, ergänzen Sie Katalogeinträge oder aktualisieren Sie Profilfelder.

Funktionsweise

Wenn Sie einen Agenten erstellen, definieren Sie dessen Zweck und legen Leitplanken für sein Verhalten fest. Nach der Live-Schaltung kann der Agent in Braze eingesetzt werden, um personalisierte Texte zu generieren, Entscheidungen in Realtime zu treffen oder Katalogfelder zu aktualisieren. Während Sie Ihren Agenten erstellen, können Sie ihn als Entwurf speichern, und Sie können einen Agenten jederzeit über das Dashboard pausieren oder aktualisieren.

Die folgenden Anwendungsfälle veranschaulichen einige Möglichkeiten, angepasste Agenten zu nutzen.

Einen Agenten erstellen

1. Schritt: Agententyp auswählen

Um einen Agenten zu erstellen, wählen Sie zunächst Ihren Agententyp aus:

1. Gehen Sie zur Agentenkonsole.
2. Wählen Sie Canvas-Schritt-Agenten oder Katalog-Agenten aus.

2. Schritt: Erstellungsmethode auswählen

Wählen Sie Agent erstellen aus und entscheiden Sie sich dann für eine der folgenden Optionen:

• Angepasster Agent, um einen Agenten von Grund auf zu erstellen
• Eine Option unter Agent mit Operator erstellen, um BrazeAI Operator zu verwenden und ein Starttemplate anzuwenden

Wenn Sie Operator verwenden, überprüfen und genehmigen Sie die Änderungen im Chat, bevor Sie mit dem nächsten Schritt fortfahren.

3. Schritt: Details einrichten

Richten Sie anschließend die Details für Ihren Agenten ein:

1. Geben Sie einen Namen und eine Beschreibung ein, damit Ihr Team den Zweck versteht.
2. (optional) Fügen Sie Tags hinzu, um Ihren Agenten zu filtern.
3. Wählen Sie das Modell aus, das Ihr Agent verwenden soll.
4. Wenn Sie nicht das Braze Auto-Modell verwenden, wählen Sie die Denkstufe des Modells aus. Sie können zwischen Minimal, Niedrig, Mittel oder Hoch wählen. Wir empfehlen, mit Minimal zu beginnen, die Antworten Ihres Agenten zu testen und diese bei Bedarf anzupassen.
5. Legen Sie ein tägliches Ausführungslimit fest. Standardmäßig ist dieser Wert auf 250.000 eingestellt, kann jedoch auf 1.000.000 erhöht werden. Wenn Sie das Limit über 1.000.000 hinaus erhöhen möchten, wenden Sie sich an Ihren Customer-Success-Manager, um mehr zu erfahren.

4. Schritt: Anweisungen verfassen

Geben Sie dem Agenten Anweisungen. Wenn Sie ein Operator-Template verwendet haben, überprüfen Sie die vorausgefüllten Anweisungen und bearbeiten Sie diese bei Bedarf.

Nehmen Sie Anweisungen dafür auf, wie der Agent in unerwarteten oder unklaren Szenarien vorgehen soll. Dadurch wird das Risiko minimiert, dass Verwirrung beim Agenten zu Fehlern führt. Anstatt beispielsweise den Agenten nur nach „positiven“ oder „negativen“ Stimmungswerten zu fragen, bitten Sie ihn, „unsicher“ zurückzugeben, wenn er sich nicht entscheiden kann.

Lesen Sie den Abschnitt Anweisungen verfassen für bewährte Verfahren und Beispiele für Anregungen, wie Sie Ihren Agenten anweisen können.

Tipp

Für Canvas-Agenten können Sie Liquid in Ihren Anweisungen verwenden, um auf Nutzerattribute wie Vor- und Nachname oder angepasste Attribute zu referenzieren. Jede Liquid-Variable in den Agentenanweisungen wird automatisch an den Canvas-Schritt übergeben, wenn Nutzer:innen den Schritt betreten.

Kontext hinzufügen

Wählen Sie + Agentenkontext aus, um festzulegen, worauf Ihr Agent zugreifen kann. Dies beinhaltet:

• Katalogfelder: Gewähren Sie dem Agenten Zugriff auf Ihre Katalogdaten für genauere Antworten.
• Segmentzugehörigkeit: Ermöglichen Sie dem Agenten, Antworten basierend auf der Segmentzugehörigkeit der Nutzer:innen zu personalisieren. Sie können bis zu fünf Segmente auswählen.
• Markenrichtlinien: Referenzieren Sie die Richtlinien zur Markenstimme und zum Stil, die der Agent befolgen soll. Wenn Sie beispielsweise möchten, dass Ihr Agent SMS-Texte erstellt, um Nutzer:innen zur Anmeldung für eine Fitnessstudio-Mitgliedschaft zu motivieren, können Sie dieses Feld verwenden, um Ihre vordefinierte, motivierende Richtlinie zu referenzieren.
• Gesamter Canvas-Kontext: Analysieren Sie alle Canvas-Kontextdaten für Nutzer:innen, wenn dieser Agent aufgerufen wird, einschließlich aller Variablen, die nicht im Abschnitt Anweisungen referenziert werden.
• Nutzer:innen-Interaktionsdaten: Stellen Sie dem Agenten die aktuellen Öffnungs-, Klick- und Conversion-Daten der jeweiligen Nutzer:innen aus Campaigns und Canvas bereit.

5. Schritt: Ausgabe auswählen

Im Abschnitt Ausgabe können Sie die Ausgabe des Agenten anhand von Basisschemata oder erweiterten Schemata organisieren und definieren. Wenn Sie ein Operator-Template verwendet haben, überprüfen Sie das vorausgefüllte Ausgabeschema und bearbeiten Sie es bei Bedarf.

Um optimale Ergebnisse zu erzielen, stellen Sie sicher, dass die Angaben im Abschnitt Ausgabe mit den Agentenanweisungen übereinstimmen, die Sie in Schritt 4 eingegeben haben. Wenn Sie beispielsweise in den Agentenanweisungen angegeben haben, dass Sie ein Objekt mit zwei Strings wünschen, stellen Sie sicher, dass Sie im Abschnitt Ausgabe ein Objekt mit zwei Strings angeben. Wenn Ihre Agentenanweisungen nicht mit der festgelegten Ausgabe übereinstimmen, kann der Agent verwirrt werden, eine Zeitüberschreitung verursachen oder unerwünschte Ausgaben generieren.

Tipp

Wenn Sie ein erweitertes Ausgabeschema verwenden, fügen Sie ein String-Feld namens explanation hinzu, wenn der Agent zusätzlich zu seinen anderen Ausgaben seine Begründung zurückgeben soll. Weisen Sie den Agenten in Ihren Anweisungen an, explanation zu befüllen, wenn Ihnen das bei der Überprüfung oder Fehlersuche hilft.

Fallback-Werte konfigurieren

Fallback-Werte sind nur für Canvas-Schritt-Agenten verfügbar. Im Abschnitt Ausgabe eines Canvas-Agenten können Sie Werte definieren, die Braze verwendet, wenn ein Agentenaufruf fehlschlägt – beispielsweise wenn das LLM eine Zeitüberschreitung verursacht oder einen ungültigen API-Schlüssel-Fehler zurückgibt. Fallback-Werte funktionieren wie Personalisierungsstandards. Sie könnten eine statische Betreffzeile oder eine kurze Nachricht festlegen, die den Nutzer:innen dennoch eine nützliche Ausgabe liefert, wenn der Agent nicht ausgeführt werden kann.

Katalog-Agenten unterstützen die Konfiguration von Fallback-Werten in der Agentenkonsole nicht.

Für Canvas-Agenten unterstützen Fallback-Werte Liquid-Templating, sodass Sie Nutzerattribute oder Kontextvariablen im Fallback-Text referenzieren können.

Die Fallback-Felder passen sich dem Ausgabeformat Ihres Canvas-Agenten an:

Wenn ein Canvas-Agent mit Fallback-Werten in einem Agenten-Schritt ausgeführt wird, rendert Braze den Fallback pro Nutzer:in und speichert ihn in der Ausgabevariable anstelle von null. Wenn Sie keine Fallback-Werte konfigurieren, bleibt die Canvas-Ausgabe bei fehlgeschlagenen Aufrufen ungesetzt (null).

Informationen zum Laufzeitverhalten finden Sie unter Fehlerbehandlung und Fallback-Verhalten.

6. Schritt: Agenten testen

Der Vorschaubereich ist eine Instanz des Agenten, die als nebeneinander angeordnetes Panel innerhalb der Konfiguration angezeigt wird. Sie können diesen Bereich verwenden, um den Agenten zu testen, während Sie ihn erstellen oder aktualisieren, und ihn auf ähnliche Weise wie Endnutzer:innen zu erleben. Dieser Schritt hilft Ihnen zu bestätigen, dass er sich wie erwartet verhält, und gibt Ihnen die Möglichkeit, vor der Live-Schaltung Feinabstimmungen vorzunehmen.

1. Geben Sie im Feld Agent testen Beispielkundendaten oder Kundenantworten ein – alles, was reale Szenarien widerspiegelt, mit denen Ihr Agent konfrontiert sein wird.
2. Zeigen Sie eine Vorschau der Antwort des Agenten für zufällige Nutzer:innen, bestehende Nutzer:innen oder angepasste Nutzer:innen an.
3. Wählen Sie Antwort simulieren aus. Der Agent führt die Konfiguration aus und zeigt seine Antwort an.

Hinweis

Testläufe werden auf Ihr tägliches Ausführungslimit angerechnet.

Überprüfen Sie die Ausgabe mit kritischem Blick. Berücksichtigen Sie die folgenden Fragen:

• Entspricht der Text dem Markenimage?
• Leitet die Entscheidungslogik die Kund:innen wie beabsichtigt weiter?
• Sind die berechneten Werte korrekt?

Wenn etwas nicht stimmt, aktualisieren Sie die Konfiguration des Agenten und testen Sie erneut. Führen Sie einige unterschiedliche Eingaben durch, um zu beobachten, wie sich der Agent an verschiedene Szenarien anpasst – insbesondere an Randfälle wie fehlende Daten oder ungültige Antworten.

Tipp

Vermeiden Sie es, dem Agenten genau mitzuteilen, was er nicht tun soll. LLMs können diesen Inhalt dennoch generieren, wenn Sie ihn in den Anweisungen erwähnen.

7. Schritt: Ihren Agenten verwenden

Ihr Agent ist nun einsatzbereit! Weitere Informationen finden Sie unter Agenten bereitstellen.

Mit Operator erstellte Agenten-Templates

Operator kann Anweisungen, Ausgabefelder und Kontext für die folgenden Startvorlagen der Agentenkonsole vorkonfigurieren. Wählen Sie ein Template in Operator aus oder bitten Sie Operator, eines nach Namen anzuwenden.

Canvas-Schritt-Agenten-Templates

Katalog-Agenten-Templates

Verwandte Ressourcen

• Referenz für Agenten
• Häufig gestellte Fragen
• Braze-Webinar über KI in Aktion: 3 neue Anwendungsfälle für 1:1-Personalisierung