Paso de agente
El paso Agente te permite añadir la toma de decisiones y la generación de contenido basadas en IA directamente en tu flujo de trabajo de Canvas. Para obtener más información general, consulta Agentes de Braze.
Cómo funciona
Cuando un usuario llega a un paso de agente en un Canvas, Braze envía los datos de entrada que has configurado (contexto completo o campos seleccionados) al agente que hayas elegido. A continuación, el agente procesa la entrada utilizando su modelo y sus instrucciones, y devuelve una salida. Ese resultado se almacena en la variable de salida que has definido en el paso.
A continuación, puedes utilizar esta variable de tres formas principales:
- Toma de decisiones: Dirige a los usuarios por diferentes rutas de Canvas en función de la respuesta del agente. Por ejemplo, un agente de puntuación de clientes potenciales podría devolver un número entre 1 y 10. Puedes utilizar esta puntuación para decidir si continuar con la mensajería hacia un usuario o eliminarlo del recorrido.
- Personalización: Inserta la respuesta del agente directamente en un mensaje. Por ejemplo, un agente podría analizar los comentarios de los clientes y generar un correo electrónico de seguimiento empático que haga referencia al comentario del cliente y sugiera una solución.
- Tratamiento de datos de usuario: Analiza y estandariza los datos de usuario, luego guárdalos en el perfil de usuario o envíalos mediante un webhook. Por ejemplo, un agente podría devolver una puntuación de sentimiento o una asignación de afinidad con el producto. Puedes almacenar esos datos en un perfil de usuario para su uso futuro.
Requisito previo
Los pasos de agente utilizan variables de contexto de Canvas para incorporar el contexto relevante y generar una variable que se puede aprovechar en Canvas.
Creación de un paso de agente
Paso 1: Añadir un paso
Arrastra y suelta el componente Agente desde la barra lateral, o selecciona el botón más en la parte inferior de un paso y selecciona Agente.
Paso 2: Elige tu agente
Selecciona el agente que procesará los datos en este paso. Elige un agente existente. Para obtener orientación sobre la configuración, consulta Crear agentes personalizados.
Paso 3: Configura la salida de tu agente
Las salidas del agente se denominan «variables de salida» y se almacenan en una variable de contexto para facilitar su acceso. Para definir la variable de salida, asigna un nombre a la variable.
Ten en cuenta que el tipo de datos de la variable de salida se configura desde la consola del agente. Las salidas del agente se pueden guardar como cadenas, números, booleanos u objetos. Esto las hace flexibles tanto para la personalización de texto como para la lógica condicional en tu Canvas. A continuación se indican algunos usos comunes para cada tipo:
| Tipo de datos | Usos comunes |
|---|---|
| Cadena | Personalización de mensajes (líneas del asunto, texto, respuestas) |
| Número | Puntuación, umbrales y enrutamiento en rutas de audiencia |
| Booleano | Ramificación Sí/No en divisiones de decisiones |
| Objeto | Aprovecha uno o varios de los tipos de datos anteriores con una sola llamada LLM en una estructura de datos predecible |
Puedes utilizar una variable de salida en todo el Canvas utilizando la misma sintaxis de plantilla que utilizarías con una variable de contexto. Usa el filtro de segmento Variable de contexto o inserta respuestas de agente directamente con Liquid: {{context.${response_variable_name}}} .
Para utilizar una propiedad específica de una variable de salida de objeto, utiliza la notación de punto para acceder a esa propiedad mediante Liquid: {{context.${response_variable_name}.field_name}}
Paso 4: Añade cualquier contexto adicional (opcional)
Puedes decidir incluir valores de contexto adicionales para que el paso del agente los consulte cuando se ejecute. Puedes introducir cualquier valor con plantilla Liquid que utilizarías normalmente en un Canvas.
Ten en cuenta que el agente ya está recibiendo automáticamente el contexto configurado en la sección Instrucciones. Las variables Liquid que ya estaban configuradas allí no es necesario volver a introducirlas aquí.
Paso 5: Prueba el agente
Después de configurar el paso Agente, puedes probar y obtener una vista previa del resultado de este paso.
Tratamiento de errores
- Si el modelo conectado devuelve un error de límite de velocidad, Braze vuelve a intentarlo hasta cinco veces con retirada exponencial.
- Si el agente falla por cualquier otro motivo (como un error de tiempo de espera o una clave de API no válida), la variable de salida se establece en
null.- Si un agente alcanza su límite diario de invocaciones, la variable de salida se establece en
null.
- Si un agente alcanza su límite diario de invocaciones, la variable de salida se establece en
- Utiliza valores Liquid predeterminados para protegerte contra errores. Por ejemplo, en el modal Añadir personalización, puedes introducir un valor Liquid predeterminado como
{{context.${response_variable_name}.push_title | default: 'Hello friend!'}}o{{context.${response_variable_name}.push_body | default: 'Open our app to get your prize!'}}. - Las respuestas se almacenan en caché para entradas idénticas y pueden reutilizarse para invocaciones idénticas repetidas en unos pocos minutos.
- Las respuestas que utilizan valores almacenados en caché siguen contando para el total y las invocaciones diarias.
- Los pasos de agente pueden tardar en procesar un lote grande de usuarios. Si ves usuarios que aún están pendientes en este paso, revisa tus registros para verificar que las invocaciones se están realizando.
Análisis
Consulta las siguientes métricas para realizar el seguimiento del rendimiento de tus pasos de agente:
| Métrica | Descripción |
|---|---|
| Entrados | El número de veces que los usuarios entraron en el paso Agente. |
| Continuaron al siguiente paso | El número de usuarios que pasaron al siguiente paso del flujo después de pasar por el paso de agente. |
| Salieron de Canvas | El número de usuarios que salieron de Canvas después de pasar por el paso de agente. |
Preguntas más frecuentes
¿Cuándo debo utilizar un paso de agente?
En general, recomendamos utilizar un paso de agente cuando quieras introducir datos contextuales concretos en un LLM y que este asigne de forma inteligente una variable de contexto de Canvas a una escala imposible para los seres humanos.
Supongamos que envías un mensaje personalizado para recomendar un nuevo sabor de helado a un usuario que anteriormente pidió chocolate y fresa. Esta es la diferencia entre utilizar un paso de agente y las recomendaciones de artículos basadas en IA:
- Paso de agente: Utiliza modelos de lenguaje grande (LLM) para tomar una decisión cualitativa sobre lo que el usuario podría querer basándose en las instrucciones y los puntos de datos contextuales proporcionados al agente. En este ejemplo, un paso de agente podría recomendar un nuevo sabor basándose en la posibilidad de que el usuario quiera probar diferentes sabores.
- Recomendaciones de artículos basadas en IA: Utiliza modelos de aprendizaje automático para predecir los productos que un usuario probablemente querrá en función de eventos de usuario anteriores, como las compras. En este ejemplo, las recomendaciones de artículos de IA sugerirían un sabor (vainilla) basándose en los dos pedidos anteriores del usuario (chocolate y fresa) y en cómo estos se comparan con los comportamientos de otros usuarios de tu espacio de trabajo.
¿Cómo utilizan los pasos de agente los datos de entrada?
Un paso de agente analiza los datos de contexto que el agente está configurado para utilizar, así como cualquier contexto adicional que se proporcione al agente.
Editar esta página en GitHub