Créer des agents personnalisés

Découvrez comment créer des agents personnalisés, ce qu’il convient de préparer avant de commencer et comment les mettre en œuvre dans les domaines de l’envoi de messages, de la prise de décision et de la gestion des données. Pour des informations plus générales, consultez Agents Braze.

Conditions préalables

Avant de commencer, vous aurez besoin des éléments suivants :

• L’autorisation d’accéder à la Console des agents dans votre espace de travail. Vérifiez auprès de vos administrateurs Braze si cette option n’apparaît pas.
• L’autorisation de créer et de modifier des agents d’intelligence artificielle personnalisés.
• Une idée de ce que vous souhaitez que l’agent accomplisse. Les agents Braze peuvent prendre en charge les actions suivantes :
  • Envoi de messages personnalisés : Générer des lignes d’objet, des titres, des textes intégrés au produit ou tout autre contenu.
  • Routage des utilisateurs : Diriger les utilisateurs dans Canvas en fonction de leur comportement, de leurs préférences ou d’attributs personnalisés.
  • Gestion des données : Calculer des valeurs, enrichir les entrées du catalogue ou actualiser les champs du profil.

Fonctionnement

Lorsque vous créez un agent, vous définissez son objectif et établissez des garde-fous quant à son comportement. Une fois en production, l’agent peut être déployé dans Braze pour générer des textes personnalisés, prendre des décisions en temps réel ou mettre à jour les champs du catalogue. Pendant la création de votre agent, vous pouvez l’enregistrer en tant que brouillon, et vous pouvez suspendre ou mettre à jour un agent à tout moment depuis le tableau de bord.

Les cas d’utilisation suivants illustrent quelques façons de tirer parti des agents personnalisés.

Créer un agent

Étape 1 : Choisir un type d’agent

Pour créer un agent, commencez par choisir votre type d’agent :

1. Rendez-vous dans la Console des agents.
2. Choisissez Agents d’étape Canvas ou Agents de catalogue.

Étape 2 : Choisir comment créer un agent

Sélectionnez Créer un agent, puis choisissez l’une des options suivantes :

• Agent personnalisé pour créer un agent à partir de zéro
• Une option dans Créer un agent avec Operator pour utiliser BrazeAI Operator et appliquer un modèle de départ

Si vous utilisez Operator, vérifiez et approuvez ses modifications dans le chat avant de passer à l’étape suivante.

Étape 3 : Configurer les détails

Configurez ensuite les détails de votre agent :

1. Saisissez un nom et une description afin d’aider votre équipe à comprendre son objectif.
2. (Facultatif) Ajoutez des étiquettes pour filtrer votre agent.
3. Choisissez le modèle que votre agent devra utiliser.
4. Si vous n’utilisez pas le modèle Braze Auto, sélectionnez le niveau de réflexion du modèle. Vous avez le choix entre minimal, faible, moyen ou élevé. Nous vous recommandons de commencer par Minimal, de tester les réponses de votre agent, puis d’ajuster ce paramètre si nécessaire.
5. Définissez une limite d’invocations quotidienne. Par défaut, cette valeur est fixée à 250 000, mais elle peut être augmentée jusqu’à 1 000 000. Si vous souhaitez dépasser 1 000 000, contactez votre gestionnaire de la satisfaction client pour en savoir plus.

Étape 4 : Rédiger les instructions

Donnez des instructions à l’agent. Si vous avez utilisé un modèle Operator, vérifiez les instructions préremplies et modifiez-les si nécessaire.

Incluez des consignes sur la conduite à tenir dans des situations imprévues ou ambiguës. Cela minimise le risque que la confusion de l’agent entraîne des erreurs. Par exemple, plutôt que de demander à l’agent uniquement des valeurs de sentiment « positives » ou « négatives », demandez-lui de renvoyer « incertain » s’il ne parvient pas à se prononcer.

Consultez la section Rédaction des instructions pour les bonnes pratiques et les Exemples pour trouver l’inspiration sur la manière de guider votre agent.

Conseil

Pour les agents Canvas, vous pouvez utiliser Liquid dans vos instructions afin de faire référence aux attributs utilisateur, tels que le prénom et le nom, ou à des attributs personnalisés. Toute variable Liquid présente dans les instructions de l’agent est automatiquement transmise à l’étape Agent lorsqu’un utilisateur y accède.

Ajouter du contexte

Sélectionnez + Contexte de l’agent pour choisir les éléments auxquels votre agent peut se référer. Cela inclut :

• Champs du catalogue : Donnez à l’agent accès aux données de votre catalogue pour des réponses plus précises.
• Appartenance à un segment : Permettez à l’agent de personnaliser les réponses en fonction des segments auxquels appartient l’utilisateur. Vous pouvez sélectionner jusqu’à cinq segments.
• Directives de marque : Référencez les directives relatives au ton et au style de la marque que l’agent doit respecter. Par exemple, si vous souhaitez que votre agent génère un SMS pour encourager les utilisateurs à s’inscrire à une salle de sport, vous pouvez utiliser ce champ pour faire référence à votre directive prédéfinie, audacieuse et motivante.
• Contexte Canvas complet : Analysez toutes les données de contexte Canvas pour un utilisateur lorsque cet agent est invoqué, y compris les variables qui ne sont pas référencées dans la section Instructions.
• Données d’interaction utilisateur : Fournissez à l’agent les données récentes d’ouvertures, de clics et de conversions des Campaigns et Canvas de chaque utilisateur.

Étape 5 : Sélectionner la sortie

Dans la section Sortie, vous pouvez organiser et définir la sortie de l’agent à l’aide de schémas de base ou de schémas avancés. Si vous avez utilisé un modèle Operator, vérifiez le schéma de sortie prérempli et modifiez-le si nécessaire.

Pour obtenir les meilleurs résultats, assurez-vous que ce que vous spécifiez dans la section Sortie correspond aux instructions de l’agent saisies à l’étape 4. Par exemple, si vous avez indiqué dans les instructions de l’agent que vous souhaitez un objet avec deux chaînes de caractères, veillez à spécifier un objet avec deux chaînes de caractères dans la section Sortie. Si les instructions de votre agent ne correspondent pas à la sortie spécifiée, l’agent risque d’être désorienté, d’expirer ou de générer des résultats indésirables.

Conseil

Lorsque vous utilisez un schéma de sortie avancé, ajoutez un champ de type chaîne de caractères nommé explanation si vous souhaitez que l’agent renvoie son raisonnement en plus de ses autres sorties. Indiquez à l’agent dans vos instructions de renseigner explanation lorsque cela vous aide à vérifier ou déboguer les réponses.

Configurer les valeurs de repli

Les valeurs de repli sont disponibles uniquement pour les agents d’étape Canvas. Dans la section Sortie d’un agent Canvas, vous pouvez définir les valeurs que Braze utilise lorsqu’une invocation de l’agent échoue, par exemple lorsque le LLM expire ou renvoie une erreur de clé API non valide. Les valeurs de repli fonctionnent comme des valeurs par défaut de personnalisation. Vous pouvez définir une ligne d’objet statique ou un court message qui fournit tout de même un résultat utile aux utilisateurs lorsque l’agent ne peut pas s’exécuter.

Les agents de catalogue ne prennent pas en charge la configuration de valeurs de repli dans la Console des agents.

Pour les agents Canvas, les valeurs de repli prennent en charge le templating Liquid afin que vous puissiez faire référence aux attributs utilisateur ou aux variables de contexte dans le texte de repli.

Les champs de repli s’adaptent au format de sortie de votre agent Canvas :

Lorsqu’un agent Canvas avec des valeurs de repli s’exécute dans une étape Agent, Braze effectue le rendu du repli par utilisateur et le stocke dans la variable de sortie au lieu de null. Si vous ne configurez pas de valeurs de repli, les invocations échouées laissent la sortie Canvas non définie (null).

Pour le comportement à l’exécution, consultez Gestion des erreurs et comportement de repli.

Étape 6 : Tester l’agent

Le volet Prévisualisation est une instance de l’agent qui s’affiche sous la forme d’un panneau côte à côte dans l’interface de configuration. Vous pouvez l’utiliser pour tester l’agent pendant que vous le créez ou le mettez à jour, afin de le découvrir de la même manière que les utilisateurs finaux. Cette étape vous permet de vérifier que tout fonctionne comme prévu et vous donne l’occasion d’effectuer des ajustements avant la mise en production.

1. Dans le champ Testez votre agent, saisissez des exemples de données clients ou de réponses clients — tout ce qui reflète des scénarios réels auxquels votre agent sera confronté.
2. Prévisualisez la réponse de l’agent pour un utilisateur aléatoire, un utilisateur existant ou un utilisateur personnalisé.
3. Sélectionnez Simuler la réponse. L’agent s’exécutera en fonction de votre configuration et affichera sa réponse.

Remarque

Les essais comptent dans votre limite d’invocations quotidienne.

Examinez attentivement le résultat. Posez-vous les questions suivantes :

• Le texte correspond-il à l’image de marque ?
• La logique décisionnelle oriente-t-elle les clients comme prévu ?
• Les valeurs calculées sont-elles exactes ?

Si quelque chose ne semble pas correct, mettez à jour la configuration de l’agent et réessayez. Testez plusieurs entrées différentes afin d’observer comment l’agent s’adapte à différents scénarios, en particulier les cas limites tels que l’absence de données ou les réponses non valides.

Conseil

Évitez d’indiquer à l’agent précisément ce que vous ne souhaitez pas qu’il fasse. Les LLM peuvent tout de même générer ce contenu si vous le mentionnez dans les instructions.

Étape 7 : Utiliser votre agent

Votre agent est désormais prêt à l’emploi ! Pour plus de détails, consultez Déployer des agents.

Modèles d’agents créés avec Operator

Operator peut préconfigurer les instructions, les champs de sortie et le contexte pour les modèles de départ suivants de la Console des agents. Choisissez un modèle dans Operator ou demandez à Operator d’en appliquer un par son nom.

Modèles d’agents d’étape Canvas

Modèles d’agents de catalogue

Ressources connexes

• Article de référence pour les agents
• Questions fréquentes
• Webinaire Braze sur l’intelligence artificielle en action : 3 nouveaux cas d’utilisation pour la personnalisation 1:1