Section courante

A propos

Section administrative du site

 Langage  Installation  Elément  Tutoriel  Widget  Aide 
ABAP/4
Ada
Assembleur
Assembly & bytecode
ASP (Active Server Pages)
Basic
C
C++
C# (C Sharp)
Cobol
ColdFusion
Fortran
HTML
Java
JavaScript
LISP
Logo
LotusScript
Oberon
Pascal
Perl
PHP
PL/1
Prolog
Python
Rebol
REXX
Ruby
SAS
NoSQL
SQL
Swift
X++ (Axapta)
GNAT
SMALLAda
VHDL
Assembleur 370
Assembleur 1802
Assembleur 4004
Assembleur 6502
Assembleur 6800
Assembleur 68000
Assembleur 8080 et 8085
Assembleur 8089
Assembleur 80x86
Assembleur AGC4
Assembleur ARM
Assembleur DPS 8000
Assembleur i860
Assembleur Itanium
Assembleur MIPS
Assembleur PDP-11
Assembleur PowerPC
Assembleur RISC-V
Assembleur SPARC
Assembleur SuperH
Assembleur UNIVAC I
Assembleur VAX
Assembleur Z80
Assembleur Z8000
Assembleur z/Architecture
ASSEMBLER/MONITOR 64
Micol Assembler
GFA Assembler
A86
MASM (Macro Assembler)
TASM (Turbo Assembler)
CIL
Jasmin
LLVM
MSIL
Parrot
P-Code (PCode)
SWEET16
G-Pascal
ASP 1.0
ASP 2.0
ASP 3.0
ASP.NET
ASP.NET Core
ABasiC (Amiga)
Adam SmartBASIC
Altair BASIC
AmigaBASIC (Amiga)
AMOS Basic (Amiga)
Atari Basic (Atari 400, 600 XL, 800, 800XL)
Basic Apple II (Integer BASIC/APPLESOFT)
Basic Commodore 64 (CBM-BASIC)
Basic Commodore 128 (BASIC 7.0)
Basic Commodore VIC-20 (CBM-BASIC 2.0)
Basic Coco 1 (Color Basic)
Basic Coco 2 (Extended Color Basic)
Basic Coco 3 (Extended Color Basic 2.0)
BASICA (PC DOS)
Basic Pro
BBC BASIC
Blitz BASIC (Amiga)
DarkBASIC
Dartmouth BASIC
GFA-Basic (Atari ST/Amiga)
GWBASIC (MS-DOS)
Liberty BASIC
Locomotive BASIC (Amstrad CPC)
MSX-Basic
Omikron Basic (Atari ST)
Oric Extended Basic
Power Basic
Quick Basic/QBasic (MS-DOS)
Sinclair BASIC (ZX80, ZX81, ZX Spectrum)
ST BASIC (Atari ST)
Turbo Basic
Vintage BASIC
VBScript
Visual Basic (VB)
Visual Basic .NET (VB .NET)
Visual Basic pour DOS
Yabasic
BeckerBASIC
SIMONS' BASIC
Basic09 d'OS-9
Disk Extended Color Basic
Basic09 d'OS-9
Disk Extended Color Basic
Access
Excel
Visual Basic pour Windows
Visual Basic .NET pour Windows
C Shell Unix (csh)
C pour Amiga
C pour Atari ST
C pour DOS
C pour Falcon030
C pour GEMDOS (Atari ST)
C pour Linux
C pour PowerTV OS
C pour OS/2
C pour Unix
C pour Windows
Aztec C
CoCo-C
GNU C
HiSoft C
IBM C/2
Introl-C
Lattice C
Microsoft C
MinGW C
MSX-C
Open Watcom C
OS-9 C Compiler
Pure C
Quick C
Turbo C
HiSoft C for Atari ST
HiSoft C for CP/M (Amstrad CPC)
C++ pour OS/2
C++ pour Windows
Borland C++
C++Builder
IBM VisualAge C++
Intel C++
MinGW C++
Open Watcom C++
Symantec C++
Turbo C++
Visual C++
Visual C++ .NET
Watcom C++
Zortech C++
C# (C Sharp) pour Windows
Apple III Cobol
Microsoft Cobol
BlueDragon
Lucee
OpenBD
Railo
Smith Project
Microsoft Fortran
WATFOR-77
CSS
FBML
Open Graph
SVG
XML
XSL/XSLT
LESS
SASS
GCJ (GNU)
JSP
Jython
Visual J++
Node.js
TypeScript
AutoLISP
ACSLogo
LotusScript pour Windows
Amiga Oberon
Oberon .NET
Apple Pascal
Delphi/Kylix/Lazarus
Free Pascal
GNU Pascal
HighSpeed Pascal
IBM Personal Computer Pascal
Lisa Pascal
Maxon Pascal
MPW Pascal
OS-9 Pascal
OSS Personal Pascal
Pascal-86
Pascal du Cray Research
Pascal/VS
Pascal-XT
PURE Pascal
QuickPascal
RemObjets Chrome
Sun Pascal
THINK Pascal
Tiny Pascal (TRS-80)
Turbo Pascal
UCSD Pascal
VAX Pascal
Virtual Pascal
Turbo Pascal for CP/M-80
Turbo Pascal for DOS
Turbo Pascal for Macintosh
Turbo Pascal for Windows
CodeIgniter (Cadre d'application)
Drupal (Projet)
Joomla! (Projet)
Phalanger (PHP .NET)
phpBB (Projet)
Smarty (balise)
Twig (balise)
Symfony (Cadre d'application)
WordPress (Projet)
Zend (Cadre d'application)
PL360
PL/M-80
PL/M-86
Turbo Prolog
CPython
IronPython
Jython
PyPy
AREXX
Regina REXX
JMP
Btrieve
Cassandra
Clipper
CouchDB
dBASE
Hbase
Hypertable
MongoDB
Redis
Access
BigQuery
DB2
H2
Interbase
MySQL
Oracle
PostgreSQL
SAP HANA
SQL Server
Sybase
U-SQL
Installation par système d'exploitation
Installation avec Docker
Installation de composantes
Introduction
Fichiers de configuration du projet
Référence des modules
CLI Command Line Interface
CDD (Conversation-Driven Development
rasa-webchat
Préface
Notes légal
Dictionnaire
Recherche

CDD (Conversation-Driven Development)

Le développement axé sur la conversation CDD, tirant son nom de l'anglicisme Conversation-Driven Development, est le processus d'écoute de vos utilisateurs et d'utilisation de ces informations pour améliorer l'assistant IA. Elle est considéré comme l'approche globale des meilleures pratiques pour le développement d'agent conversationnel (Chatbot). Développer d'excellents un bon assistant IA est considéré comme un défi de l'inconnu car les utilisateurs diront toujours quelque chose que vous n'aviez pas prévu.

Le principe du CDD est que dans chaque conversation, les utilisateurs vous disent exactement ce qu'ils veulent. En pratiquant le CDD à chaque étape du développement de bot, oriente votre assistant vers le langage et le comportement réels de l'utilisateur. Le CDD comprend les 6 actions suivantes :

Le CDD n'est pas un processus linéaire; vous reviendrez encore et encore aux mêmes actions au fur et à mesure que vous développerez et améliorerez votre bot.

Le CDD aux premiers stades de développement

Si vous en êtes au tout début du développement d'un bot, il peut sembler que CDD n'a aucun rôle à jouer - après tout, vous n'avez pas encore de conversation ! Cependant, il existe des actions CDD que vous pouvez entreprendre au tout début du développement du bot :

À ce stade, vous pouvez installer Rasa X en mode local pour faciliter le partage de votre bot avec les utilisateurs de test, collecter des conversations et appliquer les meilleures pratiques NLU et de récit en fonction des conversations que vous collectez.

CDD avec un bot en production

Une fois que votre bot est en production, vous aurez plus de conversations pour obtenir des informations. Ensuite, vous pouvez appliquer pleinement les actions CDD. À ce stade, vous pouvez installer Rasa X sur un serveur afin de déployer votre bot et d'activer le CDD avec un bot en production.

Revue

Vous devez rechercher dans les conversations ce que les utilisateurs demandent vraiment. Vos utilisateurs de test avaient cependant au moins quelques instructions sur ce que le bot était censé faire; les vrais utilisateurs n'ont souvent aucune idée ou ignorent les instructions leur étant données. Vous ne pouvez pas répondre à tous les comportements inattendus des utilisateurs, mais vous pouvez essayer de résoudre les principaux points de friction que vous remarquez. Voici quelques éléments que vous pourriez envisager de rechercher :

Annoter

Continuez à suivre les meilleures pratiques pour NLU lorsque vous ajoutez de nouveaux énoncés utilisateur issus de conversations réelles à vos données d'entraînement. Veillez à ne pas suradapter votre modèle NLU à des énoncés comme ceux déjà dans vos données d'entraînement. Cela peut se produire lorsque vous ajoutez en permanence des énoncés utilisateur ayant déjà été correctement prédits et avec une grande confiance à vos données d'entraînement. Pour éviter le surajustement et aider votre modèle à se généraliser à des énoncés d'utilisateurs plus diversifiés, n'ajoutez que les énoncés d'utilisateurs que le modèle avait précédemment prédits de manière incorrecte ou avec un faible niveau de confiance.

Tester

Ajoutez des conversations d'utilisateurs réussies à vos conversations de test. Faire cela de manière cohérente vous aidera à ne pas introduire de régressions lorsque vous apportez d'autres correctifs à votre bot.

Suivi

Recherchez des indices de réussite et d'échec pour vous aider à suivre les performances de votre bot. Certaines métriques sont externes à votre bot. Par exemple, si vous créez un robot pour soulager la demande d'un centre d'appels de service client, une mesure du succès pourrait être la réduction du trafic vers le centre d'appels. D'autres que vous pouvez obtenir directement à partir de conversations, par exemple si un utilisateur atteint une certaine action représentant la réalisation de l'objectif de l'utilisateur. Les métriques suivies automatiquement sont par nature des métriques de proximité; le seul moyen d'obtenir une véritable mesure du succès serait d'examiner et d'évaluer individuellement chaque conversation avec votre bot. Bien que ce ne soit clairement pas réaliste, gardez simplement à l'esprit qu'aucune métrique n'est une représentation parfaite des performances de votre bot, alors ne vous fiez pas uniquement aux métriques pour voir où votre bot doit être amélioré.

Corriger

Continuez à suivre les meilleures pratiques pour les histoires à mesure que vous développez et améliorez les compétences de votre bot. Laissez l'utilisateur guider la demande des compétences que vous ajoutez et des correctifs que vous apportez. Apportez fréquemment de petits changements plutôt que de faire de gros changements de temps en temps. Cela vous aidera à évaluer l'efficacité des modifications que vous apportez, car vous recevrez plus fréquemment des commentaires des utilisateurs. Votre pipeline CI/CD devrait vous permettre de le faire en toute confiance.



PARTAGER CETTE PAGE SUR
Dernière mise à jour : Dimanche, le 13 septembre 2020