Generative Playbooks 建構代理

課程概述

Dialogflow CX 一直是 Google Cloud 建構對話式 AI 的主力工具，但傳統的流程圖式設計碰到複雜對話時，就得設一大堆 Intent、Page 跟 Route。Generative Playbooks 換了個玩法：你用自然語言描述 Agent 的行為規則與目標，剩下的交給 LLM 在對話中動態決策，開發時間因此省下很多。

你將學到

• 理解 Generative Playbooks 與傳統 Dialogflow CX Flow 的差異
• 使用 Playbook 定義 Agent 的目標、步驟指引與行為邊界
• 整合外部 Tool（API、資料庫、Google 服務）擴展 Agent 能力
• 設計 Playbook 之間的切換與委派邏輯
• 掌握 Playbook 的測試與迭代最佳實踐

核心概念

從 Flow 到 Playbook 的演進

面向	傳統 Dialogflow CX Flow	Generative Playbooks
設計方式	流程圖：定義 Intent → Page → Route	自然語言：描述目標與步驟
靈活度	嚴格遵循預定路徑	LLM 動態判斷，處理未預期的輸入
開發速度	數週（大型專案）	數天
適用場景	流程明確、需嚴格控制的場景	開放式對話、探索性任務
可混用	是——同一個 Agent 可同時使用 Flow 和 Playbook	是——可在 Flow 內呼叫 Playbook

Playbook 的結構

一個 Playbook 包含三個核心要素：

1. Goal（目標） — 這個 Playbook 要完成什麼任務，一句話描述
2. Instructions（步驟指引） — 用自然語言描述 Agent 應遵循的步驟與規則
3. Tools（工具） — Agent 可呼叫的外部功能，包括 API、Data Store、其他 Playbook

Instructions 撰寫原則

Instructions 是 Playbook 的核心。寫得好的 Instructions，就像給新進員工的一份操作手冊：

• 用條列式步驟描述流程，而非長篇敘述
• 明確指出在什麼條件下執行什麼動作
• 定義邊界——Agent 不該做什麼（例如：不可承諾折扣、不可透露內部資訊）
• 指定在無法處理時的退場策略（例如：轉接真人客服）

Tool 整合方式

Playbook 支援三種 Tool 類型：

Tool 類型	說明	範例
OpenAPI Tool	呼叫外部 REST API	查詢物流狀態、建立訂單
Data Store Tool	從 Vertex AI Search 的資料存儲區檢索資訊	FAQ 查詢、產品資訊
Playbook Tool	委派任務給另一個 Playbook	退款流程委派給專用 Playbook

Playbook 之間的協作

一個複雜的客服系統通常包含多個 Playbook。例如電商客服可能有：

• Router Playbook — 判斷客戶意圖，分派到正確的 Playbook
• Order Inquiry Playbook — 處理訂單查詢
• Return & Refund Playbook — 處理退貨退款
• Product FAQ Playbook — 回答產品相關問題

實作重點

• 一個 Playbook 專注一個任務——如果 Instructions 超過 15 步，考慮拆分
• Tool 的描述（description）很關鍵，LLM 就是靠這個決定什麼時候該用哪個 Tool
• 在 Dialogflow CX Console 的測試面板中，可以看到 LLM 的推理過程
• 使用「Examples」功能提供對話範例，引導 LLM 在特定情境下的行為
• 常見錯誤：Instructions 寫得太模糊（如「友善地幫助客戶」），缺乏具體步驟

Lab 導讀

Lab 連結：Create Agents with Generative Playbooks — Google Cloud Skills Boost

這個 Lab 會帶你做出一個零售業客服 Agent。你會建立多個 Playbook 來處理不同場景，整合 OpenAPI Tool 查訂單系統，再用 Data Store Tool 回答產品問題。做的時候特別留意 Playbook 之間怎麼切換，還有 LLM 怎麼照著 Instructions 做決策。

延伸學習

• Data Store Agent 虛擬 FAQ — 仔細談談 Data Store Tool 的設定與最佳化
• Agent Assist 與 GenAI 功能 — 從 Virtual Agent 延伸到輔助真人客服
• 部署多代理系統 — 用 ADK 實現更靈活的多代理協作