데이터 수집

• 예상 형식을 명확히 지정합니다(예: “user@domain.com 형식의 이메일 주소”)
• 정보가 누락되었거나 불분명한 경우의 처리 방식을 지정합니다
• 유효한 데이터와 유효하지 않은 데이터의 예시를 포함합니다
• 검증 요구사항을 언급합니다

연락처 정보:

• email: “고객의 이메일 주소를 표준 형식(user@domain.com)으로 추출합니다”
• phone_number: “지역 번호를 포함한 고객의 전화번호를 추출합니다”
• full_name: “고객이 제공한 전체 이름을 추출합니다”

비즈니스 데이터:

• issue_category: “고객의 문제를 기술, 청구, 계정 또는 일반 중 하나로 분류합니다”
• satisfaction_rating: “고객이 제공한 수치형 만족도 점수(1~10점)를 추출합니다”
• order_number: “고객이 언급한 주문 번호 또는 참조 번호를 추출합니다”

행동 데이터:

• was_angry: “통화 중 고객이 분노나 불만을 표현했는지 판단합니다”
• requested_callback: “고객이 콜백 또는 후속 조치를 요청했는지 판단합니다”

요청한 데이터를 기록에서 찾을 수 없거나 모호한 경우, 추출 결과는 null 또는 빈 값으로 반환됩니다. 다음을 고려하세요.

• 애플리케이션에서 조건부 로직을 사용해 누락된 데이터를 처리합니다
• 불완전한 추출을 위한 대체 기준을 만듭니다
• 필수 정보를 일관되게 수집하도록 에이전트를 학습시킵니다

• 대화 기록에 데이터가 있는지 확인합니다
• 추출 프롬프트가 충분히 구체적인지 확인합니다
• 데이터 유형이 예상 형식과 일치하는지 확인합니다
• 대화 중 정보가 명확하게 전달되었는지 고려합니다

• 형식 사양이 포함되었는지 추출 프롬프트를 검토합니다
• 프롬프트에 검증 요구사항을 추가합니다
• 데이터 표준화를 위한 후처리를 고려합니다
• 다양한 대화 시나리오로 테스트합니다

• 데이터 수집 규칙마다 처리 시간이 추가됩니다
• 복잡한 추출 로직은 평가 시간이 더 오래 걸릴 수 있습니다
• 추출 정확도와 속도 요구사항을 모니터링합니다
• 가능한 경우 효율성을 위해 프롬프트를 최적화합니다