データ収集

• 期待する形式を明確に指定する（例：「user@domain.com形式のメールアドレス」）
• 情報が欠けている場合や不明な場合の対応を指定する
• 有効なデータと無効なデータの例を含める
• 検証要件を記載する

連絡先情報：

• email：「標準形式（user@domain.com）で顧客のメールアドレスを抽出」
• phone_number：「市外局番を含む顧客の電話番号を抽出」
• full_name：「顧客が提示したフルネームを抽出」

ビジネスデータ：

• issue_category：「顧客の問題を、技術、請求、アカウント、一般のいずれかに分類」
• satisfaction_rating：「顧客が示した数値による満足度評価を抽出（1～10の尺度）」
• order_number：「顧客が言及した注文番号または参照番号を抽出」

行動データ：

• was_angry：「通話中に顧客が怒りや不満を表したかどうかを判定」
• requested_callback：「顧客が折り返し連絡またはフォローアップを依頼したかどうかを判定」

要求されたデータが文字起こし内に見つからない場合や曖昧な場合、抽出結果はnullまたは空の値になります。次の点を検討してください。

• アプリケーションで条件分岐を使用して欠損データを処理する
• 不完全な抽出に対するフォールバック基準を作成する
• 必要な情報を一貫して収集できるようエージェントをトレーニングする

• 会話の文字起こしにデータが存在することを確認する
• 抽出プロンプトが十分に具体的か確認する
• データ型が期待する形式と一致していることを確認する
• 会話中に情報が明確に伝えられたかを検討する

• 形式の指定について抽出プロンプトを確認する
• プロンプトに検証要件を追加する
• データ標準化のための後処理を検討する
• さまざまな会話シナリオでテストする

• データ収集ルールごとに処理時間が追加される
• 複雑な抽出ロジックは評価に時間がかかる場合がある
• 抽出精度と速度要件を監視する
• 可能な場合は効率のためにプロンプトを最適化する