> For the complete documentation index, see [llms.txt](https://docs.chatlayer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp.md).

# entender usuários

- [Processamento de linguagem natural (NLP)](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp.md): Esta documentação oferece um tour guiado esclarecedor sobre o que é Processamento de Linguagem Natural e como você pode aproveitá-lo ao máximo no Chatlayer.
- [Conceitos básicos de NLP](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/basic-nlp-concepts.md): Esta página aborda os conceitos fundamentais de Processamento de Linguagem Natural (NLP).
- [Detecte informações com entidades](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities.md): O Chatlayer tem 4 tipos de entidades: correspondência, contextual, sistema e composto.
- [Entidades de correspondência](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities/match-entities.md): Entidades de correspondência são um tipo de entidade detectada quando o usuário diz uma palavra que faz parte de uma lista predefinida ou corresponde a um determinado padrão.
- [Entidades contextuais](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities/contextual-entities.md): Entidades contextuais são detectadas no contexto de uma expressão específica.
- [Entidades de sistema](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities/system-entities.md): Entidades de sistema são entidades predefinidas incorporadas ao Chatlayer que correspondem a um determinado padrão geral amplamente utilizado.
- [Entidades compostas](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/detect-information-with-entities/composite-entities.md): Use entidades compostas quando quiser combinar duas entidades diferentes em uma.
- [Melhores práticas de NLP](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/how-to-nlp.md): Algumas das melhores maneiras de configurar um modelo de NLP forte e confiável para o seu bot.
- [Ordem das palavras e diversidade de expressões](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/how-to-nlp/creating-diverse-expressions.md): Este tutorial aprofunda como criar conjuntos ideais de expressões para seu modelo de NLP usando ordem das palavras e diversidade de palavras.
- [Impulsionador de intenções com IA](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/ai-intent-booster.md): Você tem um bot pequeno, com menos de 2000 expressões? O AI Intent Booster foi criado especificamente para melhorar o desempenho do seu NLP.
- [Treine seu NLP](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/train-your-nlp.md): Certifique-se de treinar seu NLP para que seu bot entenda seus usuários com base no seu modelo mais recente.
- [Contexto](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/using-context.md): Precisa reutilizar a mesma intenção duas ou mais vezes dentro do mesmo bot? Defina contexto para seus fluxos e garanta que o bot forneça a resposta correta.
- [Importação e exportação de NLP](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/nlp-import-and-export.md): Imorte e exporte intenções, expressões e entidades de e para arquivos .csv, na aba NLP.
- [Análise de sentimento](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/natural-language-processing-nlp/sentiment-analysis.md): Determine o sentimento da mensagem do usuário para redirecionar seu fluxo.
- [Idiomas](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/languages.md): Gerenciar vários idiomas em um único bot é fácil no Chatlayer.
- [Idiomas suportados](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/languages/supported-languages.md): Uma lista completa dos idiomas suportados pelos serviços de NLP, STT (fala para texto) e TTS (texto para fala) do Chatlayer:
- [Torne seu bot multilíngue](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/languages/multilanguage-bots.md): O NLP do Chatlayer suporta muitos idiomas, de holandês a inglês, hindi e africâner.
- [Mudar de idioma durante a conversa](https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp/languages/change-language-within-the-conversation.md): Se você construiu seu bot para oferecer suporte a vários idiomas, você vai querer que ele fale com o usuário no idioma dele.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.chatlayer.ai/chatlayer-documentation-pt-br/nlp.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.