Brug copilot til at analysere skrivebordsflowaktivitet (forhåndsversion)

Artikel
08/29/2024

[Denne artikel er til dokumentationen til den foreløbige udgivelse. Der kan forekomme ændringer.]

Det er vigtigt at forstå automatiseringens ydeevne for at opnå driftsmæssige og pålidelige mål, uanset størrelsen på virksomheden, teamet eller rollen i organisationen. Hvis du vil nå disse mål, skal du have avancerede og dynamiske overvågningsfunktioner, der giver dig værdifuld indsigt, som fremhæver områder med succes og identificerer potentielle tendenser og områder, der kan forbedres. Med en mere detaljeret indsigt kan du træffe velovervejede beslutninger, der optimerer dine automatiseringsprocesser, hvilket fører til øget effektivitet.

Vigtigt

Dette er en forhåndsversion af funktionen.
Forhåndsversionsfunktionerne er ikke beregnet til produktionsformål og kan have begrænset funktionalitet. Disse funktioner er tilgængelige før en officiel udgivelse, så kunderne kan få tidlig adgang og give feedback.

Med de nyeste funktioner i AI har vi helt nye muligheder for at undersøge nye sager om overvågning af automatiseret tilstand, der kan omfatte alt fra simpel dataregistrering til aomaly detection, smarte anbefalinger og endda selvreparerende hændelser.

Med copilot, der nu er i stand til at analysere skrivebordsflowaktiviteten, tager vi det første skridt i en ny retning, så du let kan få adgang til indsigt ved at stille aktivitetsspecifikke spørgsmål, der er specifikke for Copilot Desktop Flow, ved hjælp af det naturlige sprog.

Vigtigt

Denne funktion er baseret på Azure OpenAI Service.
Copilot er en ny teknologi, der stadig udvikles. Den er optimeret til brug med engelsk og har begrænset understøttelse af andre sprog. Dele af den kan derfor vises på engelsk i stedet for dit foretrukne sprog.
Læs de ansvarlige ofte stillede spørgsmål om AI for copilot i desktop flow activity (forhåndsversion) for at få mere at vide om denne nye copilot oplevelse.
Flere ofte stillede spørgsmål: Ofte stillede spørgsmål om ansvarlige AI-svar til Power Automate, Ofte stillede spørgsmål om sikkerhed og beskyttelse af personlige oplysninger i copilot i Microsoft Power Platform

Forudsætninger

En arbejds- eller skolekonto med adgang til et Power Automate-miljø med base i USA.
I den første prøveversion skal du have et miljø i USA for at kunne bruge denne funktion. Hvis du ikke har adgang til et miljø, der er baseret i USA, kan du bede din administration om at oprette et nyt miljø i Power Platform Administration og vælge USA som område.
Du kan finde flere oplysninger i aktuelle begrænsninger.

Hvordan fungerer det?

Denne copilot-oplevelse drives af Azure Open AI-tjenesten og kan oversætte brugerprompter til gyldige Dataverse FetchXML forespørgsler. I første omgang er disse forespørgsler fokuseret på og optimeret til aktiviteter i skrivebordsflow, f.eks. kørsler, flow, fejl og maskiner.

Proces på højeste niveau

Når brugeren indtaster en gyldig prompt, genererer copilot en gyldig FetchXML forespørgsel baseret på inputtet.
Hvis den genererede forespørgsel FetchXML er gyldig, udføres forespørgslen derefter mod Dataverse backend under den aktuelle brugers sikkerhedskontekst for at hente matchende data. Derved sikres, at brugere kun kan se data, de allerede har tilladelse til at få adgang til.
Copilot bestemmer den mest relevante outputvisualisering, f.eks. en tabel, et cirkeldiagram, et søjlediagram eller et kurvediagram, for på en effektiv måde at præsentere indsigten og data for brugeren.

Hvad er FetchXML forespørgsler?

Microsoft Dataverse FetchXML er et sprog, der bruges til at hente data fra en Dataverse database. Det er udviklet, så det er nemt at oprette, bruge og forstå. Du kan f.eks. bede Dataverse om at give dig en liste over alle kørsler af et bestemt flow. Forespørgslen FetchXML er den måde, du formulerer spørgsmålet på, så databasen forstår det og kan give dig de rigtige resultater.

Blive bedt om bedste fremgangsmåde

Vær specifik: Jo mere specifik du er med dit spørgsmål, jo bedre forstår og svarer AI. Hvis AI ikke giver det ønskede output, behøver du ikke bekymre dig. Prøv igen ved at justere prompten.
Eksperimentere med spørgsmål: Hvis du ikke får de ventede resultater, kan du prøve at omformulere prompten eller skabe mere kontekst.
Giv feedback: Hvis AI udarbejdede fantastiske eller ikke-tilfredsstillende svar, kan du give os besked ved at vælge tommelfinger op eller tommelfinger ned med en indstilling, der giver mere feedback via Fortæl Microsoft, hvad du syntes om dette funktionslink, der vises under.

Eksempler på spørgsmål

I dette afsnit forklares eksempler på prompter, der kan bruges som startprompt til dine egne brugssager. Nogle af disse spørgsmål kan muligvis ikke anvendes eller returnere forkerte resultater, da præcisionen kan være relevant ud fra modelforståelse eller det faktiske spørgsmål og de data, der er tilgængelige for dig, baseret på dine tilladelser. Vi anbefaler, at du gennemser og validerer de returnerede resultater og FetchXML forespørgsler. Flere oplysninger: Validere FetchXML forespørgselsresultater, genereret af copilot.

Kørsler

Hvilke strømme har kørt mest i sidste uge?
Hvad var antallet af fuldførte kørsler for virksomhedens top 5?
Hvad var den gennemsnitlige varighed af flowet '[Indsæt dit flownavn her]' i sidste semester?

Fejl

Vis mig de mest almindelige kørselsfejl i løbet af sidste måned.
Vis mig en distribution af vellykkede versus mislykkede flow i sidste kvartal.
Hvad var antallet af mislykkede kørsler i ugen før den sidste?

Maskiner

Hvilke af de mest drevne fejl i dag?
Hvilke maskiner er i vedligeholdelsestilstand?
Hvad er de maskiner, der har de mest almindelige fejl?

Oprettere

Vis mig de øverste flow efter antal kørsler sammen med deres ejeroplysninger.
Hvem var de 10 bedste brugere, der kørte flow i løbet af sidste måned?
Hvornår og af hvem blev desktopforløb ændret i sidste uge?

Spørgsmål med flere vending

I forbindelse med AI giver prompts med flere emner mulighed for løbende at have en samtale med copilot, hvor du kan huske konteksten af de tidligere meddelelser i samtalen. Det besvarer ikke kun engangsspørgsmål. Den er i dialog med dig, hvor hvert enkelt svar er baseret på det, der er blevet sagt før.

Bemærk

Når du deltager i en flervejssamtale, skal du være opmærksom på, at du kun kan holde styr på de fem seneste spørgsmål ved brug af copilot. Det betyder, at copilot begynder at rydde de spørgsmål, der blev indtastet først, og kun de fem seneste. Hvis du vil forbedre svarkvaliteten, foreslår vi, at du begrænser dine opfølgende spørgsmål til fire og derefter genstarter chat. Flere oplysninger: Rydning af konteksten med tidligere prompter for at starte forfra.

Eksempel

Vende	Spørgsmål og svar
	Bruger: vis mig en distribution af vellykkede versus mislykkede flow i sidste kvartal
	Copilot: Her vises distribution af vellykkede versus mislykkede flow i sidste kvartal.
	Bruger: Hvad var den øverste fejl blandt dem, der ikke lykkedes?
	Copilot: Her er den mest vist fejl blandt dem, der ikke lykkedes.
	Bruger: på hvilke computernavne har de fejlet mest?
	Copilot: Her er de computernavne, hvor de fleste fejl er opstået.
	Bruger: af dem, der fuldførte, hvad var den gennemsnitlige varighed af kørslen?
	Copilot: Her er den gennemsnitlige varighed af kørslen af de fuldførte flows.

Indflydelse på output-format

Du kan påvirke copilots outputformat ved at bede om eksplicitte outputtyper som "vis mig mislykkedes vs. gennemførte distributioner af flowkørsel som et søjlediagram". Dette giver sandsynligvis følgende resultat:

Rydning af konteksten med tidligere prompter for at starte forfra

Hvis du vil nulstille samtalen med copilot, kan du vælge de tre prikker ... ud for copilot-navnet og derefter vælge Ny chat.

Validere FetchXML forespørgselsresultater, genereret af copilot

Følgende trin fører dig gennem processen til validering (og muligvis genbrug) FetchXML af forespørgsler i Power Automate cloudflows.

Trin 1: Opret en kopi af FetchXML-forespørgslen

Når du har sendt forespørgslen til copilot, får du et svar, der indeholder et link med etiketten Vis kode. Vælg dette link, og vælg derefter det kopiikon, der findes i øverste højre hjørne af FetchXML-feltet for at kopiere koden.

Trin 2: Opret cloudflow og test FetchXML-forespørgsel

Naviger til Power Automate-portalen , og vælg Mine flows i venstre navigationsmenu.
Fortsæt ved at vælge + Nyt flow på kommandolinjen, og vælg derefter Øjeblikkelig cloudflow i rullemenuen.
Angiv et navn til flowet, vælg Udløs et flow manuelt, og vælg derefter Opret.
Cloudflow-designeren vises. Find, og vælg knappen + Nyt trin.
På den søgelinje, der vises, skal du angive Dataverse og derefter vælge Dataverse-connector fra resultaterne.
Der vises forskellige handlinger. Rul gennem, indtil du finder og vælger handlingen Listerækker.
Vælg linket Vis avancerede indstillinger i handlingen Listerækker.
Der vises et FetchXML forespørgselsfelt. Her indtaster du den kopierede FetchXML forespørgsel, som copilot tidligere har genereret.
Når du har indsat din FetchXML, skal du vælge Gem.
Test flowet ved at vælge Test.
Følg anvisningerne på skærmen for at starte flowet manuelt for at gennemse resultaterne.

Trin 3: Om listen over resultater

Lad os antage, at du spurgte copilot "hvor mange mislykkede vs. vellykkede flows havde vi i sidste måned?" Dette giver en FetchXML forespørgsel, der ligner følgende:

<fetch version="1.0" mapping="logical" aggregate="true" count="3" page="1">
    <entity name="flowsession">
        <attribute name="flowsessionid" alias="flowsession_count" aggregate="count" />
        <attribute name="statuscode" alias="flowsession_statuscode" groupby="true" />
        <filter type="and">
            <condition attribute="completedon" operator="last-x-months" value="1" />
        </filter>
    </entity>
</fetch>

Hvis data svarer til den givne FetchXML forespørgsel, returnerer Dataverse-handlingen Listerækker, der blev konfigureret i trin 2, data i et format, der kaldes JSON (JavaScript Object Notation), som i bund og grund er en metode, der bruges til at præsentere data på en velorganiseret måde, hvilket gør det nemt at læse og skrive digitalt.

I forbindelse med distributionsbaserede spørgsmål som tidligere nævnt grupperes data efter et eller flere felter (statuscode) sammen med en aggregering (count), der returnerer antallet for hver gruppe (dvs. failed succeeded og så videre).

Hver af de returnerede poster indeholder felter som:

flowsession_count: Antallet af gange, workflowet kørte.
flowsession_regardingobjectid:Det entydige id for flowkørslen.
flowsession_statuscode: Status for flowkørslen (f.eks. Mislykket).
workflow_name: Navnet på flowet.

Hvis du vil vide, hvor mange gange et bestemt flow er kørt, skal du kigge på flowsession_count kolonnen for den post, hvor workflow_name er dit flownavn.

Om copilot-svar på problematiske spørgsmål

I denne tabel vises standardsvar, der returneres, når copiloten ikke kan forstå dit spørgsmål, din hensigt eller generere et gyldigt svar.

Copilot-svar	Oplysninger
Noget gik galt. Prøv igen.	Angiver, at der opstod en uventet fejl. Omformulér dit spørgsmål, og prøv igen.
Jeg kunne ikke forstå dit spørgsmål. Omformuler det, og prøv igen. Jeg kan besvare spørgsmål, der handler om dataene på denne side. Du kan finde flere eksempler på prompter, du kan bede om som medpilot, ved at gå til afsnittet med prompt-eksempler på vores dokumentationsside.	Angiver, at dit spørgsmål ikke kunne oversættes til en gyldig FetchXML forespørgsel. Omformulér dit spørgsmål, og prøv igen.
Copilot er overbelastet og er ikke tilgængelig i øjeblikket. Prøv igen om lidt.	Angiver, at der er ressourcebegrænsninger i backend. Prøv at besvare dit spørgsmål igen efter kort tid.
Din meddelelse indeholder potentielt skadelige indhold. Bekræft, at dit input ikke er skadeligt, og prøv igen.	Angiver, at dit spørgsmål kan indeholde potentielt skadelige indhold og er blevet blokeret af backend-tjenesten. Fjern potentielt skadelige indhold fra dit spørgsmål, og prøv igen.
Jeg kunne desværre ikke oprette et gyldigt svar på baggrund af dit spørgsmål. Omformuler det, og prøv igen. Jeg kan besvare spørgsmål, der handler om dataene på denne side. Du kan finde flere eksempler på prompter, du kan bede om som medpilot, ved at gå til afsnittet med prompt-eksempler på vores dokumentationsside.	Angiver, at den genererede FetchXML er ugyldig, eller at forespørgslen mislykkedes, da copilot forsøgte at udføre den. Omformulér dit spørgsmål, og prøv igen.
Søgningen indeholder for mange resultater. Finjustér din forespørgsel, og prøv igen. Du kan se eksempler på, hvordan du begrænser de søgeresultater, der returneres af copiloten, på vores dokumentationsside.	Angiver, at de filtre, der anvendes på forespørgslen, overskrider aggregeringsgrænserne i de aktuelle FetchXML. Tilføj mere passende filtre, f.eks. forespørgsler om data fra i går eller sidste måned i forespørgslen for at sikre, at dataene returneres inden for disse grænser.

Kendte problemer og begrænsninger

Følgende liste indeholder kendte begrænsninger for copiloten i skrivebordsflowaktiviteten.

Copilot er en ny teknologi, der stadig udvikles. Den er optimeret til brug med engelsk og har begrænset understøttelse af andre sprog. Dele af den kan derfor vises på engelsk i stedet for dit foretrukne sprog.
Copilot er i øjeblikket kun tilgængelig i Dataverse-miljøer med base i USA.
Copilot returnerer muligvis forkerte eller ufuldstændige data og FetchXML forespørgsler.
Copilot kan i første omgang kun svare på spørgsmål om skrivebordsflowaktivitet, f.eks. fejl, maskiner og tidligere og aktuelle kørsler.
I samtaler med flere vendinger holder copilot kun konteksten for de sidste fem spørgsmål. Hvis du støder på forkerte eller ufuldstændige resultater, kan du overveje at nulstille samtalen. Flere oplysninger: Rydning af konteksten med tidligere prompter for at starte forfra.
I forbindelse med forespørgsler, der returnerer store resultatsæt, kan copilot muligvis ikke returnere eller gengive disse.

Del via

Brug copilot til at analysere skrivebordsflowaktivitet (forhåndsversion)

Forudsætninger