Schreiben effektiver Anweisungen für deklarative Agents

Deklarative Agents sind angepasste Versionen von Microsoft 365 Copilot, mit denen Sie personalisierte Erfahrungen erstellen können, indem Sie bestimmte Anweisungen, Aktionen und Kenntnisse deklarieren. Dieser Artikel enthält Anleitungen zum Schreiben effektiver Anweisungen für einen deklarativen Agent. Verwenden Sie diese Anleitung, um sicherzustellen, dass Ihr deklarativer Agent angemessen auf Benutzeranforderungen reagiert, Daten genau verarbeitet und einen konsistenten Workflow aufrechterhält.

Dieser Leitfaden gilt für Entwickler und Entwickler, die teams Toolkit oder Copilot Studio verwenden, um deklarative Agents zu erstellen.

Anweisungskomponenten

Ein gut strukturierter Satz von Anweisungen stellt sicher, dass der Agent seine Rolle und Aufgaben versteht und wie er mit Benutzern interagiert. Im Folgenden finden Sie die Standard Komponenten der Anweisungen für deklarative Agents:

• Zweck
• Allgemeine Richtlinien, einschließlich allgemeiner Anweisungen, Ton und Einschränkungen
• Skills

Darüber hinaus umfassen die Anweisungen, sofern relevant, Folgendes:

• Schrittweise Anweisungen
• Fehlerbehandlung und Einschränkungen
• Feedback und Iteration
• Interaktionsbeispiele
• Nicht standardmäßige Bedingungen
• Nachverfolgung und Abschluss

Das folgende Diagramm zeigt die primären Komponenten der Anweisungen für den deklarativen Agent.

Zweck

Definieren Sie die Rolle und das Fachgebiet des Agenten, einschließlich der primären Funktion, die er erfüllt.

Beispiel

You're a learning coach, dedicated to helping me enhance my understanding of complex topics, practice existing skills, and find the right learning process. 

Anleitungen

Definieren Sie, wie der Agent kommunizieren soll. Ein Agent kann präzise, detailliert, interaktiv oder suggestiv sein. Schließen Sie auch alle Einschränkungen ein, die angewendet werden sollten.

Beispiel

1. Avoid sharing external links.
2. Maintain an informal tone throughout our interactions.

Skills

Listet die Standard Aufgaben auf, die vom Agent erwartet werden. Dies kann das Generieren von Vorschlägen, das Automatisieren von Aufgaben, das Bereitstellen von Erklärungen oder das Führen des Benutzers durch Prozesse umfassen. Es kann auch die Agent-Konversationsstarter widerspiegeln.

Beispiel

You're a learning coach. When asked a question, break down complex concepts into beginner, intermediate, and advanced levels. 
Use different techniques for learning complex topics depending on the topic. 

Schrittweise Anweisungen

Definieren Sie die Workflowstruktur klar, und legen Sie die Reihenfolge fest, in der Aufgaben ausgeführt werden sollen. Dies hilft dem Agent, Benutzer auf logische und effiziente Weise durch Prozesse zu führen. Wenn eine Aufgabe z. B. mehrere Schritte umfasst, weisen Sie den Agent an, dass die Schritte in sequenzieller Reihenfolge ausgeführt werden sollen und dass die Benutzer jeden Schritt ausführen müssen, bevor sie mit dem nächsten Schritt fortfahren.

Beispiel

Follow these steps:
1. Ask for the name of the individual.
2. List the nomination categories.
3. Ask about their contributions.
4. Draft the nomination.

Interaktionsbeispiele

Stellen Sie Beispiele für ideale Interaktionen bereit, die zeigen, wie der Agent in verschiedenen Szenarien reagieren sollte.

Beispiel

**User prompt**: I'm having trouble understanding the basics of machine learning. Can you explain it to me?

**Learning coach response**:

- **Beginner explanation**: Machine learning is a type of artificial intelligence where computers learn from data to make decisions or predictions. Think of it like teaching a dog new tricks - at first, it needs guidance, but over time, it learns to do it on its own with practice.
- **Intermediate explanation**: At a higher level, machine learning involves algorithms that find patterns in data. These patterns help the machine make predictions or decisions without being explicitly programmed. For example, a machine learning model could predict house prices based on historical data.
- **Advanced explanation**: "In technical terms, machine learning uses statistical techniques and algorithms like linear regression, decision trees, and neural networks to build models that generalize well on new data, minimizing error through optimization techniques.

Fehlerbehandlung und Einschränkungen

Weisen Sie den Agent an, wie er mit Situationen umgeht, in dem ein Benutzer etwas anfordert, ohne die erforderlichen Voraussetzungen bereitzustellen. Wenn es für den Agent wichtig ist, bestimmte Themen nicht zu Erwähnung, geben Sie dies in den Anweisungen klar an.

Die Fehlerbehandlung kann Teil der allgemeinen Anweisungen oder einer spezifischen Skillbeschreibung sein.

Beispiel

- If you encounter a situation where you cannot proceed, respond with, "I need more information to assist you further. Could you clarify?"
- Avoid providing external links.

Feedback und Iteration

Weisen Sie den Agent an, Feedback vom Benutzer einzuholen, um seine Vorschläge zu verfeinern und die Interaktion zu verbessern.

Feedback kann Teil der allgemeinen Anweisungen oder einer Skillbeschreibung sein.

Beispiel

- After providing a suggestion, ask me if it meets my needs or if adjustments are needed.
- If I provide feedback, adjust your response or offer alternative solutions.
- Continue refining your suggestions based on my input until I'm satisfied. 

Nicht standardmäßige Bedingungen

Definieren Sie bestimmte Begriffe, die nicht dem Standard entsprechen oder für den organization in den Anweisungen eindeutig sind. Dadurch wird sichergestellt, dass der Agent diese Begriffe in seinen Antworten richtig versteht und verwendet. Die Bereitstellung eines Glossars dieser Begriffe kann sowohl für den Agent als auch für die Benutzer hilfreich sein.

Begriffsdefinitionen können Teil der allgemeinen Anweisungen oder einer spezifischen Qualifikationsbeschreibung sein.

Beispiel

LEU means Learning Engagement Units. This term is used to quantify the engagement level of learners in various training programs.

Nachverfolgung und Abschluss

Weisen Sie den Agent an, Interaktionen nachzuverfolgen, um Benutzer daran zu erinnern, dass er für weitere Unterstützung zur Verfügung steht, und bieten Sie Hilfe bei verwandten Aufgaben an.

Weisen Sie den Agent außerdem an, wie eine Sitzung ordnungsgemäß geschlossen werden soll, z. B. indem er das Erreichte zusammenfasst oder die nächsten Schritte vorschlägt.

Schließende Anweisungen können Teil der allgemeinen Anweisungen oder eine Skillbeschreibung sein.

- After providing a suggestion, ask me if it meets my needs or if adjustments are needed.
- At the end of each interaction with me on a specific topic, ask me how you did and ask me to use the thumbs up and down.

Durchlaufen Ihrer Anweisungen

Die Entwicklung von Anweisungen für deklarative Agents ist häufig iterativ und besteht in der Regel aus den folgenden Schritten:

1. Erstellen Sie Anweisungen und Konversationsstarter für Ihren Agent gemäß der in diesem Artikel beschriebenen Struktur und dem Format.
2. Veröffentlichen Sie Ihren Agent. Verantwortungsvolle KI-Praktiken werden in den Validierungsprozess integriert, um sicherzustellen, dass die Agenten ethische Standards einhalten. Weitere Details finden Sie unter:
   • Tools und Methoden für verantwortungsvolle KI
   • Apps, die von künstlicher Intelligenz unterstützt werden
3. Testen Sie Ihren Agent.
   1. Vergleichen Sie eine Benutzeraufforderung mit Microsoft 365 Copilot, um zu bestätigen, dass der Agent einen zusätzlichen Wert bei der Beantwortung von mitbringt.
   2. Überprüfen Sie anhand der schritt-für-Schritt-Anleitung, ob die Konversationsstarter wie erwartet funktionieren.
   3. Vergewissern Sie sich, dass der Agent gemäß den angegebenen Anweisungen handelt.
   4. Vergewissern Sie sich, dass Benutzeraufforderungen außerhalb der Konversationsstarter ordnungsgemäß behandelt werden.
4. Durchlaufen Sie anweisungen, um zu untersuchen, ob Sie die Ausgabe weiter verbessern können.
   • Ändern Sie die Anweisungen, um das Verhalten des Agents zu ändern.
   • Versuchen Sie, Wissen wie die Websuche, OneDrive/SharePoint- oder Microsoft Graph-Connectors hinzuzufügen, falls erforderlich mithilfe des Teams Toolkits oder Copilot Studio.

Das folgende Diagramm veranschaulicht den iterativen Prozess zum Erstellen und Verfeinern von Anweisungen für deklarative Agents.

Bewährte Methoden für Agent-Anweisungen

Zusammenfassend ist es wichtig, ihre Agent-Anweisungen strukturiert zu halten und einen iterativen Prozess von zu befolgen, um Ihre Anweisungen zu testen und zu verbessern, bis der Agent zufriedenstellende Ergebnisse liefert.

Wenden Sie beim Entwickeln Ihrer Anweisungen die folgenden bewährten Methoden an:

• Seien Sie spezifisch. Vage oder mehrdeutige Anweisungen können zu Missverständnissen und falschen Antworten führen. Definieren Sie die Aufgaben, den Kontext, die Erwartungen und die spezifischen Anforderungen klar.

• Unterteilen Sie Aufgaben in kleinere Schritte. Die Leistung ist besser, wenn der Flow aus kleineren und differenzierteren Schritten besteht.

• Verwenden Sie eine klare Syntax. Fügen Sie Interpunktionszeichen, Überschriften und Abschnittstrennzeichen ein, die eine einfachere Analyse der Anweisungen ermöglichen. Verwenden Sie Trennzeichen zwischen Abschnitten, um Anweisungen von Beispielen zu trennen.

• Verwenden Sie Beispiele. Stellen Sie detaillierte Beispiele und Szenarien bereit, um die gewünschten Ergebnisse zu veranschaulichen. Je präziser die Anweisungen sind, desto besser kann der Agent seine Aufgaben genau und effizient ausführen. Die Eingabeaufforderung mit wenigen Schritten umfasst die Bereitstellung einiger gelöster Beispiele für den Agent, bevor er aufgefordert wird, ein neues Problem zu lösen. Gedankenverkettungstechniken weisen den Agent an, eine Schritt-für-Schritt-Lösung bereitzustellen.

• Verwenden Sie Do anstelle von Do Not( Do Not). Sagen Sie dem Agenten, was zu tun ist; Vermeiden Sie es, ihr mitzuteilen, was nicht zu tun ist. Wenn Sie dem Agent mitteilen, was zu tun ist, erhalten Sie mehr Spezifität.

• Hinzufügen von Wissen. Wenn Sie dem Agent Wissen hinzufügen, beschreiben Sie, was von jeder Wissensquelle in Ihren Anweisungen dargestellt wird.

Verwandte Inhalte

• Eine Beispielmanifestdatei für einen deklarativen Agent, der mit dem Teams Toolkit erstellt wurde, finden Sie unter Schema des deklarativen Agents für Microsoft 365 Copilot.
• Informationen zur Verwendung von Copilot Studio zum Erstellen deklarativer Agents finden Sie unter Erweitern mit Copilot-Agents.
• Informationen zu Validierungsanforderungen für deklarative Agents finden Sie unter Validierungsrichtlinien für Copilot-Agents.