Κοινή χρήση μέσω


Χρήση του Copilot για ανάλυση της δραστηριότητας ροής επιφάνειας εργασίας (έκδοση προεπισκόπησης)

[Αυτό το άρθρο αποτελεί τεκμηρίωση προέκδοσης και ενδέχεται να αλλάξει.]

Η κατανόηση της απόδοσης αυτοματοποίησης είναι βασική για την επίτευξη των λειτουργικών στόχων του συστήματος και της αξιοπιστίας, ανεξάρτητα από το μέγεθος της αυτοματοποίησης, της ομάδας ή του ρόλου εντός του οργανισμού. Για την επίτευξη αυτών των στόχων απαιτούνται προηγμένες και δυναμικές δυνατότητες παρακολούθησης που σάς παρέχουν πολύτιμες πληροφορίες που τονίζουν τους τομείς της επιτυχίας και προσδιορίζουν πιθανά εμπόδια, τάσεις και τομείς που πρέπει να βελτιώσετε. Εάν έχετε πιο λεπτομερείς πληροφορίες μπορείτε να ενημερώνετε αποφάσεις που βελτιστοποιούν τις διαδικασίες αυτοματοποίησης, οδηγώντας σε αύξηση της αποτελεσματικότητας και της αποδοτικότητας.

Στιγμιότυπο οθόνης μιας εμπειρίας Copilot ως τμήμα της σελίδας δραστηριότητας ροής επιφάνειας εργασίας.

Σημαντικό

  • Αυτή είναι μια δυνατότητα προεπισκόπησης.
  • Οι λειτουργίες προεπισκόπησης δεν προορίζονται για παραγωγική χρήση και ενδέχεται να έχουν περιορισμένη λειτουργικότητα. Αυτές οι δυνατότητες είναι διαθέσιμες πριν από μια επίσημη κυκλοφορία έτσι ώστε οι πελάτες να έχουν πρόσβαση από νωρίς και να κάνουν σχόλια.

Οι πιο πρόσφατες εξελίξεις στην ΑΙ μας παρέχουν πρωτόγνωρες ευκαιρίες για εξερεύνηση νέων υποθέσεων παρακολούθησης εύρυθμης λειτουργίας αυτοματοποίησης που θα μπορούσαν να περιλαμβάνουν ο,τιδήποτε, από απλή επεξεργασία δεδομένων έως εντοπισμό ανωμαλίας, έξυπνες συστάσεις ή ακόμα και υποθέσεις αυτοθεραπείας.

Με το Copilot να μπορεί πλέον να αναλύει τη δραστηριότητα ροής επιφάνειας εργασίας, κάνουμε το πρώτο βήμα προς μια νέα κατεύθυνση, επιτρέποντάς σας να εξοικειωθείτε με την πρόσβαση σε πληροφορίες κάνοντας ερωτήσεις που αφορούν συγκεκριμένα τη δραστηριότητα ροής επιφάνειας εργασίας Copilot χρησιμοποιώντας τη φυσική γλώσσα.

Σημαντικό

Προϋποθέσεις

Πώς λειτουργεί;

Αυτή η εμπειρία copilot υποστηρίζεται από την υπηρεσία Azure Open AI και είναι ικανή να μεταφράζει τις προτροπές των χρηστών σε έγκυρα Dataverse FetchXML ερωτήματα. Αρχικά, αυτά τα ερωτήματα εστιάζουν και βελτιστοποιούνται για δραστηριότητα ροής επιφάνειας εργασίας, όπως είναι οι εκτελέσεις, οι ροές, τα σφάλματα και οι μηχανές.

Διεργασία υψηλού επιπέδου

  1. Μόλις ο χρήστης εισάγει μια έγκυρη προτροπή, το copilot δημιουργεί ένα έγκυρο FetchXML ερώτημα με βάση την είσοδο.
  2. Εάν το ερώτημα που δημιουργήθηκε από FetchXML είναι έγκυρο, το ερώτημα εκτελείται στη συνέχεια στο παρασκήνιο του Dataverse στο περιβάλλον ασφαλείας του τρέχοντος χρήστη για την ανάκτηση δεδομένων που ταιριάζουν. Με αυτόν τον τρόπο εξασφαλίζεται ότι οι χρήστες βλέπουν μόνο τα δεδομένα στα οποία έχουν ήδη εξουσιοδότηση πρόσβασης.
  3. Στη συνέχεια, το Copilot καθορίζει την πιο κατάλληλη απεικόνιση εξόδου, όπως έναν πίνακα, γράφημα πίτας, γράφημα ράβδων ή ένα γράφημα γραμμών, για την αποτελεσματική παρουσίαση των πληροφοριών και των δεδομένων στο χρήστη.

Τι είναι τα ερωτήματα FetchXML;

Το Microsoft Dataverse FetchXML είναι μια γλώσσα που χρησιμοποιείται για την ανάκτηση δεδομένων από μια Dataverse βάση δεδομένων. Έχει σχεδιαστεί για να είναι εύκολη στη δημιουργία, στη χρήση και στην κατανόηση. Για παράδειγμα, ενδεχομένως να θέλετε να ζητήσετε από το Dataverse να σας δώσει μια λίστα με όλες τις εκτελέσεις ροής για μια συγκεκριμένη ροή. Το FetchXML ερώτημα είναι ο τρόπος με τον οποίο διατυπώνετε αυτήν την ερώτηση, ώστε η βάση δεδομένων να την κατανοεί και να μπορεί να σας δώσει τα σωστά αποτελέσματα.

Βέλτιστες πρακτικές προτροπής

  • Να είστε συγκεκριμένοι: Όσο πιο συγκεκριμένοι είστε με την προτροπή σας, τόσο καλύτερα η ΑΙ θα κατανοήσει και θα ανταποκριθεί. Εάν η AI δεν παράγει το επιθυμητό αποτέλεσμα, μην ανησυχείτε, προσπαθήστε ξανά προσαρμόζοντας την προτροπή σας.
  • Πειραματιστείτε με προτροπές: Εάν δεν έχετε τα αποτελέσματα που αναμένατε, δοκιμάστε να επαναδιατυπώσετε την προτροπή σας ή να παρέχετε περισσότερο περιβάλλον.
  • Παράσχετε σχόλια: Εάν η AI προσφέρει εξαιρετικές ή αποτελεσματικές αποκρίσεις, ενημερώστε μας επιλέγοντας τον αντίχειρα προς τα επάνω ή προς τα κάτω για να δώσετε περισσότερα σχόλια μέσω της σύνδεσης Πείτε στη Microsoft τι σας άρεσε σε αυτήν τη δυνατότητα που εμφανίζεται από κάτω.

Παραδείγματα προτροπής

Παραδείγματα προτροπών που μπορούν να χρησιμοποιηθούν ως προτροπή εκκίνησης για τις δικές σας υποθέσεις χρήσης εξηγούνται σε αυτήν την ενότητα. Ορισμένες από αυτές τις προτροπές ενδέχεται να μην ισχύουν ή να επιστρέψουν εσφαλμένα αποτελέσματα, καθώς η ακρίβεια ενδέχεται να επηρεαστεί από την κατανόηση του μοντέλου ή την πραγματική προτροπή και τα δεδομένα που είναι διαθέσιμα σε εσάς με βάση τα δικαιώματά σας. Σας συνιστούμε να ελέγξετε και να επικυρώσετε τα αποτελέσματα και το FetchXML ερώτημα που επιστρέφονται. Περισσότερες πληροφορίες: Επικύρωση αποτελεσμάτων ερωτημάτων FetchXML που δημιουργούνται από το copilot.

Εκτελέσεις

  • Ποιες ροές εκτελέστηκαν την πιο πρόσφατη εβδομάδα;
  • Ποιες ήταν οι πέντε καλύτερες ροές της εγκατάστασης ως προς τον αριθμό των ολοκληρωμένων εκτελέσεων;
  • Ποια ήταν η μέση διάρκεια εκτέλεσης της ροής '[εισαγωγή του ονόματος ροής σας εδώ]' κατά τη διάρκεια του τελευταίου εξάμηνου;

Σφάλματα

  • Εμφάνιση των πιο συχνών σφαλμάτων εκτέλεσης κατά τη διάρκεια του τελευταίου μήνα.
  • Εμφάνιση μιας κατανομής επιτυχημένων έναντι αποτυχημένων ροών κατά τη διάρκεια του τελευταίου τριμήνου.
  • Ποιος ήταν ο αριθμός των αποτυχημένων εκτελέσεων κατά τη διάρκεια της εβδομάδας πριν από την τελευταία;

Υπολογιστές

  • Ποιεα bot είχαν τις περισσότερες αποτυχίες εκτέλεσης σήμερα;
  • Ποιες μηχανές βρίσκονται σε λειτουργία συντήρησης;
  • Ποιες είναι οι μηχανές με τις περισσότερες αποτυχίες εκτέλεσης;

Δημιουργοί

  • Εμφάνιση των κορυφαίων ροών κατά αριθμό εκτελέσεων μαζί με τις πληροφορίες κατόχου τους.
  • Ποιοι ήταν οι 10 κορυφαίοι χρήστες που εκτέλεσαν ροές κατά τη διάρκεια του τελευταίου μήνα;
  • Πότε και από ποιον τροποποιήθηκαν οι ροές επιφάνειας εργασίας την προηγούμενη εβδομάδα;

Προτροπές πολλών γύρων

Στο περιβάλλον AI, οι προτροπές πολλών γύρων σάς επιτρέπουν να έχετε μια συνεχή συνομιλία με το Copilot, όπου θυμάται το περιβάλλον των προηγούμενων μηνυμάτων στη συνομιλία. Δεν είναι μόνο η απάντηση σε μία και μόνο ερώτηση, είναι η συμμετοχή σε έναν διάλογο μαζί σας, όπου κάθε απόκριση βασίζεται σε αυτά που έχουν προαναφερθεί.

Σημείωμα

Όταν συμμετέχετε σε συνομιλίες πολλών γύρων, σημειώστε ότι το Copilot παρακολουθεί μόνο τις πέντε πιο πρόσφατες ερωτήσεις. Αυτό σημαίνει ότι το Copilot ξεκινάει την εκκαθάριση των προτροπών που έχουν καταχωρηθεί πρώτα και διατηρεί μόνο τις πέντε πιο πρόσφατες. Για τη βελτίωση της ποιότητας απόκρισης, προτείνουμε να περιορίσετε τις ερωτήσεις παρακολούθησης στις τέσσερις και έπειτα να επανεκκινήσετε τη συνομιλία. Περισσότερες πληροφορίες: Απαλοιφή του προηγούμενου περιβάλλοντος προτροπής για έναρξη από την αρχή.

Παράδειγμα

Γύρος Προτροπή και απόκριση
Χρήστης: εμφάνιση μιας κατανομής επιτυχημένων έναντι αποτυχημένων ροών κατά τη διάρκεια του τελευταίου τριμήνου
Copilot: εμφάνιση μιας κατανομής επιτυχημένων έναντι αποτυχημένων ροών κατά τη διάρκεια του τελευταίου τριμήνου.
Χρήστης: ποιο ήταν το κορυφαίο σφάλμα όσων απέτυχαν;
Copilot: αυτό είναι το κορυφαίο σφάλμα όσων απέτυχαν.
Χρήστης: Σε ποια ονόματα μηχανής απέτυχαν περισσότερο;
Copilot: ακολουθούν τα ονόματα μηχανών όπου παρουσιάστηκαν οι περισσότερες αποτυχίες.
Χρήστης: από εκείνους που πέτυχαν, ποια ήταν η μέση διάρκεια εκτέλεσης;
Copilot: ακολουθεί η μέση διάρκεια εκτέλεσης των ροών που ολοκληρώθηκαν με επιτυχία.

Στιγμιότυπο οθόνης μιας συνομιλίας Copilot πολλαπλών γύρων με διαφορετικά δεδομένα εξόδου και απεικονίσεις.

Επηρεασμός μορφής εξόδου

Μπορείτε να επηρεάσει τη μορφή εξόδου του Copilot copilot , ζητώντας ρητούς τύπους εξόδου, όπως "εμφάνιση αποτυχημένης έναντι επιτυχούς κατανομής εκτέλεσης ροής ως γράφημα ράβδων." Αυτό πιθανόν να έχει ως αποτέλεσμα τα εξής:

Στιγμιότυπο οθόνης μιας απάντησης Copilot που απάντησε σε προτροπή χρήστη με γράφημα πίτας.

Απαλοιφή του προηγούμενου περιβάλλοντος προτροπής για έναρξη από την αρχή

Αν θέλετε να επαναφέρετε τη συνομιλία με το Copilot μπορείτε να επιλέξετε τις τρεις κουκκίδες ... δίπλα στο όνομα του Copilot και μετά να επιλέξετε Νέα συνομιλία.

Στιγμιότυπο οθόνης μιας επιλογής νέας συνομιλίας Copilot για επαναφορά μιας συνομιλίας.

Επικύρωση FetchXML αποτελεσμάτων ερωτήματος που δημιουργούνται από copilot

Τα παρακάτω βήματα σάς καθοδηγούν στη διαδικασία επικύρωσης (και ενδεχομένως επαναχρησιμοποίησης) FetchXML ερωτημάτων σε Power Automate ροές cloud.

Βήμα 1: Δημιουργήστε ένα αντίγραφο του FetchXML ερωτήματος

Αφού υποβάλετε το ερώτημά σας στο Copilot, θα λάβετε μια απάντηση που περιλαμβάνει μια σύνδεση με την ετικέτα Εμφάνιση κώδικα. Επιλέξτε αυτήν τη σύνδεση και, στη συνέχεια, επιλέξτε το εικονίδιο αντιγραφής που βρίσκεται στην επάνω δεξιά γωνία του πλαισίου FetchXML για να αντιγράψετε τον κώδικα.

Βήμα 2: Δημιουργήστε μια ροή cloud και δοκιμάστε το FetchXML ερώτημα

  1. Μεταβείτε στην πύλη Power Automate και επιλέξτε Οι ροές μου από το μενού αριστερής περιήγησης.
  2. Συνεχίστε επιλέγοντας +Νέα ροή στη γραμμή εντολών και, στη συνέχεια, επιλέξτε Άμεση ροή cloud από το αναπτυσσόμενο μενού.
  3. Εισαγάγετε ένα όνομα για τη ροή, επιλέξτε Ενεργοποίηση ροής με μη αυτόματο τρόπο και, στη συνέχεια, επιλέξτε Δημιουργία.
  4. Εμφανίζεται το πρόγραμμα σχεδίασης ροής cloud. Βρείτε και επιλέξτε το κουμπί +Νέο βήμα.
  5. Στη γραμμή αναζήτησης που εμφανίζεται, καταχωρήστε Dataverse, και στη συνέχεια, επιλέξτε τη Dataverse σύνδεση από τα αποτελέσματα.
  6. Εμφανίζονται διάφορες ενέργειες. Κάντε κύλιση έως ότου βρείτε και επιλέξετε την ενέργεια Γραμμές λίστας.
  7. Στην ενέργεια Γραμμές λίστας, επιλέξτε τη σύνδεση Εμφάνιση επιλογών για προχωρημένους.
  8. Εμφανίζεται ένα πεδίο FetchXML ερωτήματος. Σε αυτό το πεδίο εισάγετε το αντιγραμμένο FetchXML ερώτημα που δημιουργήθηκε προηγουμένως το copilot.
  9. Αφού επικολλήσετε το δικό σας FetchXML, επιλέξτε Αποθήκευση.
  10. Δοκιμάστε τη ροή σας επιλέγοντας Δοκιμή.
  11. Ακολουθήστε τις προτροπές στην οθόνη για να ξεκινήσετε τη ροή σας με μη αυτόματο τρόπο για να δείτε τα αποτελέσματα.

Βήμα 3: Κατανόηση των αποτελεσμάτων

Ας υποθέσουμε ότι ρωτήσατε copilot "πόσες αποτυχημένες έναντι επιτυχημένων ροών είχαμε τον περασμένο μήνα;" Αυτή η ερώτηση παράγει ένα FetchXML ερώτημα παρόμοιο με το ακόλουθο παράδειγμα:

<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>

Εάν τα δεδομένα ταιριάζουν με το δεδομένο FetchXML ερώτημα, η ενέργεια Γραμμές λίστας του Dataverse που έχει ρυθμιστεί στο βήμα 2 επιστρέφει δεδομένα σε μια μορφή που ονομάζεται JSON (JavaScript Object Notation), η οποία είναι ουσιαστικά μια μέθοδος που χρησιμοποιείται για την παρουσίαση δεδομένων με καλά οργανωμένο τρόπο, καθιστώντας εύκολη την ανάγνωση και την ψηφιακή εγγραφή.

Για ερωτήσεις που βασίζονται στη διανομή, όπως αναφέρθηκε προηγουμένως, τα δεδομένα ομαδοποιώνται με βάση ένα ή περισσότερα πεδία (statuscode), μαζί με μια συνάθροιση (count) που επιστρέφει τον αριθμό για κάθε ομάδα (δηλαδή, κ.ο.κ failed succeeded.).

Κάθε μία από τις καρτέλες που επιστρέφονται περιέχει πεδία όπως:

  • flowsession_count: Αριθμός των φορών που ενεργοποιεί η ροή εργασιών.
  • flowsession_regardingobjectid: Το μοναδικό αναγνωριστικό για την εκτέλεση ροής.
  • flowsession_statuscode: Η κατάσταση της εκτέλεσης ροής (για παράδειγμα, Απέτυχε).
  • workflow_name: Το όνομα της ροής.

Αν θέλετε να μάθετε πόσες φορές μια συγκεκριμένη ροή εκτελέστηκε, δείτε τη flowsession_count στήλη της καρτέλας όπου workflow_name είναι το όνομα της ροής σας.

Κατανόηση απαντήσεων Copilot σχετικά με τις προβληματικές προτροπές

Ο πίνακας αυτός εμφανίζει τις προεπιλεγμένες αποκρίσεις που επιστρέφονται όταν το Copilot δεν μπορεί να κατανοήσει την ερώτησή σας, το σκοπό ή τη δημιουργία μιας έγκυρης απάντησης.

Απάντηση Copilot Λεπτομέρειες
Δυστυχώς, παρουσιάστηκε κάποιο πρόβλημα. Δοκιμάστε ξανά. Υποδεικνύει ότι παρουσιάστηκε μη αναμενόμενο σφάλμα. Επαναδιατυπώστε την ερώτησή σας και δοκιμάστε ξανά.
Λυπάμαι αλλά δεν μπόρεσα να κατανοήσω την ερώτησή σας. Επαναδιατυπώστε την και προσπαθήστε ξανά. Μπορώ να απαντήσω σε ερωτήσεις που αφορούν τα δεδομένα αυτής της σελίδας. Για περισσότερα παραδείγματα προτροπών, τα οποία μπορείτε να ζητήσετε από το Copilot, επισκεφθείτε την ενότητα παραδειγμάτων προτροπής στη σελίδα τεκμηρίωσης. Η ερώτησή σας δεν ήταν δυνατό να μεταφραστεί σε έγκυρο FetchXML ερώτημα. Επαναδιατυπώστε την ερώτησή σας και δοκιμάστε ξανά.
Λυπούμαστε, το Copilot βρίσκεται σε κατάσταση φόρτισης και δεν είναι προσωρινά διαθέσιμο - παρακαλούμε δοκιμάστε ξανά σε λίγο. Υποδεικνύει ότι υπάρχουν περιορισμοί πόρων στο παρασκήνιο. Δοκιμάστε να επαναλάβετε την ερώτησή σας μετά από μικρό χρονικό διάστημα.
Λυπούμαστε, αλλά το μήνυμά σας περιέχει περιεχόμενο ενδεχομένως επιβλαβές. Βεβαιωθείτε ότι τα δεδομένα εισόδου σας είναι κατάλληλα και προσπαθήστε ξανά. Δηλώνει ότι η ερώτησή σας ενδέχεται να περιλαμβάνει επιβλαβές περιεχόμενο και έχει αποκλειστεί από την υπηρεσία υποστήριξης. Καταργήστε τυχόν επιβλαβές περιεχόμενο από την ερώτησή σας και προσπαθήστε ξανά.
Λυπάμαι αλλά δεν ήταν δυνατή η δημιουργία έγκυρης απάντησης βάσει της ερώτησής σας. Επαναδιατυπώστε την και προσπαθήστε ξανά. Μπορώ να απαντήσω σε ερωτήσεις που αφορούν τα δεδομένα αυτής της σελίδας. Για περισσότερα παραδείγματα προτροπών, τα οποία μπορείτε να ζητήσετε από το Copilot, επισκεφθείτε την ενότητα παραδειγμάτων προτροπής στη σελίδα τεκμηρίωσης. Το ερώτημα που δημιουργήθηκε FetchXML δεν είναι έγκυρο ή ότι το ερώτημα απέτυχε όταν το copilot προσπάθησε να το εκτελέσει. Επαναδιατυπώστε την ερώτησή σας και δοκιμάστε ξανά.
Λυπούμαστε, αλλά η αναζήτησή σας περιλαμβάνει υπερβολικά πολλά αποτελέσματα. Περιορίστε το ερώτημά σας και δοκιμάστε ξανά. Για παραδείγματα σχετικά με τον τρόπο περιορισμού των αποτελεσμάτων αναζήτησης που επιστρέφονται από το Copilot, επισκεφθείτε τη σελίδα τεκμηρίωσης. Τα φίλτρα που εφαρμόζονται στο ερώτημά σας υπερβαίνουν τα τρέχοντα όρια συνάθροισης FetchXML. Προσθέστε πιο κατάλληλα φίλτρα, όπως να ζητάτε δεδομένα από χθες ή τελευταίου μήνα στο ερώτημά σας, για να εξασφαλίσετε ότι θα επιστρέψει δεδομένα μέσα σε αυτά τα όρια.

Γνωστά προβλήματα και περιορισμοί

Η παρακάτω λίστα περιέχει γνωστούς περιορισμούς του Copilot στη δραστηριότητα ροής επιφάνειας εργασίας.

  • Το Copilot είναι μια νέα τεχνολογία που αναπτύσσεται ακόμα. Έχει βελτιστοποιηθεί για χρήση με τα Αγγλικά και διαθέτει περιορισμένη υποστήριξη με άλλες γλώσσες. Ως τέτοια, τμήματά του μπορεί να εμφανίζονται στα Αγγλικά και όχι στη γλώσσα της προτίμησής σας.
  • Το Copilot είναι προς το παρόν διαθέσιμο μόνο σε Dataverse περιβάλλοντα που βασίζονται στις Ηνωμένες Πολιτείες.
  • Το Copilot μπορεί να επιστρέψει λανθασμένα ή ελλιπή δεδομένα και FetchXML ερωτήματα.
  • Το Copilot μπορεί αρχικά να απαντήσει μόνο σε ερωτήσεις σχετικά με τη δραστηριότητα ροής επιφάνειας εργασίας, όπως σφάλματα, μηχανές και προηγούμενες και τρέχουσες εκτελέσεις.
  • Σε συνομιλίες πολλών γύρων, το Copilot διατηρεί μόνο το περιβάλλον των πέντε τελευταίων ερωτήσεων. Εάν αντιμετωπίσετε εσφαλμένα ή ατελή αποτελέσματα, εξετάστε το ενδεχόμενο να επαναφέρετε τη συνομιλία. Περισσότερες πληροφορίες: Απαλοιφή του προηγούμενου περιβάλλοντος προτροπής για έναρξη από την αρχή.
  • Για ερωτήματα που επιστρέφουν μεγάλα σύνολα αποτελεσμάτων, το Copilot ενδέχεται να μην μπορεί να τα επιστρέψει ή να τα αποδώσει.