Escribir instrucciones eficaces para agentes declarativos

Los agentes declarativos son versiones personalizadas de Microsoft 365 Copilot que le ayudan a crear experiencias personalizadas mediante la declaración de instrucciones, acciones y conocimientos específicos. En este artículo se proporcionan instrucciones para escribir instrucciones eficaces para un agente declarativo. Use esta guía para ayudar a asegurarse de que el agente declarativo responde correctamente a las solicitudes del usuario, controla los datos con precisión y mantiene un flujo de trabajo coherente.

Esta guía se aplica a los desarrolladores y creadores que usan Teams Toolkit o Copilot Studio para crear agentes declarativos.

Componentes de instrucciones

Un conjunto bien estructurado de instrucciones garantiza que el agente comprenda su rol y tareas y cómo interactuar con los usuarios. Los siguientes son los componentes principales de las instrucciones del agente declarativo:

• Objetivo
• Directrices generales, incluidas las instrucciones generales, el tono y las restricciones
• Aptitudes

Además, cuando corresponda, las instrucciones incluyen:

• Instrucciones detalladas
• Control de errores y limitaciones
• Comentarios e iteración
• Ejemplos de interacción
• Términos no estándar
• Seguimiento y cierre

En el diagrama siguiente se muestran los componentes principales de las instrucciones del agente declarativo.

Objetivo

Defina claramente el rol y el área de conocimiento del agente, incluida la función principal a la que sirve.

Ejemplo

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

Instrucciones

Defina cómo se debe comunicar el agente. Un agente puede ser conciso, detallado, interactivo o sugerente. Incluya también las restricciones que se deben aplicar.

Ejemplo

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

Aptitudes

Enumere las tareas principales que se espera que realice el agente. Esto puede incluir generar sugerencias, automatizar tareas, proporcionar explicaciones o guiar al usuario a través de procesos. También puede reflejar los inicios de conversación del agente.

Ejemplo

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. 

Instrucciones detalladas

Defina claramente la estructura de flujo de trabajo y describa el orden en que se van a completar las tareas. Esto ayuda al agente a guiar a los usuarios a través de procesos de forma lógica y eficaz. Por ejemplo, si una tarea implica varios pasos, indique al agente que los pasos deben completarse en orden secuencial y que los usuarios deben completar cada paso antes de pasar al siguiente.

Ejemplo

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.

Ejemplos de interacción

Proporcione ejemplos de interacciones ideales que muestren cómo debe responder el agente en diferentes escenarios.

Ejemplo

**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.

Control de errores y limitaciones

Indique al agente cómo controlar las situaciones en las que un usuario solicita algo sin proporcionar los requisitos previos necesarios. Si es importante que el agente no mencione temas específicos, indique esto claramente en las instrucciones.

El control de errores puede formar parte de las instrucciones generales o de una descripción de aptitud específica.

Ejemplo

- 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.

Comentarios e iteración

Indique al agente que busque comentarios del usuario para refinar sus sugerencias y mejorar la interacción.

Los comentarios pueden formar parte de las instrucciones generales o una descripción de la aptitud.

Ejemplo

- 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. 

Términos no estándar

Defina los términos específicos que no sean estándar o únicos para la organización en las instrucciones. Esto garantiza que el agente comprenda y use estos términos correctamente en sus respuestas. Proporcionar un glosario de estos términos puede ser útil tanto para el agente como para los usuarios.

Las definiciones de términos pueden formar parte de las instrucciones generales o de una descripción de aptitud específica.

Ejemplo

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

Seguimiento y cierre

Indique al agente que realice un seguimiento de las interacciones para recordar a los usuarios que está disponible para obtener más ayuda y ofrecer ayuda con las tareas relacionadas.

Indique también al agente cómo cerrar correctamente una sesión, por ejemplo, resumiendo lo que se logró o sugiriendo los pasos siguientes.

Las instrucciones de cierre pueden formar parte de las instrucciones generales o una descripción de la aptitud.

- 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.

Iteración en las instrucciones

El desarrollo de instrucciones para agentes declarativos suele ser iterativo y normalmente consta de los pasos siguientes:

1. Cree instrucciones y inicios de conversación para el agente siguiendo la estructura y el formato descritos en este artículo.
2. Publique el agente. Las prácticas de inteligencia artificial responsables se integran en el proceso de validación para garantizar que los agentes cumplan los estándares éticos. Para más detalles, vea:
   • Herramientas y prácticas de inteligencia artificial responsables
   • Aplicaciones con tecnología de inteligencia artificial
3. Pruebe el agente.
   1. Compare un mensaje de usuario con Microsoft 365 Copilot para confirmar que el agente aporta valor adicional al responder.
   2. Compruebe que los inicios de conversación funcionan según lo esperado con la guía paso a paso.
   3. Compruebe que el agente actúa según las instrucciones proporcionadas.
   4. Confirme que las solicitudes del usuario fuera de los inicios de la conversación se controlan correctamente.
4. Recorre en iteración las instrucciones para explorar si puede mejorar aún más la salida.
   • Modifique las instrucciones para cambiar el comportamiento del agente.
   • Pruebe a agregar conocimientos como la búsqueda web, OneDrive/SharePoint o los conectores de Microsoft Graph, si es necesario, mediante el kit de herramientas de Teams o Copilot Studio.

En el diagrama siguiente se muestra el proceso iterativo para crear y refinar instrucciones de agente declarativo.

Procedimientos recomendados para las instrucciones del agente

En resumen, es importante mantener las instrucciones del agente estructuradas y seguir un proceso iterativo de para probar y mejorar las instrucciones hasta que el agente proporcione resultados satisfactorios.

A medida que desarrolle las instrucciones, aplique los siguientes procedimientos recomendados:

• Sea específico. Las instrucciones vagas o ambiguas pueden dar lugar a malentendidos y respuestas incorrectas. Defina claramente las tareas, el contexto, las expectativas y los requisitos específicos.

• Divida las tareas en pasos más pequeños. El rendimiento es mejor cuando el flujo consta de pasos más pequeños y más granulares.

• Use una sintaxis clara. Incluya signos de puntuación, encabezados y separadores de sección que permitan un análisis más sencillo de las instrucciones. Use delimitadores entre secciones para separar las instrucciones de los ejemplos.

• Use ejemplos. Proporcione ejemplos y escenarios detallados para ilustrar los resultados deseados. Cuantos más precisas sean las instrucciones, mejor podrá el agente realizar sus tareas de forma precisa y eficaz. La solicitud de pocas capturas implica proporcionar al agente algunos ejemplos resueltos antes de pedirle que resuelva un nuevo problema. Las técnicas de cadena de pensamiento indican al agente que proporcione una solución paso a paso.

• Use Do (Hacer) en lugar de Do Not (No). Indique al agente lo que debe hacer; evitar decirle lo que no debe hacer. Indicar al agente lo que debe hacer proporciona más especificidad.

• Agregue conocimientos. Si agrega conocimientos al agente, describa lo que representa cada origen de conocimiento en las instrucciones.

Contenido relacionado

• Para obtener un archivo de manifiesto de ejemplo para un agente declarativo creado con teams Toolkit, consulte Esquema de agente declarativo para Microsoft 365 Copilot.
• Para obtener información sobre cómo usar Copilot Studio para crear agentes declarativos, consulte Extensión con agentes.
• Para obtener información sobre los requisitos de validación de los agentes declarativos, vea Directrices de validación para agentes.