宣言型エージェントの効果的な命令を記述する
宣言型エージェントは、カスタマイズされたバージョンのMicrosoft 365 Copilotであり、特定の指示、アクション、知識を宣言することで、パーソナライズされたエクスペリエンスを作成するのに役立ちます。 この記事では、宣言型エージェントの効果的な手順を記述するためのガイダンスを提供します。 このガイダンスは、宣言型エージェントがユーザーの要求に適切に応答し、データを正確に処理し、一貫性のあるワークフローを維持するのに役立ちます。
このガイダンスは、Teams Toolkit またはCopilot Studioを使用して宣言型エージェントを作成している開発者や作成者に適用されます。
命令コンポーネント
適切に構造化された一連の手順により、エージェントは、その役割とタスク、およびユーザーとの対話方法を確実に理解できます。 宣言型エージェント命令のメインコンポーネントを次に示します。
- 用途
- 一般的な指示、トーン、制限を含む一般的なガイドライン
- スキル
さらに、関連する場合は、次の手順が含まれます。
- 詳しい手順
- エラー処理と制限事項
- フィードバックとイテレーション
- 相互作用の例
- 標準以外の用語
- フォローアップとクローズ
次の図は、宣言型エージェント命令の主要なコンポーネントを示しています。
用途
エージェントが果たす主な機能を含め、エージェントの役割と専門知識の領域を明確に定義します。
例
You're a learning coach, dedicated to helping me enhance my understanding of complex topics, practice existing skills, and find the right learning process.
ガイドライン
エージェントの通信方法を定義します。 エージェントは、簡潔、詳細、対話型、または示唆的な場合があります。 適用する必要がある制限も含めます。
例
1. Avoid sharing external links.
2. Maintain an informal tone throughout our interactions.
スキル
エージェントが実行する必要があるメインタスクを一覧表示します。 これには、提案の生成、タスクの自動化、説明の提供、またはプロセスを通じたユーザーの誘導が含まれます。 エージェントの会話スターターを反映することもできます。
例
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.
詳しい手順
ワークフロー構造を明確に定義し、タスクを完了する順序を概説します。 これは、エージェントが論理的かつ効率的な方法でプロセスをユーザーにガイドするのに役立ちます。 たとえば、タスクに複数のステップが含まれる場合は、エージェントに対して、ステップを順番に完了し、ユーザーが次のステップに進む前に各ステップを完了する必要があることを指示します。
例
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.
相互作用の例
エージェントがさまざまなシナリオでどのように対応するかを示す理想的な相互作用の例を示します。
例
**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.
エラー処理と制限事項
必要な前提条件を満たさずに、ユーザーが何かを要求した場合の状況を処理する方法をエージェントに指示します。 エージェントが特定のトピックをメンションしないことが重要な場合は、手順でこれを明確に示します。
エラー処理には、一般的な指示または特定のスキルの説明の一部を指定できます。
例
- 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.
フィードバックとイテレーション
エージェントに対して、ユーザーからのフィードバックを求めて提案を絞り込み、対話を改善するように指示します。
フィードバックは、一般的な指示またはスキルの説明の一部にすることができます。
例
- 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.
標準以外の用語
標準ではない、または命令のorganizationに固有の特定の用語を定義します。 これにより、エージェントが応答でこれらの用語を正しく理解し、使用できるようになります。 これらの用語の用語集を提供することは、エージェントとユーザーの両方に役立ちます。
用語定義は、一般的な指示または特定のスキルの説明の一部にすることができます。
例
LEU means Learning Engagement Units. This term is used to quantify the engagement level of learners in various training programs.
フォローアップとクローズ
エージェントに対話をフォローアップするように指示して、ユーザーに対して、さらに支援を受けることができることを通知し、関連するタスクに役立つオファーを提供します。
また、達成された内容を要約したり、次の手順を提案するなどして、セッションを適切に閉じる方法をエージェントに指示します。
終了指示は、一般的な指示またはスキルの説明の一部にすることができます。
- 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.
手順を反復処理する
宣言型エージェントの手順の開発は、多くの場合、反復的であり、通常は次の手順で構成されます。
- この記事で説明する構造と形式に従って、エージェントの指示と会話スターターを作成します。
- エージェントを発行します。 責任ある AI (RAI) プラクティスが検証プロセスに統合され、エージェントが倫理基準を確実に守ります。 詳細については、以下を参照してください。
- エージェントをテストします。
- ユーザー プロンプトとMicrosoft 365 Copilotを比較して、応答時にエージェントが追加の値を持ち込むかどうかを確認します。
- スレッド スターターが、ステップ バイ ステップ ガイダンスを使用して期待どおりに動作することを確認します。
- エージェントが指定された指示に従って動作することを確認します。
- 会話スターターの外部でユーザーのプロンプトが適切に処理されることを確認します。
-
命令を反復処理 して、出力をさらに改善できるかどうかを調べます。
- 指示を変更して、エージェントの動作を変更します。
- Teams Toolkit または Copilot Studioを使用して必要に応じて、Web 検索、OneDrive/SharePoint、Microsoft Graph コネクタなどの知識を追加してみてください。
次の図は、宣言型エージェント命令を作成および調整するための反復プロセスを示しています。
エージェントの指示に関するベスト プラクティス
要約すると、エージェントの指示を構造化したままにし、反復的なプロセスに従って、エージェントが満足のいく結果を得るまで、指示をテストして改善することが重要です。
手順を作成するときは、次のベスト プラクティスを適用します。
具体的に指定します。 あいまいまたはあいまいな命令は、誤解や誤った応答につながる可能性があります。 タスク、コンテキスト、期待、および特定の要件を明確に定義します。
タスクを小さなステップに分割します。 フローがより小さく、より詳細な手順で構成されている場合、パフォーマンスが向上します。
明確な構文を使用します。 句読点、見出し、セクション区切り記号を含めます。これにより、命令の解析が容易になります。 セクション間の区切り記号を使用して、命令を例から分離します。
例を使用します。 望ましい結果を示す詳細な例とシナリオを提供します。 指示の精度が高いほど、エージェントはタスクを正確かつ効率的に実行できます。 いくつかのショット プロンプト では、新しい問題の解決を求める前にいくつかの解決された例をエージェントに提供する必要があります。 考え方の連鎖 手法は、エージェントにステップ バイ ステップのソリューションを提供するように指示します。
Do Not の代わりに Do を使用します。 エージェントに何をすべきかを伝えます。何をしないかを伝えないでください。 エージェントに何をすべきかを伝えることは、より具体的になります。
対照的な指示は避けてください。 有効/正と無効/負の両方の命令を与える代わりに、有効または肯定的なユース ケースでのみ、エージェントの予期される動作について説明します。 このような手順では、あいまいさが生じ、モデルが混乱する可能性があります。 有効なユース ケースと無効なユース ケースの両方をエージェントに指示する必要がある場合は、エージェントで処理するクエリを明確に記述し、各クエリに対して予想される応答を示す 対話の例 を提供します。
ナレッジを追加します。 エージェントにナレッジを追加する場合は、各ナレッジ ソースによって表される内容を手順で説明します。
関連コンテンツ
- Teams Toolkit で作成された宣言型エージェントのマニフェスト ファイルのサンプルについては、「Microsoft 365 Copilotの宣言型エージェント スキーマ」を参照してください。
- Copilot Studioを使用して宣言型エージェントを作成する方法については、「エージェントを使用して拡張する」を参照してください。
- 宣言型エージェントの検証要件については、「エージェントの 検証ガイドライン」を参照してください。