Bruk prediksjonshandling i Power Automate

Du kan bruke dedikerte handlinger for hver AI Builder-modell i Power Automate. Med prognose-handlingen kan du imidlertid bruke mange AI Builder-modelltyper.

Bruke en egendefinert eller forhåndsbygget modell

1. Logg på Power Automate.

2. I navigasjonsruten til venstre velger du Mine flyter, og velg deretter Ny flyt>Direkte skyflyt.

3. Gi navn til flyten.

4. Velg Utløs en flyt manuelt under Velg hvordan du vil utløse denne flyten, og velg deretter Opprett.

5. Velg + Nytt trinn, og angi deretter forutsi på søkelinjen.

6. Velg Forutsi fra AI Builder eller Forutsi ved hjelp av AI Builder-modeller fra Microsoft Dataverse. Begge handlinger tilbyr de samme funksjonene.

   

7. I Modell-inndata velger du en egendefinert modell du opprettet, eller velg en forhåndsbygget modell.

Merk

Finn ut mer om inndata- og utdataparameterne for hver modell i følgende avsnitt i AI Builder i Power Automate-oversikten:

• Egendefinerte modeller for kunstig intelligens som du oppretter og lærer opp
• Forhåndsbygde modeller for kunstig intelligens som du umiddelbart kan bruke i Power Automate

Bruke en dynamisk modell-ID (avansert)

For noen komplekse brukstilfeller kan det hende du må sende en modell-ID dynamisk til prediksjonshandlingen. Hvis du for eksempel vil behandle ulike typer fakturaer ved hjelp av forskjellige modeller, vil du kanskje automatisk velge en modell avhengig av fakturatypen.

I denne delen lærer du hvordan du konfigurerer AI Builder-prediksjonshandlingen for dette bestemte formålet, avhengig av modelltypen.

1. Logg på Power Automate.

2. Velg Mine flyter i venstre rute, og velg deretter Ny flyt>Direkte skyflyt.

3. Gi navn til flyten, velg Utløs en flyt manuelt under Velg hvordan flyten skal utløses, og velg deretter Opprett.

4. Velg + Nytt trinn.

5. Angi Initialiser variabel på søkelinjen, og velg den deretter i kategorien Handlinger.

6. Angi modell-ID i Navn-inndata, Streng i Type-inndata, og den faktiske modell-IDen i Verdi-inndata.

   Du finner modell-IDen i nettadressen til modellens detaljside i Power Apps: make.powerapps.com/environment/[environment id]/aibuilder/models/[modell-ID]

7. Velg + Nytt trinn, søk etter prognose, og velg deretter Forutsi fra AI Builder.

8. Velg inndataene >Angi egendefinert verdi, og angi deretter modell-ID fra trinn 6.

   Verdien for kolonnen Utled forespørsel avhenger av modelltypen.

Dokumentbehandlingsmodell

1. I trinnet Utløs en flyt manuelt legger du til Fil-inndata og setter navnet til Filinnhold.

2. I trinnet Utløs en flyt manuelt legger du til Tekst-inndata og setter navnet til MIME-type.

3. Angi en ID for dokumentbehandlingsmodellen i trinnet Initialiser variabel.

4. I trinnet Forutsi angir du følgende verdi i kolonnen Utled forespørsel:

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
       "pages": "@{base64('1-2')}"
       }
   }
   

   sider-parameteren er valgfri og kan ha formen «2» eller et område som «1–10».

   

5. Velg Lagre i øverst til høyre, og velg deretter Test for å teste flyten:

   

6. I delen for informasjon om flytkjøring henter du utdataene for JSON-modellen i UTDATA-delen i prediksjonshandlingen. Disse utdataene er nyttig for å bygge nedstrømshandlinger ved hjelp av verdiene i modellen.

   

7. Gå tilbake til flyten i redigeringsmodus.

8. Velg + Nytt trinn, og velg Opprett-handlingen (eller andre handlinger for å behandle modellutdataene). La oss si at modellutdataene har kolonnen Total. Du kan få den med følgende formel:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Modell for objektregistrering

Denne prosessen er den samme som den utledede forespørselen i trinn 4 i delen Dokumentbehandlingsmodell:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Modell for kategoriklassifisering

Denne prosessen er den samme som den utledede forespørselen i trinn 4 i delen Dokumentbehandlingsmodell:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}