Używanie akcji przewidywania w usłudze Power Automate

Możesz użyć dedykowanych akcji dla każdego modelu AI Builder w Power Automate. Jednak akcja przewidywania umożliwia korzystanie z wielu typów modeli AI Builder.

Używanie modelu niestandardowego lub wstępnie utworzonego

1. Zaloguj się do usługi Power Automate.

2. Wybierz w lewym oknie pozycję Moje przepływy, a następnie wybierz nowy przepływ>Natychmiastowy przepływ w chmurze, wpaneu nawigacyjnym.

3. Nazwij swój przepływ.

4. W sekcji Wybierz sposób wyzwalania tego przepływu wybierz pozycję Ręcznie wyzwalaj przepływ, a następnie wybierz pozycję Utwórz.

5. Wybierz opcję + Nowy krok, a następnie wprowadź przewidywanie w pasku wyszukiwania.

6. Wybierz opcję Przewidywanie z AI Builder lub Przewidywanie przy użyciu modeli AI Builder z Microsoft Dataverse. Obie akcje oferują te same funkcje.

   

7. W danych wejściowych modelu wybierz utworzony model niestandardowy lub wybierz wstępnie utworzony model.

Uwaga

Dowiedz się więcej o parametrach wejściowych i wyjściowych każdego modelu w następujących sekcjach AI Builder w przeglądzie Power Automate:

• Niestandardowe modele AI, które można tworzyć i szkolić
• Gotowe modele AI, których można od razu używać w Power Automate

Korzystanie z dynamicznego identyfikatora modelu (zaawansowane)

W przypadku niektórych złożonych przypadków użycia może zaistnieć konieczność dynamicznego przekazania identyfikatora modelu do akcji predykcji. Na przykład aby przetwarzać różne typy faktur przy użyciu różnych modeli, można automatycznie wybrać model w zależności od typu faktury.

W tej sekcji wyjaśnimy, jak skonfigurować akcję przewidywania AI Builder dla tego konkretnego celu w zależności od typu modelu.

1. Zaloguj się do usługi Power Automate.

2. Wybierz pozycję Moje przepływy, a następnie wybierz nowy przepływ>Natychmiastowy przepływ w chmurze.

3. Nazwij przepływ, kliknij opcję Wyzwól przepływ ręcznie w sekcji Wybierz sposób wyzwalania tego przepływu, a następnie kliknij przycisk Utwórz.

4. Wybierz + Nowy krok.

5. Wprowadź zmienną inicjacyjną na pasku wyszukiwania, a następnie wybierz ją na karcie Akcje.

6. Wprowadź identyfikator modelu w danych wejściowych nazwa, Ciąg w danych wejściowych typ i identyfikator modelu rzeczywistego w danych wejściowych wartości.

   Identyfikator modelu można znaleźć w adresie URL strony szczegółów modelu w Power Apps: make.powerapps.com/environment/[environment id]/aibuilder/models/[model id]

7. Wybierz + Nowy krok, wyszukaj przewidywanie i wybierz Przewidywanie z AI Builder.

8. Wybierz wartość wejściową >Podaj wartość niestandardową, a następnie wprowadź identyfikator modelu z kroku 6.

   Wartość kolumny Wywnioskuj żądanie zależy od typu modelu.

Model przetwarzania dokumentów

1. W kroku Ręczne wyzwalanie przepływu dodaj Plik i ustaw jego nazwę na Zawartość pliku.

2. W kroku Ręczne wyzwalanie przepływu dodaj Tekst i ustaw jego nazwę na Typ naśladownictwa.

3. W kroku Zainicjuj zmienną wprowadź identyfikator modelu przetwarzania dokumentów.

4. W kroku Przewiduj wprowadź następującą wartość w kolumnie Wywnioskuj żądanie:

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

   pages jest opcjonalny i może mieć postać "2" lub jako zakres, taki jak "1–10".

   

5. Wybierz pozycję Zapisz w prawym górnym rogu, a następnie wybierz pozycję Testuj, aby wypróbować przepływ:

   

6. W szczegółach uruchamiania przepływu pobierz wyniki notacji JSON dotyczące akcji predykcji w sekcji OUTPUTS (dane wyjściowe). Te wyniki są przydatne podczas tworzenia działań podrzędnych przy użyciu wartości modelu.

   

7. Wróć do przepływu w trybie edycji.

8. Wybierz opcję + Nowy krok i wybierz działanie Twórz (lub dowolną inną akcję, aby utworzyć dane wyjściowe modelu). Załóżmy, że dane wyjściowe modelu mają kolumnę Łącznie. Można ją pobrać za pomocą następującej formuły:

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

   

Model wykrywania obiektów

Proces ten jest podobny do żądania infer w kroku 4 w sekcji Model przetwarzania dokumentów:

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

Model klasyfikacji kategorii

Proces ten jest podobny do żądania infer w kroku 4 w sekcji Model przetwarzania dokumentów:

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