Escrever instruções efetivas para agentes declarativos

Os agentes declarativos são versões personalizadas de Microsoft 365 Copilot que o ajudam a criar experiências personalizadas ao declarar instruções, ações e conhecimentos específicos. Este artigo fornece orientações para escrever instruções eficazes para um agente declarativo. Utilize esta documentação de orientação para ajudar a garantir que o agente declarativo responde adequadamente aos pedidos dos utilizadores, processa os dados com precisão e mantém um fluxo de trabalho consistente.

Esta documentação de orientação aplica-se a programadores e criadores que estejam a utilizar o Teams Toolkit ou Copilot Studio para criar agentes declarativos.

Componentes de instrução

Um conjunto bem estruturado de instruções garante que o agente compreende a sua função e tarefas e como interagir com os utilizadores. Seguem-se os componentes main de instruções declarativas do agente:

• Objetivo
• Diretrizes gerais, incluindo direções gerais, tom e restrições
• Capacidades

Além disso, quando relevante, as instruções incluem:

• Instruções passo a passo
• Processamento de erros e limitações
• Comentários e iteração
• Exemplos de interação
• Termos não padrão
• Seguimento e fecho

O diagrama seguinte mostra os componentes principais das instruções declarativas do agente.

Objetivo

Defina claramente a função e a área de especialização do agente, incluindo a função primária que serve.

Exemplo

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

Diretrizes

Defina como o agente deve comunicar. Um agente pode ser conciso, detalhado, interativo ou sugestivo. Inclua também quaisquer restrições que devem ser aplicadas.

Exemplo

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

Capacidades

Liste as tarefas main que o agente deverá realizar. Isto pode incluir gerar sugestões, automatizar tarefas, fornecer explicações ou orientar o utilizador através de processos. Também pode refletir os iniciadores de conversação do agente.

Exemplo

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. 

Instruções passo a passo

Defina claramente a estrutura do fluxo de trabalho e delinee a ordem pela qual as tarefas são concluídas. Isto ajuda o agente a orientar os utilizadores através de processos de forma lógica e eficiente. Por exemplo, se uma tarefa envolver vários passos, indique ao agente que os passos devem ser concluídos por ordem sequencial e que os utilizadores têm de concluir cada passo antes de avançarem para o seguinte.

Exemplo

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.

Exemplos de interação

Forneça exemplos de interações ideais que mostram como o agente deve responder em diferentes cenários.

Exemplo

**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.

Processamento de erros e limitações

Indique ao agente como lidar com situações em que um utilizador pede algo sem fornecer os pré-requisitos necessários. Se for importante que o agente não menção tópicos específicos, indique-o claramente nas instruções.

O processamento de erros pode fazer parte das direções gerais ou de uma descrição de competência específica.

Exemplo

- 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.

Comentários e iteração

Instrua o agente a procurar feedback do utilizador para refinar as sugestões e melhorar a interação.

O feedback pode fazer parte das direções gerais ou de uma descrição de competências.

Exemplo

- 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. 

Termos não padrão

Defina quaisquer termos específicos que não sejam padrão ou exclusivos para a organização nas instruções. Isto garante que o agente compreende e utiliza estes termos corretamente nas suas respostas. Fornecer um glossário destes termos pode ser útil tanto para o agente como para os utilizadores.

As definições de termos podem fazer parte das direções gerais ou de uma descrição de competência específica.

Exemplo

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

Seguimento e fecho

Indique ao agente para dar seguimento às interações para lembrar aos utilizadores que está disponível para obter mais assistência e oferecer ajuda com tarefas relacionadas.

Indique também ao agente como fechar corretamente uma sessão, como resumir o que foi alcançado ou sugerir os passos seguintes.

As instruções de fecho podem fazer parte das direções gerais ou de uma descrição de competência.

- 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.

Iterar as suas instruções

O desenvolvimento de instruções para agentes declarativos é frequentemente iterativo e consiste normalmente nos seguintes passos:

1. Crie instruções e iniciadores de conversação para o seu agente seguindo a estrutura e o formato descritos neste artigo.
2. Publique o agente. As práticas responsáveis de IA estão integradas no processo de validação para garantir que os agentes mantêm padrões éticos. Para saber mais, consulte:
   • Ferramentas e práticas de IA Responsável
   • Aplicações com tecnologia de inteligência artificial
3. Teste o agente.
   1. Compare um pedido de utilizador com Microsoft 365 Copilot para confirmar que o agente traz valor adicional ao responder.
   2. Verifique se os iniciadores de conversação funcionam conforme esperado com a documentação de orientação passo a passo.
   3. Verifique se o agente age de acordo com as instruções fornecidas.
   4. Confirme que os pedidos de utilizador fora dos iniciadores de conversação são processados adequadamente.
4. Itere as instruções para explorar se pode melhorar ainda mais o resultado.
   • Modifique as instruções para alterar o comportamento do agente.
   • Experimente adicionar conhecimentos como pesquisa na Web, OneDrive/SharePoint ou conectores do Microsoft Graph, se necessário, com o Teams Toolkit ou Copilot Studio.

O diagrama seguinte ilustra o processo iterativo para criar e refinar instruções declarativas do agente.

Melhores práticas para instruções do agente

Em resumo, é importante manter as instruções do agente estruturadas e seguir um processo iterativo de para testar e melhorar as suas instruções até que o agente forneça resultados satisfatórios.

À medida que desenvolve as suas instruções, aplique as seguintes melhores práticas:

• Seja específico. Instruções vagas ou ambíguas podem levar a mal-entendidos e respostas incorretas. Defina claramente as tarefas, o contexto, as expectativas e quaisquer requisitos específicos.

• Divida as tarefas em passos mais pequenos. O desempenho é melhor quando o fluxo consiste em passos mais pequenos e mais granulares.

• Utilize sintaxe clara. Inclua pontuação, cabeçalhos e separadores de secção que permitem uma análise mais fácil das instruções. Utilize delimitadores entre secções para separar as instruções dos exemplos.

• Utilize exemplos. Forneça exemplos e cenários detalhados para ilustrar os resultados pretendidos. Quanto mais precisas as instruções, melhor o agente pode realizar as suas tarefas de forma precisa e eficiente. A solicitação de poucos tiros envolve fornecer ao agente alguns exemplos resolvidos antes de pedir que resolva um novo problema. As técnicas de cadeia de pensamento instruem o agente a fornecer uma solução passo a passo.

• Utilize Do em vez de Não. Diga ao agente o que fazer; evite dizer-lhe o que não fazer. Indicar ao agente o que fazer fornece mais especificação.

• Adicione conhecimentos. Se adicionar conhecimentos ao agente, descreva o que é representado por cada origem de conhecimento nas suas instruções.

Conteúdo relacionado

• Para obter um ficheiro de manifesto de exemplo para um agente declarativo criado com o Teams Toolkit, veja Esquema de agente declarativo para Microsoft 365 Copilot.
• Para obter informações sobre como utilizar Copilot Studio para criar agentes declarativos, consulte Expandir com agentes.
• Para obter informações sobre os requisitos de validação para agentes declarativos, veja Diretrizes de validação para agentes.