Använd copilot för att analysera datorflödesaktiviteter (förhandsgranskning)

Artikel
08/29/2024

[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]

Förståelse för automationsprestanda är avgörande för att uppnå målen för operativ excellens och tillförlitlighet, oavsett storleken på automationsinnehavet, teamet eller rollen inom organisationen. För att kunna nå dessa mål krävs avancerade och dynamiska övervakningsfunktioner som ger dig värdefulla insikter som framhäver områden med framgång och identifierar potentiella flaskhalsar, trender och områden för förbättringar. Med mer detaljerade insikter kan du fatta välgrundade beslut som optimerar dina automatiseringsprocesser, vilket leder till ökad effektivitet och effektivitet.

Viktigt!

Detta är en förhandsversion.
Förhandsversionsfunktioner ska inte användas i produktion och funktionerna kan vara begränsade. funktionerna är tillgängliga före den officiella publiceringen så att kunderna kan få tillgång tidigare och ge oss feedback.

De senaste förbättringarna av AI ger oss möjligheter vi aldrig tidigare skådat att utforska nya användningsfall för automatiseringsövervakning med allt från enkel datautforskning till avvikelseidentifiering, smarta rekommendationer och till och med självåterställande robotar.

Med copilot som nu kan analysera datorflödesaktiviteten tar vi nu det första steget i en ny riktning, så att du kan för första gången skapa insikter genom att ställa aktivitetsspecifika frågor om datorflöden till copilot med naturligt språk.

Viktigt!

Den här funktionen drivs av Azure OpenAI Service.
Copilot är en ny teknik som fortfarande utvecklas. Den är optimerad för användning med engelska och har begränsat stöd för andra språk. Delar av den kan därför visas på engelska i stället för det språk du föredrar.
Läs Vanliga frågor och svar om ansvarsfull AI för copilot i datorflödesaktivitet (förhandsversion) för mer information om den nya copilot-upplevelsen.
Fler vanliga frågor och svar: Vanliga frågor och svar om Ansvarsfull AI för Power Automate,Vanliga frågor och svar om copilot datasäkerhet och sekretess i Microsoft Power Platform

Förutsättningar

Ett arbets- eller school-konto med åtkomst Power Automate miljö som är baserad i USA.
Under den första förhandsgranskningen måste det finnas en miljö i regionen USA för att kunna använda den här funktionen. Om du inte har åtkomst till en miljö baserad i USA kan du be administratören att Power Platform skapa en ny miljö i administrationscenter och välja USA som region.
Kontrollera kända begränsningar för mer information.

Hur fungerar det?

Den här copilot-upplevelsen drivs av tjänsten Azure Open AI och kan översätta användarprompter till giltiga Dataverse FetchXML frågor. Inledningsvis fokuserar och optimeras frågorna för datorflödesaktiviteter, t.ex. körningar, flöden, fel och datorer.

Process på hög nivå

När användaren matar in en giltig prompt genererar copilot en giltig FetchXML fråga baserat på indata.
Om det genererade FetchXML är giltigt körs frågan sedan mot Dataverse serverdelen under den aktuella användarens säkerhetskontext för att hämta matchande data. På så sätt kan användarna bara se data som de redan har behörighet till.
Copilot bestämmer sedan vilken visualisering som passar bäst, till exempel ett tabell-, cirkeldiagram-, stapeldiagram- eller linjediagram, för att effektivt presentera insikterna och data för användaren.

Vad är FetchXML-frågor?

Microsoft Dataverse FetchXML är ett språk som används för att hämta data från en Dataverse-databas. Den är utformad för att vara enkel att skapa, använda och förstå. Du kan till exempel be Dataverse om en lista över alla flödeskörningar för ett visst flöde. Frågan FetchXML är det sätt på vilket du formulerar frågan så att databasen förstår den och kan ge dig rätt resultat.

Fråga bästa metoder

Var specifik: Ju mer specifik du är med prompten, desto bättre kommer AI att förstå och svara. Om AI inte ger den önskade effekten, oroa dig inte, försök igen genom att justera prompten.
Experimentera med frågor: Om du inte får de resultat du förväntar dig kan du försöka omformulera prompten eller skapa mer sammanhang.
Ge feedback: Om AI skapade bra eller dåliga svar, meddela oss genom att välja alternativen upp och ned och ge mer feedback via länken Tipsa Microsoft om vad du gillat om funktionen som visas under.

Exempel på fråga

Exempel på frågor som kan användas som startprompt för egna användningsfall förklaras i det här avsnittet. En del av dessa frågor kanske inte är tillämpliga eller returnerar felaktiga resultat, eftersom precisionen kan beror på modellförståelse eller den faktiska prompten och de data som finns tillgängliga för dig baserat på dina behörigheter. Vi rekommenderar att du granskar och validerar de returnerade resultaten och FetchXML frågan. Mer information: Validera FetchXML frågeresultat som genererats av copilot.

Körningar

Vilka flöden har körts mest den senaste veckan?
Vad händer med de fem översta flödena efter antal slutförda körningar?
Hur lång var den genomsnittliga körningslängden för flödet '[infoga ditt flödesnamn här]' under förra halvåret?

Fel

Visa de fel som har körts oftast under den senaste månaden.
Visa en distribution av lyckade och misslyckade flöden under det senaste kvartalet.
Hur många misslyckade körningar har misslyckats under veckan före den sista?

Datorer

Vilka problem som misslyckades mest i dag?
Vilka datorer är i underhållsläge?
Vilka datorer har flest körningsfel?

Utvecklare

Visa de översta flödena efter antal körningar tillsammans med deras ägarinformation.
Vilka var de tio bästa användarna som körde flöden under den senaste månaden?
När och av vem ändrades datorflöden förra veckan?

Frågor med flera svängar

När det gäller AI gör frågor med flera svängar att du kan ha en pågående konversation med copilot, där den kommer ihåg sammanhanget för de tidigare meddelandena i konversationen. Det är inte bara ett svar på vanliga frågor, utan även ett svar i en dialog med dig, där varje svar bygger på vad som har sagts tidigare.

Kommentar

När du deltar i konversationer med flera svängar, observera att copilot endast håller reda på de fem senaste frågorna. Det innebär att copilot börjar rensa de frågor som angavs först och bara behåller de senaste fem. För att förbättra svarskvaliteten föreslår vi att du begränsar uppföljningsfrågorna till fyra och startar sedan om chatten. Mer information: Rensa tidigare prompt-sammanhang och börja om.

Exempel

Vända	Fråga och svar
	Användare: visa en distribution av lyckade och misslyckade flöden under det senaste kvartalet
	Copilot: Här är en distribution av lyckade och misslyckade flöden under det senaste kvartalet.
	Användare: Vad var det översta felet för dem som misslyckades?
	Copilot: Här är det översta felet av de som misslyckades.
	Användare: på vilka datornamn misslyckades de mest?
	Copilot: Här är datornamnen där de flesta felen inträffade.
	Användare: av dem som lyckades med vilken varaktighet hade de i genomsnitt körts?
	Copilot: Här är genomsnittslängden för de flöden som har lyckats.

Påverka utdataformatet

Du kan påverka copilot utdataformat genom att be om explicita utdatatyper som "visa mig misslyckad jämfört lyckad flödeskörningsfördelning som ett stapeldiagram." Detta ger sannolikt följande resultat:

Rensa tidigare prompt-sammanhang och börja om

Om du vill återställa konversationen med copilot kan du välja de tre punkterna ... bredvid copilot-namnet och välj sedan Nya chatt.

Validera FetchXML-frågeresultat som genererats av copilot

Följande steg vägleder dig genom processen för att validera (och eventuellt återanvända) FetchXML frågor i Power Automate molnflöden.

Steg 1: Kopiera FetchXML-frågan

När du har skickat din fråga till copilot får du en svarslänk med etiketten Visa kod. Markera länken och välj sedan kopieringsikonen som finns längst upp till höger i rutan FetchXML för att kopiera koden.

Steg 2: Skapa molnflöde och testfråga FetchXML

Navigera till portalen Power Automate portal and select Mina flöden från den vänstra navigeringsmenyn.
Fortsätt genom att välja + Nytt flöde i kommandofältet och välj instant molnflöde från listrutans meny.
Ange ett namn för flödet, välj Utlös ett flöde manuellt och välj sedan Skapa.
Molnflödesdesignern visas. Välj knappen + Nytt steg.
Skriv in i sökfältet som visas Dataverse och välj sedan Dataverse anslutningsprogram från resultaten.
Olika åtgärder visas. Bläddra igenom tills du hittar och markerar åtgärden för listrader.
Åtgärden Lista rader, välj länken Visa avancerade alternativ.
Ett FetchXML frågefält visas. Det är här du matar in den kopierade FetchXML frågan som copilot genererade tidigare.
När du har klistrat in din FetchXML väljer du Spara.
Testa flödet genom att välja Testa.
Följ anvisningarna på skärmen om du vill starta flödet manuellt för att granska resultatet.

Steg 3: Förstå resultaten

Anta att du frågade copiloten "hur många misslyckade kontra lyckade flöden hade vi förra månaden?" Detta skapar en FetchXML fråga som liknar följande:

<fetch version="1.0" mapping="logical" aggregate="true" count="3" page="1">
    <entity name="flowsession">
        <attribute name="flowsessionid" alias="flowsession_count" aggregate="count" />
        <attribute name="statuscode" alias="flowsession_statuscode" groupby="true" />
        <filter type="and">
            <condition attribute="completedon" operator="last-x-months" value="1" />
        </filter>
    </entity>
</fetch>

Om data matchar den angivna FetchXML frågan returnerar åtgärden Listrader Dataverse som konfigurerades i steg 2 data i ett format som kallas JSON( JavaScript Object Notation), vilket i huvudsak är en metod som används för att presentera data på ett välorganiserat sätt, vilket gör det enkelt att läsa och skriva digitalt.

För distributionsbaserade frågor som tidigare nämnts grupperas data efter ett eller flera fält (statuscode), tillsammans med en samling (count) som returnerar antalet för varje grupp (d.v.s failed. succeeded och så vidare).

Varje post som returneras innehåller fält, till exempel:

flowsession_count: Antalet gånger arbetsflödet kördes.
flowsession_regardingobjectid: Den unika identifieraren för flödeskörningen.
flowsession_statuscode: Status för flödeskörningen (t.ex. misslyckas).
workflow_name: Namnet på flödet.

Om du vill veta hur många gånger ett visst flöde har körts tittar du i flowsession_count kolumnen i posten där workflow_name är ditt flödesnamn.

Förstå copilot-svar vid frågor om svårare problem

I den här tabellen visas standardsvar som returneras när copilot inte förstår din fråga, avsikt eller genererar ett giltigt svar.

Copilot-svar	Detaljer
Det har tyvärr uppstått ett fel. Försök igen.	Indikerar att det har uppstått ett oväntat fel. Omformulera din fråga och försök igen.
Tyvärr, jag kunde inte förstå din fråga. Omformulera det och försök igen. Jag kan besvara frågor om informationen på den här sidan. Fler exempel på frågor som du kan prompt copilot på finns i avsnittet snabb exempel avsnitt på vår sida dokumentation.	Anger att din fråga inte kunde översättas till en giltig FetchXML fråga. Omformulera din fråga och försök igen.
Tyvärr har Copilot nått sin maximala kapacitet och är inte tillgänglig för tillfället. Försök igen om en liten stund.	Anger att det finns resursbegränsningar på serverdelen. Försök sedan på frågan igen efter en kort tid.
Ditt meddelande innehåller potentiellt innehåll som kan vara skadligt. Kontrollera att dina indata är korrekta och försök igen.	Anger att din fråga kan innefatta potentiellt skadligt innehåll och har blockerats av serverdelstjänsten. Ta bort potentiellt skadligt innehåll från din fråga och försök igen.
Tyvärr gick det inte att skapa ett giltigt svar baserat på din fråga. Omformulera det och försök igen. Jag kan besvara frågor om informationen på den här sidan. Fler exempel på frågor som du kan prompt copilot på finns i avsnittet snabb exempel avsnitt på vår sida dokumentation.	Anger att den genererade FetchXML frågan är ogiltig eller att frågan misslyckades när copilot försökte köra den. Omformulera din fråga och försök igen.
Sökningen innehåller för många resultat. Förfina din fråga och försök igen. Exempel på hur du begränsar sökresultat som returneras av copilot finns på vår dokumentationssida.	Anger att filtren som tillämpas på frågan överskrider de aktuella sammansättningsgränserna i FetchXML. Lägg till lämpligare filter som att be om gårdagens eller förra månadens data till din fråga för att säkerställa att den returnerar data inom dessa gränser.

Kända problem och begränsningar

Följande lista innehåller kända begränsningar för copilot i datorflödesaktivitet.

Copilot är en ny teknik som fortfarande utvecklas. Den är optimerad för användning med engelska och har begränsat stöd för andra språk. Delar av den kan därför visas på engelska i stället för det språk du föredrar.
Copilot är för närvarande endast tillgänglig i Dataverse-miljöer med bas i USA.
Copilot kan returnera felaktiga eller ofullständiga data och FetchXML frågor.
Copilot kan till en början bara besvara frågor om datorflödesaktiviteter, t.ex. fel, datorer och tidigare och aktuella körningar.
I konversation med flera turer behåller copilot sammanhanget endast för de fem sista frågorna. Om du får felaktiga eller ofullständiga resultat kan du överväga att återställa konversationen. Mer information: Rensa tidigare prompt-sammanhang och börja om.
För frågor som returnerar stora resultatuppsättningar kanske inte copilot kan returnera eller återge dessa.

Dela via

Använd copilot för att analysera datorflödesaktiviteter (förhandsgranskning)

Förutsättningar