Copilot-optimering af agentskabelon til dokumentoversigt (forhåndsvisning af tidlig adgang)

Agentskabelonen Dokumentoversigt hjælper dig med at generere oversigter, der afspejler din organisations stemme, prioriteter og kvalitetsstandarder. Ved hjælp af Copilot-optimering kan du konfigurere agenten til at tilpasse resuméer til bestemte målgrupper, formål, toner og længder uden at omskrive prompter hver gang.

Denne funktion er nyttig til scenarier som ledelsesbriefinger, juridiske vurderinger og overholdelsesvurderinger, uddannelse, sundhedsdokumentation, intern kommunikation og forretningsudvikling. Ved at standardisere, hvordan teams udarbejder oversigter, kan de spare tid, forbedre beslutningstagningen og levere ensartede resultater.

Vigtigt!

Microsoft Copilot-optimering er i øjeblikket tilgængelig for et begrænset antal kunder via programmer med tidlig adgang. Adgang gennem Frontier er planlagt til april 2026. Funktioner og krav kan ændres.

Det kan agenten gøre

Ved hjælp af agentskabelonen Dokumentoversigt kan du:

  • Opret opsummeringer fra understøttede filer ud fra de instruktioner, du angiver for tone, målgruppe, formål, længde og fokusområder.
  • Opret specialiserede opsummeringsagenter ved at justere mål og kontekst.
  • Finjuster agenten yderligere ved hjælp af din organisations egne data for at forbedre relevansen, konsistensen og oversigtskvaliteten for dit scenarie.

Skærmbillede, der viser, at agenten kan generere oversigter, oprette opsummeringsagenter og finjustere baseret på organisationsdata.

Når du aktiverer finjustering, kan agenten:

  • Find ud af, hvilke oplysninger der er vigtigst, baseret på eksempler af høj kvalitet.
  • Anvend dine opsummeringsmål og rubrikker konsekvent på tværs af dokumenter.

Skærmbillede, der viser, at medarbejderen kan få mere at vide om, hvad der er vigtigt, og anvende mål og rubrikker.

Understøttede input og output

Agenten understøtter følgende input og output:

  • Understøttede filtyper: Word (.docx) og PDF (.pdf)
  • Inputomfang: Enkelte filer eller mapper, der indeholder flere filer
  • Udgange:
    • En oversigt, der genereres i Copilot-samtalen
    • En kladde til et resumé leveret via mail

Skærmbillede, der viser understøttede filtyper, inputområder og output.

Brug agenten til afledning

Før du finjusterer agenten, skal du teste den ved at køre afledning med eksempelprompter. Prompter skal referere til en eller flere inputfiler.

Eksempel på prompt:

Opsummer de vigtigste drivkræfter for profit og vækstområder baseret på EarningsStatement2024.docx og EarningsStatement2025.docx.

Understøttede promptmønstre

Agentskabelonen Dokumentoversigt understøtter promptmønstre for en enkelt fil og flere filer.

  • Enkelt fil: Opsummer de vigtigste højdepunkter og lavpunkter for en ledelsesgennemgang baseret på ProjectStatus.docx.

  • Flere filer: Opsummere projektrisici baseret på TeamA_Status.docx, TeamB_Status.docx og TeamC_Status.docx.

Skærmbillede, der viser understøttede promptmønstre er en enkelt fil og flere filer.

Hvorfor tune?

Forskellige teams har brug for oversigter, der optimerer til forskellige resultater. Ledere vil måske have kortfattede beslutningsparate briefes, juridiske teams vil måske have præcise risikofokuserede opsummeringer, og projektledere vil måske have handlingsorienterede opsummeringer. Justering hjælper agenten med at lære, hvilke detaljer der betyder mest for dit scenarie, og anvende disse prioriteter konsekvent.

Du kan finjustere agenter i to trin. Vælg den relevante fase baseret på scenariet:

  • Finjustere kontekst: Definer faste mål, rubrikker og forventninger til opsummering uden modeltræning.
  • Tune-model: Gør relevansen og konsistensen bedre ved hjælp af din organisations data.

Justerbare agenter understøtter målbaserede evalueringer, så du kan måle succes ved hjælp af målepunkter, der er justeret efter din organisations opsummeringsprioriteter i stedet for generiske kvalitetsresultater.

Forudsætninger

Dokumentoversigt bruger en mål- og rubrikbaseret træningstilgang. I modsætning til andre tuningopskrifter behøver du ikke at give ideelle outputeksempler på forhånd.

Før du går i gang med kontekstjustering, skal du forberede følgende elementer:

  1. Tydelige mål , der beskriver, hvordan en oversigt af høj kvalitet skal se ud.
  2. Kontekstinput som formål, målgruppe, længde, tone og fokussektioner.
  3. Eksempler på inputfiler , der repræsenterer de dokumenter, du vil opsummere.
  4. En proces til at gennemgå og finjustere afklaring af spørgsmål og målepunkter for evaluering.

Bemærk!

Denne opskrift bruger ræsonnementsbaseret finjustering. Under justeringen lærer modellen at ræsonnere over inputindhold ved hjælp af dine mål, tydeliggøre spørgsmål, evalueringsmålepunkter og repræsentative eksempler som kategorier for kvalitet.

Justering af kontekst

Ved hjælp af kontekstjustering kan du angive standardfunktionsmåden for agenten, uanset kørselsprompten.

Definer mål og opgaver

Start med at definere dine opsummeringsmål. Disse mål beskriver agentens rolle, prioriteter og kvalitetsforventninger.

Følgende eksempel viser et mål:

  • Du er erfaren projektleder hos Contoso. Opret formålsstyrede, målgruppe-relevante resuméer til travle læsere, der betyder noget for vigtige risici og afhjælpninger.

Du kan vælge at inkludere retningslinjer , der fungerer som kategorier, f.eks.:

  • Følg alle brugerinstruktioner.
  • Respekter det erklærede formål med oversigten.
  • Tilpas indhold til den angivne målgruppe.
  • Match den ønskede tone (f.eks. neutral eller juridisk).
  • Overhold omtrentlige længdekrav.
  • Medtag eller udelad sektioner som angivet.
  • Afspejle det fulde formål med brugerens instruktioner.

Vælg virksomhedskategorier

Angiv en eller flere virksomhedskategorier eller brancher (f.eks. Projektledelse, Jura eller HR). Disse kategorier hjælper systemet med bedre at kunne fortolke dine mål og din kontekst.

Overføre eksempelinputfiler

Upload en eller flere filer, der repræsenterer typiske input for denne agent. Systemet bruger disse filer til at simulere evalueringer under justering. Du behøver ikke at angive eksempelresuméer på nuværende tidspunkt.

Gennemse afklaring af spørgsmål

Systemet genererer afklarende spørgsmål baseret på dine mål og input. Gennemse og rediger disse spørgsmål for at sikre, at de stemmer overens med den opgave, du vil have agenten til at udføre.

Gennemse målepunkter

Gennemse de målepunkter, der bruges til at evaluere agentens ydeevne. Systemet genererer et benchmark ved hjælp af dine eksempelinput og estimerer outputkvaliteten.

Tilføj, fjern eller rediger målepunkter for bedre at afspejle dine succeskriterier i den virkelige verden.

Afslut justering af kontekst

Når evalueringerne er fuldført, modtager du besked via mail. Hvis målepunkterne opfylder dine forventninger, kan du publicere agenten eller gå videre til justering af modellen for at forbedre resultaterne yderligere.

Finjuster model

Finjuster model er den mest avancerede tilpasningsindstilling for agentskabelonen Dokumentoversigt. Den finjusterer den underliggende model ved hjælp af din organisations data, så agenten bedre kan få mere at vide om, hvilke oplysninger der skal prioriteres, hvordan opsummeringer tilpasses din målgruppe og dit formål, og hvordan du anvender dine opsummeringsrubrikker mere ensartet på tværs af dokumenter.

Brug Tune-modellen, når:

  • Du har brug for mere ensartet opsummeringskvalitet på tværs af komplekse dokumenter eller dokumenter med høj indsats.
  • Scenariet afhænger af en nuanceret prioritering, som Finjuster kontekst alene ikke kan opnå.
  • Du ønsker, at agenten skal lære af repræsentative oversigtsresultater af høj kvalitet for din organisation.
  • Du har tilstrækkeligt med træningsdata af høj kvalitet til dit scenarie.

Påkrævede data

Hvis du vil bruge finjustere modellen, skal du forberede en mappe, der indeholder mindst 20 eksempeloutputfiler af høj kvalitet, hver med mindst én side lang, der repræsenterer ideelle oversigter til dit scenarie.

  • Vælg en mappe i stedet for individuelle filer.
  • Understøttede filtyper omfatter Word (.docx) og PDF (.pdf).
  • Brug af et større og mere repræsentativt datasæt forbedrer typisk resultaterne af modeljustering.
  • Brug eksempler, der afspejler de samme målgrupper, formål, toner og dokumenttyper, som du forventer på kørselstidspunktet.

Det kan en modeltunet agent gøre

En modeltunet agent kan:

  • Opret oversigter, der mere konsekvent afspejler din organisations prioriteter og rubrikker.
  • Øg relevansen ved at lære, hvilke detaljer der betyder mest for tværs af repræsentative eksempler.
  • Tilpas bedre oversigter til fælles målgrupper og formålskombinationer, der bruges af dine teams.
  • Giv en genanvendelig finjusteret opsummeringsoplevelse, som du kan dele på tværs af organisationen.

Brug Finjuster model med en dokumentoversigtsagent

Sådan bruger du Finjuster modellen med en dokumentoversigtsagent:

  1. Finjuster agent: Vælg Finjuster agent i den specialiserede agent Dokumentoversigt, som du oprettede ud fra agentskabelonen Dokumentoversigt, og gå derefter til indstillingen Finjuster model .
  2. Angiv foretrukne output: Vælg en mappe, der indeholder mindst 20 ideelle oversigtsoutput af høj kvalitet, hver på mindst én side, der repræsenterer den type opsummeringskvalitet, du vil have agenten til at lære.
  3. Gennemse adgang: Vælg en eller flere Microsoft Entra-sikkerhedsgrupper, eller begræns adgangen til dig selv baseret på, hvem der skal have tilladelse til at bruge den finjusterede agent.
  4. Start finjustering: Følg vejledningen i produktet for at starte finjusteringen. Justeringsprocessen kører asynkront, mens du fortsætter med at bruge den eksisterende agent.
  5. Gennemse målepunkter for evaluering, og beslut at offentliggøre: Når finjusteringen er fuldført, skal du gennemse de opdaterede målepunkter for evaluering, sammenligne resultaterne med den forrige fase og publicere den tunede model, hvis resultaterne opfylder dine forventninger.

Bemærk!

Fuldfør Finjuster kontekst først, så dine mål, afklaring af spørgsmål og målepunkter for evaluering allerede er defineret, før du går i gang med at finjustere modellen.

Brug en modeljusteret agent

Sådan bruger du en modeljusteret agent:

  • Chat med din tunede agent, og angiv en eller flere understøttede inputfiler.
  • Du behøver ikke at gentage de samme opsummeringsprioriteter i hver prompt, fordi den tunede model allerede afspejler den funktionsmåde, der er lært under oplæringen.
  • Agenten kan stadig følge kørselsinstruktionerne, men dens standardfunktionel formes af de trænede opsummeringsmønstre og evalueringsmål.
  • Du kan gennemse evalueringsresultaterne og publicere den tunede model, når den er klar til bredere brug.

Begrænsninger for modeltunede agenter

Modeltunede agenter har følgende begrænsninger:

  • Du kan ikke vælge individuelle filer til modeljustering. Angiv en mappe i stedet.
  • Modeltunede agenter afhænger af kvaliteten og repræsentativiteten af de eksempler, du angiver.
  • Kun Word- og PDF-filtyperne understøttes.
  • Du bør gennemgå evalueringsresultaterne, før du publicerer en finjusteret model til bred brug.

Evaluering af justerbare agenter

På hvert justeringstrin kan du evaluere agenten med tilpassede kriterier baseret på din organisations forventninger til opsummeringskvalitet.

  • Mål: Definer agentens opsummeringsopgave og prioriteter.
  • Eksempelfiler: Angiv repræsentative inputdokumenter til evaluering.
  • Afklaring af spørgsmål: Gennemse og tilpas de genererede spørgsmål, der former evalueringsscenarier.
  • Målepunkter: Tilføj, fjern eller rediger de evalueringskriterier, der bruges til at måle kvalitet.
  • Resultater af evalueringen: Gennemse scorer og indsigt for at afgøre, om agenten er klar til at publicere eller har brug for yderligere finpudsning.