Copilot-optimering af agentskabelon med ekspertsvar (forhåndsvisning af tidlig adgang)

Ekspertsvar-agentskabelonen er en justerbar Microsoft Copilot-agentskabelon, der er designet til at besvare komplekse, domænespecifikke spørgsmål, der er baseret på din organisations indhold. Du kan finjustere agenten yderligere ved hjælp af virksomhedsdata for at forbedre svarkvaliteten, relevansen og ensartetheden.

I denne artikel beskrives almindelige scenarier, justeringsmuligheder, krav og begrænsninger for at hjælpe dig med at implementere agentskabelonen Ekspertsvar effektivt.

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.

Ekspertsvar oversigt over skabelon til helpdesk-medarbejdere

Skabelonen Expert Answers-agent udfører dybe søgninger på tværs af dit virksomhedsindhold og genererer jordbaserede svar baseret på disse data.

Almindelige scenarier omfatter:

  • Besvarelse af spørgsmål over store datasæt med jordforbindelse, f.eks. juridiske lagre eller overholdelseslagre med tusindvis af filer
  • Håndhævelse af en bestemt tone eller værn, f.eks. for interne HR- eller politikagenter
  • Arbejd med datasæt, der indeholder virksomhedsspecifik terminologi eller fagudtryk, f.eks. interne vidensbaser

En typisk arbejdsproces starter med test af den ikke-tilpassede agent. Du kan derefter tilpasse agenten ved hjælp af agentskabelonen Ekspertsvar i Agent Builder og eventuelt finjustere agenten for yderligere at forbedre dens svar.

Endelige svar kombinerer:

  • Funktioner for deklarative agenter, der er konfigureret i Agentgenerator
  • Funktioner til svar fra eksperter, der er konfigureret via justeringsprocessen

I de fleste tilfælde skal du bruge begge tilgange sammen ved at tilføje viden i Agent Builder og finjustere funktionsmåden via agentjustering.

Diagram, der viser, hvordan endelige svar kombinerer funktioner til deklarative agenter, der er konfigureret i Agent Builder, med funktioner til ekspertsvar, der er konfigureret via justeringsflowet.

Justeringsflow

Justeringsflow hjælper dig med at evaluere og forbedre agentsvar. Du kan finjustere en Expert Answers-agentskabelon på tre måder.

Justeringstype Anvendelse
Kontekst Tilføj søgefunktioner for ekspertsvar ud over deklarative agentfunktioner, og evaluer agentfunktionsmåde
Model Forbedr, hvordan agenten søger efter og henter relevante filer
Værktøjer Tilføj underagenter for at håndhæve værn, anvende tone eller generere dybere svar ved hjælp af Researcher

Skærmbillede, der viser justeringsflow, der omfatter kontekst, model og værktøjer.

Brug den ikke-tilpassede agent

Før du tilpasser agenten, skal du teste standardoplevelsen.

Du skal vælge et SharePoint-websted, før du kan stille et spørgsmål. Agenten besvarer spørgsmål ved hjælp af indhold fra det pågældende websted. Hvis du ikke vælger et websted, søger agenten i tidligere meddelelser efter et websted, der henvises til.

Skærmbillede, der viser grænsefladen til valg af SharePoint-websted, før du stiller et spørgsmål i den ikke-tilpassede Expert Answers-agentskabelon.

Tilpas agenten

Start med at vælge agentskabelonen Ekspertsvar i Agent Builder.

Skærmbillede, der viser valg af ekspertsvar for agentskabelon i Agent Builder.

Angiv følgende oplysninger:

  • Name
  • Beskrivelse
  • Vejledning

Du kan vælge at tilføje viden og kompetencer.

Skærmbillede af agentkonfigurationssiden, hvor du angiver navn, beskrivelse, instruktioner og eventuelt tilføjer videnskilder og egenskaber.

Brug den tilpassede agent

Efter tilpasning besvarer agenten spørgsmål ved hjælp af de SharePoint-websteder, du har konfigureret som videnskilder.

Skærmbillede, der viser den tilpassede skabelon til ekspertsvar, der besvarer spørgsmål ved hjælp af de konfigurerede SharePoint-websteder som videnskilder.

Justering af kontekst

Ved hjælp af kontekstjustering kan du angive agentens mål, oprette evalueringsdata og forbedre søgefunktionen Ekspertsvars søgefunktioners hentning af oplysninger.

Angiv følgende oplysninger under dette trin:

Oplysninger Side Formål
Hovedmål og domæne Definer justeringsmål Vejleder søgefunktionsmåden og foreslår delmål og målepunkter
Eksempel på filupload Definer justeringsmål Opretter evalueringsdata
Undermål Gennemse afklaring af spørgsmål Vejledninger søgefunktionsmåden og evalueringen
Målepunkter Gennemse målepunkter Evaluerer agentsvar
Oplysninger om forankring Agent kontekst Definerer søgefunktionsmåden

Skærmbillede, der viser justering af kontekst, involverer angivelse af agentens mål, oprettelse af evalueringsdata og forbedring af hentning af søgeoplysninger for ekspertsvar.

Definer justeringsmål

  • Hovedmål: Finjusterer agentens mål. Brug eksisterende instruktioner som udgangspunkt. Målet styrer søgefunktionaliteten Ekspertsvar under udledning.
  • Domæne: Angiver et overordnet emneområde, f.eks. HR.
  • Eksempelfiler: Eksempelfiler, der bruges til at generere evalueringsspørgsmål og -svar. Disse filer skal repræsentere de dokumenttyper og emner, som brugerne sandsynligvis vil spørge om.

Vælg disse filer fra datasættet med jordforbindelse. Levering af flere filer (op til 50) og øget emnediversitet forbedrer evalueringskvaliteten.

Skærmbillede, der viser siden Definer justeringsmål, hvor du angiver hovedmålet, domænet og overfører eksempelfiler til evaluering.

Gennemse afklaring af spørgsmål

Brug undermål med dine uploadede dokumenter til at oprette spørgsmål og svar-par til evaluering. De hjælper også med at vejlede i søgefunktionen Ekspertsvar.

Fokuser disse spørgsmål på de typer af forespørgsler, som brugerne forventes at stille. Definer kriterier for svarkvalitet i målepunktstrinnet.

Skærmbillede, der viser siden Gennemse afklarende spørgsmål, hvor du definerer delmål, der styrer søgefunktionsmåden og evalueringen.

Gennemse målepunkter

Definer, hvordan agenten skal evalueres. Ud over de målepunkter, du angiver, anvender Microsoft en indbygget måleværdi for nøjagtighed, der sammenligner agentens svar med et "gyldent" svar, der er afledt af dine data.

Skærmbillede, der viser siden Gennemse målepunkter, hvor du definerer evalueringskriterier for agentsvar.

Agent kontekst

Gennemse agentens jordingsdata. Søgefunktionen Expertsvar bruger disse data til at generere svar.

Skærmbillede, der viser agentkontekstsiden, hvor du gennemgår de jordingsdata, der bruges af søgefunktionen Ekspertsvar.

Evalueringer

Når du fuldfører kontekstjustering og de efterfølgende trin, viser Tune-agentens startside evalueringsresultaterne.

Skærmbillede, der viser evalueringsresultater, der vises på Tune-agentens startside efter fuldførelse af kontekstjustering.

Justering af model

Modeljustering træner søgefunktionen i ekspertsvar. Agenten bruger et træningsdatasæt til at lære, hvordan man skriver bedre forespørgsler og vælger mere relevante dokumenter fra jordingsdatasættet.

Selvom datasættet med forankring primært genererer endelige svar, kan oplysninger fra oplæringsdatasættet også blive vist i svar. I de fleste tilfælde skal du bruge det samme datasæt til jordforbindelse og træning.

Modeljustering er mest effektiv, når:

  • Jordingsdatasættet indeholder flere hundrede eller flere filer.
  • Forespørgsler omfatter firmaspecifikt sprog eller koncepter.

Sådan finjusterer du en model:

  1. Angiv foretrukne output: Vælg et træningsdatasæt. I de fleste scenarier skal du bruge det samme datasæt til forankring.

    Skærmbillede, der viser grænsefladen til valg af træningsdatasæt til modeljustering, hvor du angiver foretrukne output.

  2. Gennemse adgang: Gennemse adgangsanbefalingerne.

    Skærmbillede, der viser siden til gennemsyn af adgangsanbefalinger under modeljustering.

Justering af værktøj

Værktøjsjustering giver dig mulighed for at tilføje ekstra værktøjer, som agenten kan bruge, når den genererer svar. Disse værktøjer omfatter:

  • Stileditor (justerbar agent) til at omskrive svar, så de matcher en bestemt tone
  • Dokumentkorrekturlæser (justerbar agent) til at håndhæve definerede autoværn
  • Researcher skal udføre længere og dybere søgninger

Hvis du vil bruge justerbare agenter, skal du først kontekstjustere dem.

Du kan også angive orkestreringsinstruktioner, der definerer, hvordan værktøjer arbejder sammen. Hvis du vælger alle værktøjer, er standardflowet:

  1. Du kan bruge Researcher som en ekstra kilde.
  2. Omskriv svaret ved hjælp af typografieditoren.
  3. Valider svaret ved hjælp af Dokumentkorrekturlæser.

Eksempler på brugerdefinerede orkestreringsinstruktioner omfatter:

  • Hvis det indledende svar er ufuldstændigt, skal du bruge Researcher, før du genererer det endelige svar.
  • Hvis spørgsmålet drejer sig om fordele, kan du bruge valideringsagenten.
  • Brug valideringsagenten først, og anvend derefter tonejustering.

Skærmbillede, der viser grænsefladen til værktøjsjustering, hvor du tilføjer yderligere værktøjer som f.eks. Stileditor, Dokumentkorrekturlæser og Researcher samt definerer orkestreringsinstruktioner.

Begrænsninger

Justering af kontekst

  • Kun SharePoint-filer og -mapper understøttes.
  • Søgning med ekspertsvar har kendte begrænsninger for hentning.

Justering af model

  • Kun SharePoint-filer og -mapper understøttes.
  • For at fuldføre dette trin skal du angive mindst 20 understøttede filer, hver med en minimumslængde på én side eller 200-400 tegn, afhængigt af filtypen.
  • Understøttede filtyper: .docx, .pdf, .aspx, .doc, .html .txt.
  • Der bruges kun tekstindhold til undervisning.
  • Der bruges kun udpakket tekst til .aspx og .html filer.

Justering af værktøj

  • Hvis du tilføjer viden eller funktioner i Agent Builder, følger svarene muligvis ikke den tone eller det værn, der er defineret af typografieditoren eller dokumentkorrekturlæseren. Denne begrænsning opstår, når du tilføjer ekstra oplysninger, efter at disse agenter er kørt.
  • Undgå at tilføje egenskaber i Agent Builder for at sikre overholdelse af tone og regler.

Ofte stillede spørgsmål

Hvilke videnskilder skal jeg tilføje i Agent Builder, kontekstjustering og modeljustering?

I de fleste tilfælde skal du bruge den samme videnskilde på tværs af alle tre. Du kan vælge en anden tilgang, hvis:

  • Du vil ikke bruge funktioner for deklarative agenter. I dette tilfælde skal du ikke tilføje viden i Agent Builder.
  • Du ønsker, at søgefunktionen Expertsvar skal fokusere på et undersæt af filer. I dette tilfælde skal du begrænse antallet af filer, der tilføjes under justering af kontekst og model.

Hvornår skal jeg omskole min agent?

Trinvise ændringer af jordingsdata reducerer typisk ikke ydeevnen markant. Nye filer medtages automatisk i svar. Oplysninger fra filer, der er fjernet efter træning, kan dog stadig blive vist i svar, indtil du genoplærer agenten.

Relateret indhold

  • Last updated on