Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Denne artikel indeholder ofte stillede spørgsmål om konfiguration og opsætning af stemmeagenter i Copilot Studio.
Kan agenten kun svare på baseret viden, eller skal den også arbejde i postsystemer?
Ikke nødvendigvis. Du kan konfigurere agenter til udelukkende at give vidensbaserede svar uden at udføre handlinger i backend-systemer. Copilot Studio styrer denne funktion gennem videns- og websøgningsindstillinger.
Når "vidensbaserede" agenter giver mening
Brug denne tilstand, når agentens rolle primært er oplysende:
Besvarelse af ofte stillede spørgsmål
Forklaring af politikker
Vejledning eller instruktioner
Afleder opkald eller chat
I disse scenarier henter modellen oplysninger fra konfigurerede kilder og genererer et svar uden at kalde nogen API'er.
Hvordan henter agenten aktuelle forretningsdata, politikker og kundekontekst i realtid?
Forankret viden (statisk eller semistatisk): Denne tilgang fungerer bedst til politikker, dokumentation og struktureret indhold.
Modellen anvender generative svar, hvor den:
Søger på tværs af konfigurerede videnskilder.
Syntetiserer et svar.
Citerer kilder valgfrit.
Understøttede kilder omfatter
SharePoint
Websteder
Overførte dokumenter
Dataverse (kun indirekte via flow)
Bemærk!
Dataverse understøttes ikke som en direkte videnskilde for C2-vendte agenter på grund af godkendelseskrav. Du kan vise Dataverse-data via flow eller OData-kald og returnere dem til agenten som strukturerede resultater.
Bedste brugsscenarier for viden
Refusions- og returpolitik
Butiksåbningstider og placeringer
Berettigelsesregler
Ofte stillede spørgsmål om produkter
Interne procedurer
Eksempel
"Hvad er jeres refusionspolitik for onlinebestillinger?"
Modellen henter indhold i politikker fra SharePoint og genererer et klart svar.
Hvilke opgaver kræver nøjagtig validering, før de udføres? Refusioner, aflysninger, opdateringer eller kontoændringer
Visse handlinger kræver streng validering og må aldrig overlades til AI's frie skøn.
Højrisikokategorier
| Kategori | Eksempler | Hvorfor er det vigtigt |
|---|---|---|
| Finansiel | Refusioner, betalinger, kreditter | Finansiel risiko |
| Kontostatus | Annulleringer, planændringer | Uigenkaldelige handlinger |
| Id | Opdateringer af adresse, telefonnummer og personidentifikation (US) | Svindel og overholdelse af angivne standarder |
| Juridisk meddelelse | Samtykke, fravalg | Regulatorisk eksponering |
Det sikre afviklingsmønster
AI beslutter > Systemet validerer > AI kommunikerer
Dette princip sikrer sikker generativ orkestrering.
Eksempel: Refusionsanmodning
Modellen identificerer hensigten
"Bruger ønsker refusion"Modellen indsamler de nødvendige oplysninger
Ordre-id, årsag, tidsrammeAPI eller postsystem validerer
Kontrollerer berettigelse
Anvender refusionspolitik
Bekræfter godkendelse eller afvisning
Model kommunikerer resultatet
Forklarer resultatet klart
Finder ikke på eller antager ikke resultater
Afklaring af en udbredt misforståelse
At bruge en enkelt model betyder ikke ukontrolleret automatisering.
Der er en klar ansvarsfordeling.
| Egenskab | Hvem bestemmer | Hvem håndhæver |
|---|---|---|
| Hentsigtsgenkendelse | Model | — |
| Vidensvar | Model | Omfang af videnkilde |
| API-valg | Model | Tilgængelighed af værktøjer |
| Validering | Postsystem | Backend-logik |
| Endeligt svar | Model | Baseret på reelle resultater |