Bewährte Methoden und Einschränkungen des Operations-Agents

In diesem Artikel werden die bewährten Methoden und Einschränkungen beschrieben, wenn Sie Operations-Agents in Real-Time Intelligence verwenden.

Bewährte Methoden

Operations-Agents helfen Organisationen, klare Geschäftsziele zu operationalisieren, indem sie kontinuierlich Echtzeitdaten überwachen, explizite Schwellenwerte auswerten und Aktionen empfehlen, wenn definierte Bedingungen erfüllt werden. Beispielsweise helfen Operations-Agents Ihnen proaktiv zu reagieren, wenn die Bestandsverfügbarkeit auf ein kritisches Niveau fällt. Verwenden Sie die folgenden bewährten Methoden für Operations-Agents.

  • Eventhouse-Tabellen: Wenn Ereignishaustabellen geschachtelte Spalten wie JSON enthalten, können Sie die Tabellen abgleichen, bevor Sie den Agent konfigurieren. Flache Tabellen mit beschreibenden Spaltennamen verbessern die Fähigkeit des Agents, Daten zu analysieren und auszuwerten.

  • Beschreibungen von Eventhouse-Spalten: Wenn der Zweck einer Spalte anhand ihres Namens unklar ist, fügen Sie eine Einfache Sprachbeschreibung hinzu, indem Sie das Beschreibungsfeld in Ihrem KQL-Tabellenschema verwenden. Diese Beschreibung hilft dem Agent, Datenwerte richtig zu interpretieren.

  • Spalte "Erfassungszeit": Der Operations-Agent verwendet standardmäßig die Erfassungszeit der Tabelle, um zu ermitteln, wann Datensätze eingetroffen sind. Der Agent verwendet diesen Wert, wenn er die neuesten Daten abfragt und Änderungen in den Daten im Laufe der Zeit berechnet. Stellen Sie sicher, dass die Ingestionszeit ausgefüllt ist.

  • Identifikation von Geschäftsobjekten: Wenn der Agent ein bestimmtes Geschäftsobjekt wie eine Station, einen Sensor oder einen Personaldatensatz überwachen muss, identifizieren Sie die Spalte, die das Objekt eindeutig identifiziert (z StationID . B. oder SensorID). Wenn Sie eine KQL-Datenbankquelle verwenden, geben Sie an, zu welcher Tabelle sie gehört. Wenn Sie eine Ontologiequelle verwenden, geben Sie die Entität an, die der Agent verwenden soll.

  • Zitieren von Feldnamen: Wenn eine Regel auf Spalten- oder Eigenschaftsnamen verweist, die Sonderzeichen wie Unterstriche oder Bindestriche enthalten, sollten Sie den Spaltennamen in Anführungszeichen ("") setzen. Mit dieser Übung wird sichergestellt, dass der Agent ihn richtig identifiziert.

  • Quantifizierbare Bedingungen: Wenn eine Regel qualitative Sprache wie "niedrige Verfügbarkeit" oder "Hohe Temperatur" verwendet, ersetzen Sie sie durch einen bestimmten numerischen Schwellenwert.

    • Verwenden Sie beispielsweise einen Ausdruck wie "weniger als 3 Fahrräder verfügbar" oder "Temperatur überschreitet 80". Der Agent verwendet das Standardmäßige LLM-Wissen, um Schwellenwerte für allgemeine Begriffe vorzuschlagen, z. B. "säurehaltige Bedingungen" bedeutet pH <7.

  • Regeltrennung: Wenn Sie mehrere Regeln definieren, beschreiben Sie jede Regel in einer separaten Linie oder einem separaten Aufzählungspunkt. Kombinieren Sie keine Bedingungen aus unterschiedlichen Regeln im selben Satz.

  • Regelreihenfolge: Wenn der Agent bestimmte Regeln priorisieren muss, listen Sie zuerst Regeln mit höherer Priorität auf. LLMs können Informationen je nach Position in der Eingabeaufforderung unterschiedlich interpretieren.

  • Agentabfragen und Datenzugriff nachverfolgen: Überprüfen Sie die vom Agent verwendeten Datenquellen und Abfragen, indem Sie die überwachte Eventhouse- oder KQL-Datenbank prüfen. Verwenden Sie die Registerkarte "Abfrageeinblicke", um ausgeführte Abfragen anzuzeigen und die generierte KQL zu überprüfen.

    Screenshot der Registerkarte

Beispielanweisungen

Hier sehen Sie ein Beispiel dafür, wie Sie Ihre Anweisungen für den Agenten so gestalten können, dass die betrieblichen Regeln und die semantischen Informationen zu den Feldern in Ihren Daten klar werden.

*** Operational Instructions ***
1. Alert me when a trip has high occupancy level.
2. Alert me when a trip has high departure delay.

*** Semantic Instructions ***
1. Information about a trip can be found in 'TripUpdateFlattened' table, each identified by the 'trip_id' column.
2. Information about a vehicle can be found in 'VehiclePositionsFlat' table, each identified the 'vehicle_id' column.
3. A trip is a associated with multiple vehicles via shared trip ID.
4. Occupancy status of a trip is calculated as the latest occupancy status from the vehicle the trip is associated with. The value 'HIGH' means high occupancy level.
5. The departure delay is measured in number of seconds. Higher than 300 seconds of delay is considered significant.

Einschränkungen

Operations-Agents verfügen über funktionale, Plattform- und Verhaltensbeschränkungen, die Sie beim Entwerfen von Regeln und Überwachungsszenarien berücksichtigen sollten.

Einschränkungen der Datenquelle

  • Es wird jeweils nur eine Datenquelle unterstützt.
  • Wenn Sie ein Eventhouse als Datenquelle verwenden:
    • Es werden nur reguläre Eventhouse-Tische unterstützt. Shortcut-Tabellen, Funktionen und materialisierte Ansichten werden nicht unterstützt.
  • Bei Verwendung einer Fabric Ontology als Datenquelle des Agents:
    • Die Ontologie muss sich im gleichen Arbeitsbereich wie der Operations-Agent befinden.
    • Ontology-Entitäten, die der Agent überwachen soll, müssen mindestens eine statische Eigenschaft aufweisen, die als Bezeichner für Entitäten verwendet werden soll. Timeseries-Eigenschaften sollten an Ereignishausfelder gebunden werden.

Einschränkungen der Ontologieüberwachungsregeln

  • Beim Überwachen einer Ontologie:
    • Es werden nur grundlegende Eigenschaftswerte unterstützt. Aggregationen, z. B. ein Mittelwert, ein Minimum oder maximaler Wert, werden nicht unterstützt.
    • Regeln, die "AND"-Bedingungen erfordern, werden nicht unterstützt (z. B. ist der Bremsindex für eine Laufbahn über 0,8 und die Oberflächentemperatur beträgt < 40).

Einschränkungen des Sprach- und Modellverhaltens

Laufzeitbeschränkungen

  • Der Agent führt alle fünf Minuten Abfragen aus, wenn er aktiv ist.
  • Vorgänge laufen ab, wenn innerhalb von drei Tagen keine Aktion ausgeführt wird. Nach Ablauf können Aktionen nicht mehr genehmigt werden.

Berechtigungen und Zugriffsbeschränkungen

  • Der Agent arbeitet mit der delegierten Identität und den Berechtigungen seines Erstellers. Dies bedeutet:
    • Abfragen und Aktionen verwenden die Anmeldeinformationen des Erstellers.
    • Standardmäßig empfängt der Ersteller Empfehlungsnachrichten. Durch das Ändern des Empfängers werden die Anmeldeinformationen, die für Abfragen und Aktionen verwendet werden, nicht geändert.

Einschränkungen für Messaging und Drosselung

  • Starke Nutzung kann zur Drosselung von Nachrichten führen. In diesen Fällen können vereinfachte, nicht LLM-generierte Nachrichten in Microsoft Teams gesendet werden.

Einschränkungen für Regionen und Workspaces

  • Der Operations-Agent ist in Microsoft Fabric-Regionen der öffentlichen Azure-Cloud verfügbar, mit Ausnahme von South Central US und East US.
  • Der Operations-Agent ist derzeit nicht in souveränen Clouds verfügbar, einschließlich GCC-High und Bleu.
  • Der Operations-Agent wird derzeit nicht für Arbeitsbereiche unterstützt, die mit kundenseitig verwalteten Schlüsseln für Fabric-Arbeitsbereiche verschlüsselt sind.
  • Last updated on