Procedimientos recomendados y limitaciones del agente de operaciones

En este artículo se describen los procedimientos recomendados y las limitaciones al usar agentes de operaciones en Real-Time Intelligence.

procedimientos recomendados

Los agentes de operaciones ayudan a las organizaciones a poner en marcha objetivos empresariales claros mediante la supervisión continua de los datos en tiempo real, la evaluación de umbrales explícitos y la recomendación de acciones cuando se cumplen las condiciones definidas. Por ejemplo, los agentes de operaciones le ayudan a responder de forma proactiva cuando la disponibilidad del inventario cae a un nivel crítico. Use los procedimientos recomendados siguientes para los agentes de operaciones.

  • Tablas de eventhouse: si las tablas del centro de eventos contienen columnas anidadas como JSON, aplane las tablas antes de configurar el agente. Las tablas planas con nombres de columna descriptivos mejoran la capacidad del agente para analizar y evaluar los datos.

  • Descripciones de columnas de Eventhouse: si el propósito de una columna no está claro a partir de su nombre, agregue una descripción en lenguaje sencillo usando el campo de descripción en su esquema de tabla KQL. Esta descripción ayuda al agente a interpretar correctamente los valores de datos.

  • Columna de tiempo de ingesta: el agente de operaciones usa el tiempo de ingesta de la tabla para identificar cuándo llegaron los registros. El agente usa este valor cuando consulta los datos más recientes y para calcular los cambios en los datos a lo largo del tiempo. Asegúrese de que la hora de ingesta esté informada.

  • Identificación de objetos empresariales: si el agente necesita supervisar un objeto de negocio específico, como una estación, un sensor o un registro de personal, identifique la columna que identifica de forma única el objeto (por ejemplo, StationID o SensorID). Si usa un origen de base de datos KQL, especifique a qué tabla pertenece. Si usa un origen de ontología, especifique la entidad que debe usar el agente.

  • Comillas de nombre de campo: si una regla hace referencia a nombres de columna o propiedad que contienen caracteres especiales, como caracteres de subrayado o guiones, incluya el nombre de columna entre comillas (""). Esta práctica garantiza que el agente lo identifique correctamente.

  • Condiciones cuantificables: si una regla usa lenguaje cualitativo como "baja disponibilidad" o "alta temperatura", reemplácelo por un umbral numérico específico.

    • Por ejemplo, use una frase como "menos de 3 bicicletas disponibles" o "la temperatura supera los 80". El agente usa el conocimiento predeterminado de LLM para sugerir umbrales para términos comunes, como "condiciones ácidos" significa pH <7.

  • Separación de normas: Si define varias normas, describa cada norma en una línea o viñeta separada. No combine condiciones de reglas diferentes en la misma oración.

  • Orden de reglas: si el agente necesita priorizar determinadas reglas, enumere primero las reglas de mayor prioridad. Los LLMs pueden interpretar la información de forma diferente según su posición en el prompt.

  • Realice un seguimiento de las consultas del agente y el acceso a datos: Revise los orígenes de datos y las consultas que usa el agente comprobando la base de datos de Eventhouse o KQL supervisada. Use la pestaña Información de consulta para ver las consultas ejecutadas y validar el KQL generado.

    Captura de pantalla de la pestaña Información de consulta de la base de datos KQL.

Ejemplo de instrucciones

Este es un ejemplo de cómo puede diseñar las instrucciones para que el agente esté claro sobre sus reglas operativas y la información semántica sobre los campos de los datos.

*** 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.

Limitaciones

Los agentes de operaciones tienen limitaciones funcionales, de plataforma y de comportamiento que debe tener en cuenta al diseñar reglas y escenarios de supervisión.

Limitaciones del origen de datos

  • Solo se soporta una fuente de datos a la vez.
  • Cuando usas una casa de eventos como fuente de datos:
    • Solo se soportan mesas normales de Eventhouse. No se admiten las tablas, las funciones ni las vistas materializadas de tipo shortcut.
  • Cuando se usa una ontología de Fabric como origen de datos del agente:
    • La ontología debe estar en la misma área de trabajo que el agente de operaciones.
    • Las entidades de ontología que desea que el agente supervise deben tener al menos una propiedad estática para usarla como identificador para las entidades. Las propiedades timeseries deben enlazarse a los campos del centro de eventos.

Limitaciones de reglas de monitorización de ontologías

  • Al monitorizar una ontología:
    • Solo se soportan los valores básicos de las propiedades. No se admiten agregaciones como un valor medio, mínimo o máximo.
    • Las reglas que requieren condiciones "AND" no se admiten (por ejemplo, el índice de frenado de una pista es superior a 0,8 y la temperatura de la superficie es < 40).

Limitaciones de comportamiento del lenguaje y del modelo

  • Los agentes de operaciones se basan en un modelo de lenguaje grande (LLM). Las salidas son probabilísticas y pueden ser incorrectas, es importante revisar cuidadosamente los resultados y las recomendaciones que proporcionan. Para obtener más información, consulte Privacidad, seguridad y uso responsable de Copilot para Real-Time Intelligence.
  • Actualmente, los agentes de operaciones solo admiten el idioma inglés para obtener instrucciones y objetivos empresariales.

Limitaciones del entorno de ejecución

  • El agente ejecuta consultas cada cinco minutos cuando está activo.
  • Las operaciones expiran si no se realiza ninguna acción en un plazo de tres días. Después de la expiración, las acciones ya no se pueden aprobar.

Limitaciones de permisos y acceso

  • El agente funciona mediante la identidad delegada y los permisos de su creador. Esto significa:
    • Las consultas y acciones usan las credenciales del creador.
    • De forma predeterminada, el creador recibe mensajes de recomendación. Cambiar el destinatario no cambia las credenciales usadas para las consultas y las acciones.

Limitaciones de mensajería y de limitación de frecuencia

  • El uso intensivo puede dar lugar a una limitación de mensajes. En estos casos, es posible que los mensajes simplificados no generados por LLM se envíen en Microsoft Teams.

Limitaciones regionales y del área de trabajo

  • El agente de operaciones está disponible en las regiones de Microsoft Fabric de la nube pública de Azure, salvo Centro sur de EE. UU. y Este de EE. UU.
  • El agente de Operations no está disponible actualmente en nubes soberanas, entre ellas GCC-High y Bleu.
  • El agente de operaciones no es compatible actualmente con espacios de trabajo cifrados con claves administradas por el cliente para espacios de trabajo de Fabric.
  • Last updated on