Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Note
Ten artykuł opisuje cechy stosowane w przepływach agentów lub przepływach agentów zasilanych standardową wiązką.
Ten artykuł wyjaśnia, czym są prompty i inżynieria promptów — kluczowe pojęcia, które pomagają tworzyć zaawansowane funkcje generatywnej sztucznej inteligencji do użycia w Copilot Studio.
Ważne
- Wskazówki używają modeli obsługiwanych przez Azure Foundry.
- Ta funkcja może podlegać limitom użycia lub ograniczeniom wydajności.
Wymagania wstępne
- Twoje środowisko znajduje się na liście dostępnych regionów.
- Potrzebujesz kredyty Copilot.
- Microsoft Dataverse jest instalowany w środowisku.
Czym jest prompt
Prompt składa się głównie z instrukcji w języku naturalnym, która nakazuje generatywnemu modelu AI wykonać zadanie. Model działa zgodnie z monitem, aby określić strukturę i treść tekstu, który ma wygenerować. Inżynieria monitów to proces tworzenia i udoskonalania monitu używanego przez model.
Doświadczenie kreatora promptów pozwala twórcom tworzyć, testować i zapisywać wielokrotnego użytku prompty. W tym doświadczeniu możesz także używać zmiennych wejściowych i danych wiedzy, aby dostarczać dynamiczne dane kontekstowe w czasie działania. Możesz udostępniać te prompty innym i wykorzystywać je w agentach, workflowach lub aplikacjach.
Możesz wykorzystać te prompty do wielu zadań lub scenariuszy biznesowych, takich jak streszczanie treści, kategoryzacja danych, wyodrębnianie encji, tłumaczenie języków, ocena nastroju czy formułowanie odpowiedzi na skargę. Na przykład możesz stworzyć prompt do wybrania zadań z firmowych e-maili i użyć go w workflow Power Automate, aby zbudować automatyzację przetwarzania e-maili.
W Copilot Studio możesz używać podpowiedzi jako narzędzi agenta, aby poprawić doświadczenie czatu lub umożliwić zaawansowane automatyzacje AI. Możesz też używać promptów jako węzłów przepływu pracy, aby włączyć działania AI w deterministycznych automatyzacjach.
Nadzór ludzki
Nadzór ludzki jest ważnym krokiem przy pracy z treściami generowanymi w modelu generatywnej AI. Takie modele są trenowane na ogromnych ilościach danych i mogą zawierać błędy oraz uprzedzenia. Treść powinna zostać sprawdzona przez człowieka przed opublikowaniem jej w internecie, wysłaniem jej do klienta lub wykorzystaniem jej do podjęcia decyzji biznesowej. Nadzór ludzki pomaga zidentyfikować potencjalne błędy i uprzedzenia. Upewnia się również, że treść jest odpowiednia dla zamierzonego przypadku użycia i jest zgodna z wartościami firmy.
Ocena ludzka może również pomóc zidentyfikować ewentualne problemy z samym modelem. Jeśli na przykład model generuje zawartość, która nie ma znaczenia dla planowanego przypadku użycia, może okazać się konieczne dostosowanie monitu.
Odpowiedzialna sztuczna inteligencja
Microsoft zobowiązuje się do tworzenia odpowiedzialnej AI przez projektowanie. Naszymi działaniami kierował podstawowy zestaw zasad: uczciwość, niezawodność i bezpieczeństwo, prywatność i zabezpieczenia, włączenie społeczne, przezroczystość i odpowiedzialność. Wprowadzamy te zasady w życie w całej firmie, aby opracowywać i wdrażać sztuczną inteligencję, która ma pozytywny wpływ na społeczeństwo. Stosujemy kompleksowe podejście, łącząc innowacyjne badania, wyjątkową inżynierię i odpowiedzialne zarządzanie. Obok wiodących badań OpenAI nad dopasowaniem AI, rozwijamy strukturę bezpiecznego wdrażania naszych technologii AI, która ma na celu pokierowanie branży w kierunku bardziej odpowiedzialnych wyników.
Dowiedz się więcej na temat przejrzystości w Uwaga o przejrzystości dla Azure OpenAI.