Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Driftsagenter i Fabric Real-Time Intelligence hjälper organisationer att omvandla realtidsdata till omedelbara, åtgärdsbara beslut. I stället för att förlita sig på manuell övervakning och åtgärder använder du agenter för att spåra viktiga mått kontinuerligt, visa insikter och rekommendera riktade åtgärder. De gör det möjligt för team att svara snabbt och optimera åtgärder i stor skala. Varje driftagent är ett dedikerat Fabric-objekt som är utformat för en specifik affärsprocess.
Genom att konfigurera agenter med tydliga instruktioner och datakällor kan du distribuera flera agenter som virtuella experter i organisationen. Den här modulära metoden övervakar och förbättrar kontinuerligt varje kritisk process och håller rekommenderade åtgärder i linje med dina strategiska mål.
I den här artikeln får du lära dig hur du skapar och använder en AI-driftsagent i Real-Time Intelligence. Driftagenten övervakar realtidsdata och föreslår beslut som kan vidtas.
Förutsättningar
- En arbetsyta med en Microsoft Fabric-aktiverad kapacitet. Utvärderingskapaciteter stöds inte.
- Ett händelsehus eller en ontologi på din arbetsyta.
- En KQL-databas i ditt eventhouse, om du använder ett eventhouse.
- Ett Microsoft Teams-konto.
- Fabric administratörsbehörigheter aktiverade för driftagenten, Microsoft Copilot och Azure OpenAI.
- Aktivera Azure OpenAI samt geografiskt områdesövergripande bearbetning och lagring för AI enligt klientinställningar för dataagenten. Det här kravet gäller endast om din Fabric-kapacitet inte har etablerats i USA- eller EU-regioner.
Note
Om du vill prova en driftagent på exempeldata konfigurerar du Real-Time Intelligence-komplettexemplet. Din driftsagent kan övervaka det medföljande Eventhouse.
Skapa en driftagent
På startsidan för Fabric väljer du ellipsikonen (...) och väljer sedan Skapa.
I Skapa går du till avsnittet Real-Time Intelligence och väljer Driftagent.
I New Operations Agent anger du ett namn för din agent och väljer den arbetsyta där du vill skapa den.
Välj Skapa för att skapa driftagenten.
Konfigurera en driftagent
I Agentkonfiguration konfigurerar du driftagenten och justerar den till dina data genom att ange följande information:
Ge specifika instruktioner för agentens beteende och beslutsprocess. Du kan till exempel be agenten att skicka en avisering när den identifierar ett villkor som matchar dina affärsmål.
Välj en relevant datakälla som agenten kan analysera och övervaka. Det här valet ger agenten åtkomst till korrekt och uppdaterad information för att skapa insikter.
Som standard kan en driftagent skicka meddelanden till dig i Teams när de villkor som övervakas uppfylls. Du kan också konfigurera ytterligare åtgärder som den kan rekommendera och vidta. Mer information finns i Operations-agentåtgärder.
När du är klar med konfigurationen sparar du agenten och väljer Generera spelbok. Spelboken beskriver de mål, instruktioner, data och åtgärder som du har definierat, så att agenten förstår sina uppgifter.
Du kan se egenskaperna och fälten som de mappas till i underliggande data. När du granskar reglerna kan en regel referera till namnet på egenskapen i stället för den underliggande kolumnen. Bekräfta att modellen och reglerna matchar dina krav.
Spelboken visar de begrepp som agenten övervakar och de regler eller villkor som utvärderas.
Använd Copilot chatt för att konfigurera driftagentens instruktioner och regler
I stället för att konfigurera alla mål, regler och tröskelvärden för hand kan du använda den inbyggda Copilot chatten för att konfigurera agenten konversationsmässigt. Öppna chatten från menyfliksområdet.
Börja med att beskriva vad du vill att agenten ska göra på naturligt språk, till exempel "Övervaka turbinerna och varna mig när motortemperaturen blir för hög." Chatten tolkar din avsikt, motiverar den mot den datakälla du valde och hjälper till att översätta den till mål, instruktioner och regler som utgör agentens spelbok. Du kan använda chatt tillsammans med manuell konfiguration, så att du kan skriva instruktioner direkt eller be Copilot att skriva och förfina dem åt dig.
Chatten är mest användbar för att förfina instruktioner och omvandla dem till övervakningslogik. När du beskriver villkor föreslår Copilot regler och de frågor som stöder dem, och det anger när något behöver uppmärksammas, till exempel när en instruktion är oklar, refererar till data som inte är tillgängliga eller ber om ett villkor eller en åtgärd som inte stöds. Den här återkopplingsslingan hjälper dig att justera kursen innan du startar agenten, i stället för att upptäcka brister vid körning. Eftersom en explicit fråga backar upp varje regel kan du kontrollera vad Copilot genererar och verifiera logiken själv.
Konfigurationen är iterativ. När Copilot föreslår regler, frågor och åtgärder kan du ställa uppföljningsfrågor för att förfina instruktionerna, justera tröskelvärdena eller begränsa övervakningsomfånget. Spelboken uppdateras allt eftersom. Fortsätt med den här föreslå-förtydliga-förfina-loopen tills spelboken visar vad du vill att agenten ska hålla utkik efter och hur den svarar. När du är nöjd granskar du de resulterande målen, reglerna, datakällorna och åtgärderna. Spara och starta sedan agenten.
Starta agenten
Om du vill justera agentens beteende uppdaterar du målen eller instruktionerna och sparar agenten igen. När du är nöjd med konfigurationen väljer du Starta i verktygsfältet för att starta agenten. Välj Stoppa för att stoppa det.
Identiteter för driftsagenter
Varje operationsagent har sin egen identitet i Microsoft Entra, driven av Microsoft Entra agent-ID. När du skapar en agent tillhandahåller Fabric en dedikerad agentidentitet (en specialiserad tjänstehuvudansvarig) för den, så agenten framträder som en förstklassig, styrbar enhet i Entra-administrationscentret istället för som en anonym användarsession. Denna identitet ger din organisation insyn i vilka agenter som finns i hela klientorganisationen, skiljer agentåtgärder från mänskliga åtgärder vid granskning och frikopplar agenten från livscykeln för det konto som skapade den. Operationsagenter körs i delegerat läge: de använder skaparens auktorisation via ett On-Behalf-Of (OBO)-flöde, så att de kan komma åt samma arbetsytor och objekt som skaparen kan, medan handlingar tillskrivs agentidentiteten. Du kan se Entra agent-ID i statusfältet för operationsagenten.
Viktigt!
Agenten fungerar med den delegerade identiteten och behörigheterna för dess skapare. När en mottagare godkänner en rekommendation kör agenten åtgärden åt skaparen med hjälp av skaparens behörigheter.
Förstå driftagentregler
Agenten kör en fråga för varje regel mot datakällan. Du kan visa den här frågan för att se exakt hur regeln mappar till underliggande kolumner, egenskaper och logik. Genom att granska frågan kan du verifiera att agenten utvärderar rätt egenskap, tillämpar det avsedda villkoret och läser rätt data. På så sätt bekräftar du att agenten letar efter det rätta innan du startar den.
Du kan använda alternativet Kopiera kod och klistra in den i ett KQL-frågeuppsättningsobjekt, eller frågeredigeraren för ontologidiagram, för att testa den mot dina data. För KQL måste du ersätta parametrarna startTime och endTime med de senaste tidsstämplarna (eller KQL-funktionen now() ) för att verifiera dem mot dina data.
Åtgärdsagenten kör regelns fråga var femte minut och spårar resultatet mot ett villkor som definierar när regeln uppfylls. Villkoren delas in i två kategorier och skillnaden avgör hur ofta en regel signalerar:
- Tillståndsvillkoren uppfylls när egenskapens aktuella värde uppfyller villkoret. De förblir nöjda så länge värdet förblir i det tillståndet, så att de kan signalera upprepade gånger medan villkoret kvarstår. Använd ett tillståndsvillkor när du bryr dig om att vara i ett tillstånd, till exempel "temperaturen är över 80".
- Övergångsvillkorenuppfylls endast när egenskapen ändras från att inte uppfylla villkoret till att uppfylla det, inklusive en ändring från ett null-värde. De signalerar en gång vid varje övergång och signalerar inte igen förrän värdet lämnar villkoret och går in i det igen. Använd ett övergångstillstånd när du bryr dig om ändringen, till exempel "temperaturen blir större än 80".
Till exempel uppfylls är över vid varje utvärdering så länge ett värde ligger över tröskelvärdet, medan korsar över endast uppfylls när värdet går från att ligga under till att ligga över tröskelvärdet. Välj det villkor som matchar om du vill svara på ett pågående tillstånd eller en ändring i tillståndet.
I följande tabell beskrivs de tillgängliga villkoren:
| Tillstånd | Type | När villkoret är uppfyllt |
|---|---|---|
| Är ovanför | Tillstånd | Uppfylls varje gång egenskapen är större än värdet. |
| Korsningar ovan | Transition | Uppfylls när egenskapen ändras från nedan till över värdet (eller från null till över värdet). |
| Finns nedan | Tillstånd | Uppfylls när egenskapen är under värdet. |
| Kryss nedan | Transition | Uppfylls när egenskapen ändras från ovan till under värdet (eller från null till under värdet). |
| Går in i intervallet | Transition | Inträffar varje gång egenskapen ändras från att vara utanför intervallet till att vara inom det. |
| Lämnar intervallet | Transition | Uppfylls varje gång egenskapen ändras från att ligga inom intervallet till att hamna utanför det. |
| Is | Tillstånd | Uppfylls när egenskapen matchar värdet. |
| Blir | Transition | Uppfylls när egenskapen ändras till värdet från ett annat värde (eller null). |