你的經紀人會用理性解決問題，而不是照著固定的劇本走。 因為它是從你的程式碼庫、過去事件和基礎設施建立深度上下文，所以它會針對 你的 系統進行推理，而不是一般系統。 在聊天介面中，你可以觀看它蒐集證據、選擇工具、分類行動風險，並解釋其思考方式。
推理循環
每個訊息都遵循相同的迴圈。
客服人員首先 會理解 您的請求並辨識所需的資料。 接著透過平行查詢資料來源來 收集上下文 ，例如日誌、指標、資源狀態、部署歷史和 記憶體。 接著 ，它會根據證據推理 ，找出模式並得出結論。 最後，它會 採取行動或回應 ，執行安全行動、對風險行動請求批准，或呈現發現。
如果問題需要更多工作，迴圈每回合最多迭代 10 次。 之後，你的經紀人會詢問是否繼續。
適應性思考
對於複雜問題，你的代理人會在聊天中說明原因。 可摺疊的思考區塊列出每個步驟，並附有描述性標題，例如「探索 Azure 健康議題」或「分析活躍警報」，並標示經過時間。
你的代理程式會自動調整推理深度。 狀態查詢很快得到回應。 多階段停電則有更深層的推理，能將不同來源的證據相互關聯。
深層背景
當代理人能從你的環境中汲取靈感時，適應性推理會變得更強。 深層語境是代理人對該環境累積的理解。 它來自三個上下文來源：連接器、知識與記憶體，以及工作空間工具。 你的代理人不會每次都從零開始，而是建立更清晰的系統運作圖像，並將這些脈絡帶入每個推理迴路。
Tip
- 深入的上下文幫助你的代理從你的程式碼、基礎設施和營運歷史中推理，而不僅僅是一般的 Azure 知識。
- 它來自三個上下文來源： 連接器、 知識與記憶體，以及 工作空間工具。
- 連接的原始碼倉庫讓代理程式在啟用工作空間工具時能閱讀、搜尋並瀏覽你的程式碼庫。
檔案操作與終端機指令需要工作區工具。 請聯絡您的代理程式管理員，或在入口網站的 實驗設定 頁面中啟用這些功能。 Python 執行預設可透過程式碼直譯器進行。 啟用工作區工具時，Python 執行會透過工作區沙盒執行，而非預設的 Code Interpreter 會話。
深度上下文並不是可以單獨啟用的功能。 隨著這些情境來源協同運作，它會成長。
| 背景來源 | 它所提供的是什麼 | 如何新增 |
|---|---|---|
| 連接器 | 來自 GitHub、Azure DevOps、Kusto、Azure 監視器 及其他服務的即時數據 | 連結服務數據來源。 詳見 連接器。 |
| 知識與記憶 | 上傳的操作手冊、架構文件、團隊作業流程、使用者偏好，以及過去對話中的事實資訊 | 上傳知識、創造技能，或告訴客服記住事實。 參見 記憶與知識。 |
| 工作空間工具 | 直接存取、搜尋、分析原始碼、執行終端機指令，以及執行沙盒化的 Python | 連接一個儲存庫，並在 實驗設定中啟用工作區工具。 |
為什麼深層脈絡很重要
你們團隊的專業知識散落在許多地方：GitHub 中的原始碼、Azure 監視器 中的日誌、YAML 檔案中的設定、內容逐漸過時的 Wiki 裡的操作手冊，以及資深工程師口耳相傳的知識。 在事件發生時，最困難的部分往往不是對問題進行推理。 正在收集足夠的上下文以開始。
深入的脈絡有助於讓你的客服人員持續接觸這些資源，並能記住每次互動中所學到的內容。
Connectors
連接器將即時服務資料帶入推理迴路。 您的代理可以使用連接的來源，如 GitHub、Azure DevOps、Kusto、Azure 監視器 及其他服務，來蒐集環境的證據，而不必僅依賴一般的 Azure 知識。
有些連接器也會隨著時間逐漸提升代理的理解能力。 當你連接 Azure Data Explorer（Kusto）叢集時，代理會發現資料庫和資料表，記錄每個資料表的結構，撰寫可讀的描述，並產生帶有查詢指引的 Kusto 調查技能。
知識與記憶
知識與記憶提供您的 Agent 跨交談延續的持久上下文。 上傳的操作手冊、架構指南、團隊作業程序、技能與已記住的事實，可協助代理了解您的團隊如何運作。
你的經紀人會記得它學到的東西。 對話後，它會擷取結構化面向，如工具成功率、根本原因、關鍵學習、Azure 服務及症狀。 這些面向會成為供後續調查使用的持續保留知識。
每次對話開始時，你的代理人會先在 記憶 中搜尋相關上下文，然後才回應。
| 它汲取的靈感來源 | 它如何提升推理能力 |
|---|---|
| 會議見解 | 從過去的對話及其他啟用的數據來源中學習 |
| 相似的症狀模式 | 能辨識重複出現的模式，並更快找到可能的原因 |
| 你上傳的操作手冊和文件 | 遵循團隊的程序，而非一般的建議 |
| 使用者偏好 | 記得你的環境、情境和反應偏好 |
背景洞察產生會彙集過去的對話及其他已啟用的資料來源。 它利用語意匹配來產生、調和並精煉營運洞察。
工作空間工具
Workspace 工具讓你的代理直接存取你連接的儲存庫和執行環境。 啟用後，代理可以讀取檔案、搜尋程式碼、分析專案結構、執行終端機指令，並在調查期間在工作區沙盒中執行 Python。 Python 執行預設可透過 Code Interpreter 進行。
當你連接程式碼庫時，代理程式會自動分析其專案結構、技術堆疊、部署配置及服務相依性。 接著它會開啟一個 PR，將檔案 SREAGENT.md 加入你的倉庫。
你可以隨時補充更多背景：
- 連接倉庫：連結 GitHub 或 Azure Repos，讓你的代理程式能讀取原始碼。 詳見 連接器。
- 上傳知識文件：新增執行手冊、架構指南與團隊程序。 參見 記憶與知識。
-
告訴你的經紀人記得：在聊天中輸入
#remember，保存代理人應該知道的事實。 參見 記憶與知識。 - 培養技能：將故障排除流程與工具打包。 請參見技能。
你提供的知識越多，例如跑手冊、架構文件和團隊程序，推理就越有意義。 欲了解更多資訊，請參閱 記憶與知識。
安全性
您必須透過實驗設定啟用工作區工具，才能讓代理使用檔案操作和終端機指令，或將 Python 執行路由到工作區沙盒。 Python 執行本身預設可透過程式碼直譯器取得。 程式碼執行會依據設定的沙箱模式，在沙箱化或隔離的工作階段中進行，並與代理主機分離。 Azure CLI 寫入指令執行前需要明確的使用者核准。
工具選擇
有了這樣的背景，你的代理人會根據問題選擇工具。 它一開始會包含目前自訂 Agent 上註冊的所有工具，然後依平台進行篩選，只使用已連線事件平台的事件工具。 接著，它會再依已發佈清單進行篩選，只納入您開放使用的工具，並且在交談過程中隨著新資訊出現而調整。
每個客製代理都有自己的工具組。 當你的代理人委託給其他客製化代理人時，可用的工具會自動改變。
欲了解更多可用工具資訊，請參閱工具。
平行執行
當你的代理辨識出獨立操作，也就是彼此的輸出互不相依的動作時，它會在單一回合中同時發出這些操作，而不是逐一執行。
例如，如果你的代理程式需要檢查 pod 狀態、服務健康狀況和部署歷史，它會同時執行三個指令，而不是等每個指令都完成後再開始下一個。 這種方法減少推理回合，加快調查速度。
工具層級的提示詞透過告訴模型：「如果指令獨立且能平行執行，則在一則訊息中呼叫多個工具。」
動作分類
你的代理人會在執行前對每個動作進行分類。
| 分類 | 行為 | Examples |
|---|---|---|
| 安全 | 立即執行處決 | 查詢日誌、檢查資源狀態、列出部署 |
| 謹慎 | 執行並提供簡短說明 | 發送電子郵件、發布 Teams 訊息 |
| 破壞性 | 需要你的確認 | 重新啟動應用程式、擴展資源、修改設定 |
你的代理人如何處理每種類型，取決於你的 運行模式。
| 執行模式 | Safe | 謹慎 | 破壞性 |
|---|---|---|---|
| 檢閱 | Executes | Executes | 請求批准 |
| 自治 | Executes | Executes | Executes |
會話管理
有好幾個機制讓長時間的對話保持在正軌上。
| 機制 | 其功能是什麼 |
|---|---|
| 壓縮 | 當對話過長時，你的經紀人會總結先前的背景，同時保留關鍵發現。 你可以用指令 /compact 手動觸發這個動作。 |
| 自動重試 | 如果在回應過程中發生服務中斷，您的代理程式會自動重試。 |
| 錯誤處理 | 如果模型遇到暫時性問題，你的代理會顯示明確訊息（「模型暫時出現問題」），而不是一般的內部錯誤。 |
取消
當你選擇 停止時，你的代理會停止所有操作，並阻止對已取消任務的重試。 除非你明確修改已取消的請求，否則你的下一則訊息會重新開始。
Boundaries
推理是有極限的。
| 推理的作用是什麼？ | 它做不到的事 |
|---|---|
| 同時從多個來源蒐集證據 | 當證據不足時，保證找到根本原因 |
| 會分類行動並尊重你的奔跑模式 | 在 Review 模式中，不經確認即自動修復 |
| 一步步解釋其思考 | 跨不同代理人共享調查方法論 |
| 根據問題複雜度調整推理深度 | 以其他方式來取代人類在關鍵決策中的判斷 |