Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
[Dieser Artikel ist Teil der Dokumentation zur Vorabversion und kann geändert werden.]
Ihre Agenten können ein tiefes Begründungsmodell verwenden, um komplexe Aufgaben besser zu verstehen und zu erledigen. Diese Funktion verbessert die Entscheidungsfindung eines Agenten und gibt genauere Antworten zurück.
Sie können Agenten Modelle für Deep Reasoning hinzufügen, bei denen die generative Orchestierung und Deep Reasoning aktiviert sind.
Anmerkung
Das Hinzufügen eines Deep Reasoning-Modells in Copilot Studio wird derzeit nur in den USA und der EU unterstützt, außer dem Vereinigten Königreich. Beide Regionen verwenden das Azure OpenAI o3-Modell.
Deep-Reasoning-Modelle in Copilot Studio sind noch in der Vorschau und machen keine Datenresidenz-Verpflichtungen. Ihre Daten könnten in die Vereinigten Staaten oder in ein anderes Land, in dem Microsoft oder seine Unterprozessoren tätig sind, übertragen, gespeichert und dort verarbeitet werden.
Für Organisationen, die Pay-as-you-go-Abrechnung verwenden: Obwohl tiefgründiges Denken nur in einigen Regionen möglich ist, kann die Bearbeitung von Pay-as-you-go-Copilot-Guthaben außerhalb der Heimatregion Ihres Agenten erfolgen.
Sobald Sie die tiefe Begründung für Ihren Agenten aktiviert haben, bestimmt der Agent, auf welche Aufgaben eine tiefe Begründung angewendet werden soll, oder Sie können das Schlüsselwort "Reason " in den Anweisungen des Agents hinzufügen, damit der Agent tiefe Gründe für bestimmte Aktivitäten anwendet.
Wichtig
Dieser Artikel enthält Dokumentation zur Vorschauversion von Microsoft Copilot Studio und kann noch geändert werden.
Funktionen in der Vorschauversion sind nicht für den produktiven Einsatz gedacht und können eine eingeschränkte Funktionalität aufweisen. Diese Funktionen stehen vor dem offiziellen Release zur Verfügung, damit Sie früher Zugriff darauf erhalten und Feedback geben können.
Weitere Informationen zur Erstellung eines produktionsbereiten Agenten finden Sie unter Übersicht über Microsoft Copilot Studio.
Wie funktioniert Deep Reasoning?
Tiefes Denken verwendet ein erweitertes KI-Modell, um Aufgaben auszuführen, die logisches Denken, Problemlösung und schritt-für-Schritt-Analyse erfordern. Mit diesem Modell kann Ihr Agent komplexe Aufgaben mit größerer Genauigkeit ausführen, jedoch mit langsameren Reaktionszeiten als standardmodelle, die von Copilot Studio verwendet werden.
Ihr Agent bestimmt, welche Aufgaben oder Schritte von der Anwendung eines tiefen Begründungsmodells profitieren. Sie können Ihren Agents auch mitteilen, dass Sie tiefe Gründe zum Ausführen von Aufgaben verwenden, indem Sie den Schlüsselwortgrund in den Agent-Anweisungen verwenden.
Anmerkung
Die Verwendung von tiefgehenden Gründen verbraucht copilot Credits. Informationen zu abrechnungsierten Copilot Credits-Tarifen für tiefgehende Gründe und andere Agentenaktivitäten finden Sie unter Abrechnungsraten und -verwaltung.
Zugriff auf Deep-Reasoning-Modelle aktivieren
Um mit einem Agenten zu argumentieren, müssen Sie generative Orchestrierung und den Zugriff auf tiefgreifende Modellierung für logisches Denken für diesen Agenten aktivieren.
Öffnen Sie die Einstellungen für Ihren Agent.
Aktivieren Sie deep reasoning (Vorschau).
Ein Deep-Reasoning-Modell für komplexe Aufgaben verwenden
Agents mit Zugriff auf deep reasoning models verwenden sie nicht für alle Aufgaben oder Schritte, die sie ausführen. Stattdessen können Agenten Deep-Reasoning-Modelle verwenden, um bestimmte Aufgaben zu erledigen.
Ihr Agent bestimmt, welche Aufgaben oder Schritte von einem tiefen Begründungsmodell profitieren würden.
Sie können den Agent auch explizit anweisen, tiefgehende Gründe für bestimmte Aufgaben zu verwenden. Bitten Sie den Agenten, den Grund in den Anweisungen des Agenten zum Abschließen einer bestimmten Aufgabe oder eines bestimmten Schritts zu verwenden.
Diese Anweisungen enthalten beispielsweise das Schlüsselwort reason in einem der Schritte. Der Agent verwendet nur das Azure OpenAI o3-Modell für diesen Schritt:
Analysieren Sie den Anforderungstext, um Folgendes zu identifizieren: Standort (z. B. Arizona) und angeforderte Dienstleistungen (z. B. Reinigung, Landschaftsgestaltung, Wartung).
Verwenden Sie Lieferanten aus ERP-Flow abrufen, um interne Lieferantendaten abzurufen.
Durchsuchen Sie Ihre interne Wissensdatenbank nach Informationen zu Kapazität, Standort und Leistung von Lieferanten.
Führen Sie eine Suche im Webflow aus und extrahieren Sie Marktanteile, Umsatz, Rang und andere relevante Informationen von allen Lieferanten.
Nutzen Sie die Daten, um durch Reason eine Top-Empfehlung für die Benutzeranfrage zusammen mit dem relevanten Kontext zu geben.
Anmerkung
Ein Agent kann Deep-Reasoning-Modelle für mehrere Aufgaben oder Schritte verwenden, aber jeder muss das Schlüsselwort reason enthalten. Da Deep-Reasoning-Modelle für eine Antwort länger brauchen, kann die Verwendung der Modelle für mehrere Schritte die Reaktionszeiten Ihres Agenten erheblich verlangsamen.
Das Verhalten des Modells bei Schlussfolgerungen überprüfen
Sie können nachverfolgen, wann und wie Ihr Agent tiefgehende Begründungsmodelle auf der Seite "Aktivität " verwendet.
Die Aktivitätskarte zeigt einen Deep-Reasoning-Knoten, in dem der Agent ein Deep-Reasoning-Modell verwendet hat.
Um Details anzuzeigen, wählen Sie den Begründungsknoten aus, um ihn zu erweitern. Der erweiterte Knoten erläutert die Schlussfolgerungsschritte und -daten, die das Modell verwendet hat, sowie das Ergebnis, das das Modell ausgegeben hat.