Meilleures pratiques et limitations de l’agent d’opérations

Cet article décrit les meilleures pratiques et limitations lors de l’utilisation d’agents d’opérations dans Real-Time Intelligence.

Meilleures pratiques

Comme avec n’importe quel produit basé sur l’IA, en donnant des instructions claires et des données faciles à comprendre améliorent les résultats. Tenez compte des meilleures pratiques suivantes pour obtenir les règles et le guide stratégique optimaux :

• Configuration d’Eventhouse :
  • Vérifiez que votre eventhouse contient des tables plates avec des noms de colonnes descriptifs.
  • N’utilisez pas de colonnes imbriquées (par exemple, JSON).
  • Utilisez le champ de description pour les colonnes de vos tables pour aider l’agent à mieux comprendre les données.
• Définition de règles :
  • Spécifiez clairement les règles et conditions que l’agent doit évaluer, y compris les critères pour recommander des actions. Par exemple, au lieu d’indiquer « Prendre une action lorsque la disponibilité du vélo est faible », fournissez un seuil spécifique tel que « Prendre une action lorsque la disponibilité du vélo est de 3 ou moins ».
  • Définissez clairement les objets métier ou les entités dont l’agent a besoin pour comprendre. Spécifiez les colonnes de vos données qui identifient de manière unique ces objets (par exemple, ID du capteur, nom de l’emplacement, numéro de personnel). L’indication de la table appropriée garantit que l’agent récupère les données correctes.
  • Lorsque vous parlez des champs et propriétés que l’agent doit surveiller, placez les noms des champs entre guillemets (« ») pour améliorer l’identification. Cela est particulièrement important pour les noms de colonnes contenant des caractères spéciaux tels que des traits de soulignement ou des traits d’union.
  • Utilisez des points à puces ou des lignes distinctes pour décrire chaque règle individuellement, garantissant ainsi la clarté de l’agent lors de la configuration des règles.
  • Les règles peuvent surveiller les valeurs numériques qui changent au fil du temps. Vérifiez que les conditions que vous définissez sont mesurables.
  • Faites attention à la séquence dans laquelle vous décrivez les règles et les actions. Les llms peuvent interpréter les informations différemment en fonction de leur position dans l’invite.

Limites

1. Les agents d'opérations s'appuient sur un grand modèle de langage (LLM) pour créer le playbook et les règles que l'agent suit, ainsi que pour analyser et générer des messages concernant les actions et les recommandations. Étant donné que les services IA basés sur LLM sont probabilistes et peuvent être fallibles, il est important d’examiner attentivement les résultats et les recommandations qu’ils fournissent. Pour plus d’informations, consultez la page d’informations Fabric Copilot.

   Pour suivre les requêtes et les données accessibles à l’agent, vous pouvez examiner la base de données Eventhouse et KQL qu’il surveille. Dans l’onglet Insights des requêtes, vous voyez les requêtes qu’il exécute et pouvez valider le KQL qu’il utilise.

   

2. Bien que les garde-fous système soient en place, une utilisation intensive peut entraîner une limitation, ce qui limite le nombre de messages que l’agent peut envoyer. Dans ces cas, vous pourriez recevoir des messages simplifiés et qui ne sont pas générés par des LLM via Teams.

3. À l’heure actuelle, l’agent et LLM prennent en charge uniquement les instructions et objectifs anglais.

4. L’agent fonctionne à l’aide de l’identité déléguée et des autorisations de son créateur. En d’autres termes :

   • Les requêtes, l’accès aux données et les actions s’exécutent en fonction des informations d’identification du créateur.
   • Par défaut, le créateur reçoit des messages de recommandation. La modification du destinataire ne modifie pas les informations d’identification utilisées pour les requêtes et les actions.

5. L’agent exécute des requêtes de données toutes les cinq minutes lorsqu’il est actif.

6. Lorsque l’agent détecte les données correspondant à ses règles, il suit les actions recommandées et la réponse de l’utilisateur comme une « opération ». Si l’utilisateur ne répond pas (approuve ou rejette) dans les trois jours, l’opération est automatiquement annulée. Après cette période, vous ne pouvez pas interagir ou approuver l’action.

7. L’agent d’opérations est disponible dans les régions Fabric, à l’exception des régions USA Centre Sud et USA Est.

8. Si votre locataire et votre capacité Fabric se trouvent dans différentes régions, vous pouvez rencontrer des erreurs lors de la configuration des actions Power Automate. Tant qu’un correctif n’est pas disponible, assurez-vous que la capacité de votre espace de travail se trouve dans la même région que votre locataire Fabric pour utiliser l’agent d’opérations.