Best practices en beperkingen voor operations-agenten

In dit artikel worden de best practices en beperkingen beschreven voor het gebruik van operations-agents in Real-Time Intelligence.

Beste praktijken

Net als bij elk ai-product, geven we duidelijke instructies en eenvoudig te begrijpen gegevens verbeteren de resultaten. Houd rekening met de volgende aanbevolen praktijken om de beste regels en handleiding te ontwikkelen:

• Eventhouse-configuratie:
  • Zorg ervoor dat uw eventhouse platte tabellen bevat met beschrijvende kolomnamen.
  • Gebruik geen geneste kolommen (bijvoorbeeld JSON).
  • Gebruik het beschrijvingsveld voor kolommen in uw tabellen om de agent te helpen de gegevens beter te begrijpen.
• Regels definiëren:
  • Geef duidelijk de regels en voorwaarden op die de agent moet evalueren, inclusief de criteria voor het aanbevelen van acties. In plaats van bijvoorbeeld 'Een actie ondernemen wanneer de beschikbaarheid van de fiets laag is', geeft u een specifieke drempelwaarde op, zoals 'Een actie ondernemen wanneer de beschikbaarheid van fietsen 3 of minder is'.
  • Definieer duidelijk de bedrijfsobjecten of entiteiten die de agent moet begrijpen. Geef op welke kolommen in uw gegevens deze objecten uniek identificeren (bijvoorbeeld sensor-id, locatienaam, personeelsnummer). Als u de relevante tabel aangeeft, zorgt u ervoor dat de agent de juiste gegevens ophaalt.
  • Wanneer u verwijst naar velden en eigenschappen die de agent moet bewaken, plaatst u de veldnamen tussen aanhalingstekens ("") om de identificatie te verbeteren. Dit is met name belangrijk voor kolomnamen die speciale tekens bevatten, zoals onderstrepingstekens of afbreekstreepjes.
  • Gebruik opsommingstekens of afzonderlijke regels om elke afzonderlijke regel te beschrijven, zodat het voor de agent duidelijk is bij het configureren van de regels.
  • Regels kunnen numerieke waarden bewaken die na verloop van tijd veranderen. Zorg ervoor dat de voorwaarden die u definieert, kwantificeerbaar zijn.
  • Let op de volgorde waarin u regels en acties beschrijft. LLM's kunnen informatie anders interpreteren op basis van de positie binnen de prompt.

Beperkingen

1. Operations-agents zijn afhankelijk van een LLM (Large Language Model) om het playbook te maken en regels te maken die de agent volgt, en om te redeneren over en berichten te genereren voor acties en aanbevelingen. Omdat AI-services op basis van LLM probabilistisch zijn en valbaar kunnen zijn, is het belangrijk om de resultaten en aanbevelingen die ze bieden zorgvuldig te bekijken. Zie de pagina Fabric Copilot-informatie voor meer informatie.

   Als u wilt bijhouden welke query's en gegevens de agent opvraagt, kunt u kijken naar de Eventhouse- en KQL-database die het controleert. Op het tabblad Query Insights ziet u de query's die worden uitgevoerd en kunt u de KQL valideren die wordt gebruikt.

   

2. Hoewel systeemvoorzieningen aanwezig zijn, kan intensief gebruik leiden tot snelheidsbeperking, waardoor het aantal berichten dat de agent kan verzenden, wordt beperkt. In dergelijke gevallen ontvangt u mogelijk vereenvoudigde, niet-LLM gegenereerde berichten via Teams.

3. Op dit moment ondersteunen de agent en LLM alleen Engelse instructies en doelen.

4. De agent werkt met behulp van de gedelegeerde identiteit en machtigingen van de maker. Dit betekent:

   • Query's, gegevenstoegang en acties worden uitgevoerd op basis van de referenties van de maker.
   • De maker ontvangt standaard aanbevelingsberichten. Als u de ontvanger wijzigt, worden de referenties die worden gebruikt voor query's en acties niet gewijzigd.

5. De agent voert elke vijf minuten gegevensquery's uit wanneer deze actief is.

6. Wanneer de agent gegevens detecteert die overeenkomen met de regels, worden de aanbevolen acties en het antwoord van de gebruiker bijgehouden als een 'bewerking'. Als de gebruiker niet binnen drie dagen reageert (goedkeuren of afwijzen), wordt de bewerking automatisch geannuleerd. Na deze tijdsperiode kunt u niet met de actie interacteren of deze goedkeuren.

7. Operations-agent is beschikbaar in Fabric-regio's, met uitzondering van Zuid-Centraal VS en Oost VS.

8. Als uw Fabric-tenant en -capaciteit zich in verschillende regio's bevinden, kunnen er fouten optreden bij het configureren van Power Automate-acties. Totdat er een oplossing beschikbaar is, moet u ervoor zorgen dat uw werkruimtecapaciteit zich in dezelfde regio bevindt als uw Fabric-tenant om de operations-agent te gebruiken.