共用方式為

檢視實施清單

實作 Copilot Studio 代理需要細心注意整合、通路、工具、主題設計及填補時段的行為，以確保代理在大規模下能穩定運作。 本節提供實務問題與最佳實務指引，協助您驗證實作選擇。

驗證你的實施準備度

請依照以下清單確認您的經紀人技術穩健、性能良好且已準備好製作。

AI 功能與功能規劃

做？ 任務
✓ 你有沒有確定你的情境需要哪些 AI 功能（生成式協調、生成式答案、生成式建構器、AI 提示、電腦使用、核准）？
✓ 你有沒有定義每個選定能力的目的、範圍和限制？
✓ 你有評估高權限能力（例如動作、連線代理、電腦使用）的風險或治理要求嗎？
✓ 你有沒有驗證過知識來源是準確、結構良好且準備好紮根的？
✓ 您是否確認了 AI 生成內容在必要時將如何審查、驗證或覆蓋？

生成式編排設計

做？ 任務
✓ 你有沒有清楚定義代理人的工具、主題、動作，以及具有意義名稱和描述的子代理或相關代理？
✓ 你有沒有明確說明 AI 能自主行動的決策範圍，以及需要確認或人工批准的決策範圍？
✓ 你有設計主題和動作的輸入輸出，讓協調器能自然地自動提示和連鎖步驟嗎？
✓ 你有確保工具具備確定性行為並包含關鍵參數的驗證嗎？
✓ 你有沒有為協調者定義什麼時候該使用知識、什麼時候使用工具，以及何時進行多步驟規劃的指引？

系統整合

做？ 任務
✓ 你有沒有確定代理必須整合哪些系統，並選擇合適的整合模式（連接器、HTTP、工作流程、API、模型情境協定）？
✓ 你有確認驗證要求，並在每個整合時選擇使用者憑證還是創客憑證嗎？
✓ 你有評估過代理呼叫的所有服務的 API 限制、效能限制和預期容量嗎？
✓ 你是否為每條整合路徑設計了適當的錯誤處理行為？

代理工具

做？ 任務
✓ 你是否評估過能力應該透過工具、工作流程、MCP 伺服器或提示符來實作？
✓ 你有確保每個工具都有明確的名稱、描述、輸入和輸出，讓調解器能可靠地選擇嗎？
✓ 你有確認進階模型或設定是否需要用 AI 提示來取代編排器嗎？
✓ 你們有獨立測試工具來驗證有效載荷、架構、錯誤處理和效能特性嗎？
✓ 你有評估過情境需要的是兒童代理人還是相關代理人，而非工具？

通道、用戶端與切換

做？ 任務
✓ 你是否為受眾選擇合適的頻道，並確認每個頻道支援的訊息格式，例如Markdown、Adaptive Cards和圖片？
✓ 您是否驗證了客戶行為，並確保用戶在 Teams、網路聊天、行動或自訂應用程式間擁有一致的體驗？
✓ 您是否已確定實作是否需要即時代理切換，並選擇適當的模式，是機器人即代理（Bot-as-an-Agent）或機器人在迴圈（Bot-in-the-Loop）？
✓ 你有確認信用、延遲和客服接管行為是否符合你選擇的交接模式嗎？

主題、觸發詞與填補欄位

做？ 任務
✓ 你有沒有安排主題，讓每個主題都有明確的目的，避免責任重疊？
✓ 你有設計出有效的觸發詞，能支援同義詞、變體和領域詞彙嗎？
✓ 你有定義實體和填槽規則，確保代理人能有效收集所需資訊嗎？
✓ 您是否評估過是否需要使用自訂實體，如封閉清單或正規表達法，以避免NLU混淆？
✓ 你有驗證備用行為，並確保客服人員能優雅地解決缺失或不清楚的資訊嗎？

最佳實務呼叫

  • 清晰且有意識地命名元件：使用以動作導向、易讀的方式命名工具、主題及連結代理，幫助協調者持續選擇正確的元件。
  • 有目的地設計輸入與輸出：使用簡潔、友善的輸入名稱與結構化輸出，讓編排器能自然自動提示並可靠地串接步驟。
  • 保持能力模組化且可重複使用：將主題、工具與連結代理視為建構組件。 避免在流程或元件間重複邏輯。
  • 及早優先保障安全邊界：定義哪些 AI 可以自主執行、哪些行動需確認，以及哪些行動需人類批准以防止意外行為。
  • 策劃高品質的知識來源：保持知識庫小而準確。 移除過時或雜訊內容，以提升接地品質並減少錯誤資訊。
  • 先選擇最簡單的整合模式：除非你的情境明確需要自訂 API 或 MCP 伺服器，否則偏好內建連接器或工作流程。 較簡單的路徑更容易維護和除錯。
  • 明確且一致地定義工具行為：為每個工具命名、描述、輸入集及預期輸出，讓協調者能正確選擇並產生穩定的計畫。
  • 及早驗證認證：透過確認情境是否需要使用者驗證、創客憑證，或透過受管理身份的安全存取，避免意外。
  • 設計延遲與效能：保持 API 查詢效率、減少有效載荷大小，避免串接緩慢整合，以維持響應式對話體驗。
  • 測試工具、工作流程與提示：在將輸入、輸出與錯誤狀態分別接入主題或編排器前，逐一驗證。
  • 有意識地規劃頻道行為：了解哪些頻道支援 Markdown、Adaptive Cards、照片或自訂版面，並據此設計你的訊息。
  • 為清晰與易於維護而組織主題結構：保持主題聚焦，避免重疊，並確保每個主題解決單一明確的任務。
  • 設計符合真實使用者語言的觸發詞句：包含變體、同義詞及常見語句模式，以提升意圖辨識並降低備援頻率。
  • 利用實體減少不必要的問題：利用內建及自訂實體從使用者初始訊息中擷取資訊，減少摩擦並加快流程。
  • 徹底測試填槽邊緣案例：驗證當使用者提供多重值、不完整資訊或模糊輸入時，代理的行為，並細化實體以減少混淆。
  • Last updated on