Utilitzar l'acció de predictiva al Power Automate

Podeu utilitzar accions dedicades per a cada AI Builder model Power Automate. Tanmateix, l'acció de predicció us permet utilitzar molts tipus de AI Builder models.

Utilitzar un model personalitzat o predefinit

1. Inicieu sessió a Power Automate.

2. Seleccioneu Els meus fluxos a la subfinestra esquerra i, a continuació, seleccioneu Flux>nou Flux de núvol instantani.

3. Poseu un nom al flux, seleccioneu Activa manualment un flux a Trieu com activar aquest flux i, a continuació, seleccioneuCrea.

4. Seleccioneu + Pas nou i, a continuació, introduïu predir a la barra de cerca.

5. Seleccioneu Prediu des de o AI Builder Prediu mitjançant models de AI Builder Microsoft Dataverse. Ambdues accions ofereixen les mateixes funcionalitats.

   

6. A l'entrada Model , seleccioneu un model personalitzat que hàgiu creat o trieu un model predefinit. Aquí teniu la llista dels models preconstruïts disponibles:

   • Lector de targetes de visita: Model de targeta de visita
   • Classificació per categories (preconstruïda): Categoria/Model de classificació
   • Extracció d'entitats (preconstruïda): EntityModel d'extracció
   • Extracció de frases clau: KeyPhraseExtraction model
   • Detecció del llenguatge: model de detecció del llenguatge
   • Anàlisi de sentiment: model SentimentAnalysis
   • Reconeixement de text: model de reconeixement de text
   • Generació de text (preconstruït): model GptPromptEngineering

Nota

Per obtenir més informació sobre els paràmetres d'entrada i sortida de cada model, consulteu la documentació que explica com utilitzar el model seleccionat en els apartats de documentació següents:

• Utilitzar un model d'AI Builder personalitzat al Power Automate
• Utilitzar un model de l'AI Builder generat prèviament al Power Automate

Utilitzar un identificador de model dinàmic (avançat)

Per a alguns casos d'ús complexos, és possible que hàgiu de transferir un identificador de model dinàmicament a l'acció de predicció. Per exemple, si voleu processar diferents tipus de factures mitjançant diferents models, és possible que vulgueu triar automàticament un model en funció del tipus de factura.

En aquesta secció, explicarem com configurar l'acció AI Builder de predicció per a aquest propòsit específic en funció del tipus de model.

1. Inicieu sessió a Power Automate.

2. Seleccioneu Els meus fluxos a la subfinestra esquerra i, a continuació, seleccioneu Flux>nou Flux de núvol instantani.

3. Poseu un nom al flux, seleccioneu Activa manualment un flux a Trieu com activar aquest flux i, a continuació, seleccioneuCrea.

4. Selecciona + Pas nou.

5. Introduïu la variable Inicialitza a la barra de cerca i, a continuació, seleccioneu-la a la pestanya Accions .

6. Introduïu l'identificador del model a l'entrada Nom , Cadena a l'entrada Tipus i l'identificador de model real a l'entrada Valor.

   L'identificador del model es pot trobar a l'URL de la pàgina de detalls del model a Power Apps: make.powerapps.com/environment/[environment id]/aibuilder/models/[identificador del model]

7. Seleccioneu + Pas nou, cerqueu predir i, a continuació, seleccioneu Prediu des de AI Builder.

8. Seleccioneu l'entrada >Introduïu el valor personalitzat i, a continuació, introduïu l'identificador del model al pas 6.

   El valor de la columna Infereix la sol·licitud depèn del tipus de model.

Model de processament de documents

1. Al pas Activeu manualment un flux, afegiu una entrada de fitxer i definiu-ne el nom a Contingut del fitxer .

2. Al pas Activeu manualment un flux, afegiu una entrada de text i definiu el seu nom a Tipus de mima.

3. Al pas Inicialitza la variable, introduïu un identificador de model de processament de documents.

4. Al pas Predir, introduïu el valor següent a la columna Infereix la sol·licitud :

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
       "pageRange": "1"
       }
   }
   

   

5. Seleccioneu Desa a la cantonada superior dreta i, a continuació, seleccioneu Prova per provar el flux:

   

6. Als detalls d'execució del flux, obteniu la sortida JSON del model a la secció SORTIDES de l'acció de predicció. Aquesta sortida és útil per construir accions aigües avall utilitzant valors del model.

   

7. Torneu al vostre flux a mode d'edició.

8. Seleccioneu + Pas nou i seleccioneu l'acció Redacta (o qualsevol altra acció per processar la sortida del model). Suposem que la sortida del model té la columna Total . Podeu obtenir-lo amb la següent fórmula:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Model de detecció d'objectes

Aquest procés és similar a la sol·licitud d'inferir del pas 4 de l'apartat Model de tramitació de documents:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Model de classificació de categories

Aquest procés és similar a la sol·licitud d'inferir del pas 4 de l'apartat Model de tramitació de documents:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}