Mètriques i recomanacions per a Copilot Studio

Les mètriques d'estat operacional del Copilot Studio estan disponibles al Centre d'administració del Power Platform.

Veure les mètriques de Copilot Studio

  1. Inicieu la sessió al Centre d'administració del Power Platform.

  2. A la subfinestra de navegació, seleccioneu Supervisa.

  3. A la subfinestra Monitor , a Productes, seleccioneu Copilot Studio.

    La pàgina Copilot Studio mostra les mètriques dels agents conversacionals i autònoms creats al Copilot Studio. Per als agents que utilitzen GitHub Copilot, Copilot Studio utilitza IA per revisar cada sessió completada i assignar-li un únic resultat, com ara resolt, escalat o abandonat. El Monitor utilitza aquest resultat per decidir si la sessió compta com un èxit o un fracàs. L'anàlisi d'IA s'executa després que acabi la sessió, de manera que les mètriques d'aquests agents poden aparèixer a Monitor fins a 48 hores després de l'ús.

Mètriques i recomanacions de Copilot Studio

Definicions de mètriques

Tipus Mètrica Definició Servei tècnic
Agents Percentatge d'èxit de la sessió de l'agent Un percentatge que descriu amb quina freqüència un agent autònom és capaç d'executar amb èxit la seva tasca, o amb quina freqüència s'ha resolt amb èxit la sessió d'un agent conversacional. Disponible de manera general
Agents Sessions recents d'agents El nombre de sessions d'usuari diferents en un agent en un dia. Una sessió comença quan un usuari obre l'agent i acaba després d'un període d'inactivitat o quan es tanca l'agent. Disponible de manera general

Mapeig dels resultats de la sessió

La taula següent mostra com Monitor compta cada resultat de sessió per als agents que utilitzen GitHub Copilot.

Resultat de la sessió Què significa Percentatge d'èxit de la sessió de l'agent Sessions recents d'agents
Resolt – confirmat L'usuari va confirmar que la seva necessitat estava coberta. ✅ Èxit Comptat
Resolt – implícit La necessitat de l'usuari sembla estar satisfeta, tot i que l'usuari no ho va confirmar explícitament. ✅ Èxit Comptat
Escalat – sistema intencionat L'agent va cedir la sessió a causa d'una regla d'escalada que el creador havia configurat. L'agent va fer el que havia estat dissenyat per fer. ✅ Èxit Comptat
Escalat – sol·licitud de l'usuari L'usuari va demanar parlar amb una persona. ❌ Fracàs Comptat
Escalat – sistema no desitjat La sessió es va escalar perquè l'agent, o una eina o flux que va cridar, va fallar. ❌ Fracàs Comptat
No resolt – fallada de l'agent L'agent va dir que no podia ajudar amb la sol·licitud. ❌ Fracàs Comptat
No resolt – usuari rebutjat L'usuari va rebutjar la resposta de l'agent. ❌ Fracàs Comptat
No resolt – incomplet La sessió va acabar amb la necessitat de l'usuari encara oberta. ❌ Fracàs Comptat
Abandonat L'usuari va deixar de respondre abans que acabés la sessió. ❌ Fracàs Comptat
No compromès L'usuari mai no va enviar cap missatge a l'agent, així que no hi ha cap resultat. Exclosa No comptat
No analitzat No es va poder determinar cap resultat. Per exemple, la sessió era massa gran per analitzar, es va saltar per límits de capacitat d'anàlisi o l'anàlisi no va retornar un resultat vàlid. Exclosa No comptat

Com es calcula la taxa d'èxit

Monitor calcula la taxa d'èxit només a partir de sessions que tenen un resultat:

Taxa d'èxit de sessions de l'agent = sessions reeixides ÷ (sessions reeixides + sessions fallides)

Nota

  • Cada sessió es compta una vegada.
  • Aquesta correspondència s'aplica a sessions de conversa per a agents que utilitzen GitHub Copilot. Els agents autònoms continuen informant de l'èxit segons si cada execució ha completat la seva tasca.

Consells per millorar la teva taxa d'èxit

  • Molts resultats "No resolts" o "Escalats – sol·licitats per l'usuari": Comprova que l'agent tingui les fonts de coneixement i les instruccions que necessita per respondre preguntes habituals.
  • Molts resultats "escalats – no intencionats del sistema": Busca eines, connectors o fluxos que fallin que l'agent cridi.
  • Molts resultats "abandonats": Revisa les transcripcions de les sessions per veure on cauen els usuaris, per exemple després de respostes llargues o preguntes aclaridores repetides.