Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Bemærkning
Denne artikel beskriver funktioner, der anvendes i agenter eller agentstrømme, drevet af standardledningsnettet.
Denne artikel forklarer prompts og prompt engineering som nøglebegreber, der kan hjælpe dig med at skabe kraftfulde generative AI-funktioner, som du kan bruge i Copilot Studio.
Vigtigt!
- Prompter bruger modeller, der leveres af Azure Foundry.
- Denne funktion kan være underlagt grænser for anvendelse eller kapacitet.
Forudsætninger
- Dit miljø er på listen over tilgængelige områder.
- Du skal bruge Copilot Credits.
- Microsoft Dataverse er installeret i miljøet.
Hvad er en prompt
En prompt består hovedsageligt af en naturlig sprogundervisning, der fortæller en generativ AI-model at udføre en opgave. Modellen følger prompten for at bestemme strukturen og indholdet af den tekst, den skal generere. Prompt engineering er processen med at skabe og forfine den prompt, der bruges af modellen.
En prompt-builder-oplevelse gør det muligt for skabere at bygge, teste og gemme genanvendelige prompts. I denne oplevelse kan du også bruge inputvariabler og vidensdata til at levere dynamiske kontekstdata under kørsel. Du kan dele disse prompts med andre og bruge dem i agenter, workflows eller apps.
Du kan bruge disse prompts til mange opgaver eller forretningsscenarier, såsom at opsummere indhold, kategorisere data, udtrække enheder, oversætte sprog, vurdere sentiment eller formulere et svar på en klage. For eksempel kunne du oprette en prompt, der udvælger handlingspunkter fra dine firmamails og bruge den i en Power Automate-arbejdsgang til at bygge en automatisering af e-mailbehandling.
I Copilot Studio kan du bruge prompts som agentværktøjer til at forbedre chatoplevelsen eller aktivere avancerede AI-automatiseringer. Du kan også bruge prompts som workflow-noder til at indsætte AI-handlinger i deterministiske automatiseringer.
Menneskelig overvågning
Menneskelig overvågning er et vigtigt skridt, når man arbejder med indhold genereret fra en generativ AI-model. Sådanne modeller trænes på enorme mængder data og kan indeholde fejl og bias. Et menneske bør gennemgå indholdet, før du lægger det online, sender det til en kunde eller bruger det til at træffe en forretningsbeslutning. Menneskeligt overblik hjælper dig med at identificere potentielle fejl og skævheder. Det sikrer også, at indholdet er relevant for den tilsigtede brugssag og stemmer overens med virksomhedens værdier.
En menneskelig gennemgang kan også hjælpe med at identificere eventuelle problemer med selve modellen. Hvis modellen f.eks. genererer indhold, der ikke er relevant for den tilsigtede use case, skal du muligvis justere prompten.
Ansvarlig kunstig intelligens
Microsoft er forpligtet til at skabe ansvarlig AI ved design. Vores arbejde styres af et sæt grundlæggende principper: retfærdighed, stabilitet og sikkerhed, beskyttelse af personlige oplysninger og sikkerhed, lige vilkår, fleksibilitet og ansvar. Vi implementerer disse principper i hele virksomheden og udvikler og implementerer AI, der har en generel positiv indvirkning. Vi har en omfattende tilgangsvinkel, der kombinerer ny forskning, fremragende ingeniørarbejde og ansvarlig styring. Foruden OpenAI's førende undersøgelser af AI-justering finder vi frem til en ramme for sikker installation af vores egne AI-teknologier, der skal hjælpe med at vejlede branchen mod mere ansvarlige udfald.
Få mere at vide om gennemsigtighed i Transparency-note til Azure OpenAI.