Übersicht über Eingabeaufforderungen

Note

In diesem Artikel werden Funktionen beschrieben, die in Agents oder Agent-Flows verwendet werden, die von der Standardumgebung unterstützt werden.

Dieser Artikel erklärt Prompts und Prompt-Engineering als Schlüsselkonzepte, die Ihnen helfen, leistungsstarke generative KI-Fähigkeiten zu schaffen, die Sie in Copilot Studio nutzen können.

Wichtig

  • Aufforderungen verwenden Modelle, die von Azure Foundry unterstützt werden.
  • Für diese Funktion gelten möglicherweise Nutzungsbeschränkungen oder Kapazitätseinschränkungen.

Voraussetzungen

Was ist ein Prompt

Ein Prompt besteht hauptsächlich aus einer natürlichen Sprachanweisung, die einem generativen KI-Modell anweist, eine Aufgabe auszuführen. Das Modell folgt der Aufforderung, um die Struktur und den Inhalt des zu generierenden Textes zu bestimmen. Beim Prompt-Engineering handelt es sich um den Prozess des Erstellens und Verfeinerns der vom Modell verwendeten Eingabeaufforderung.

Eine Prompt-Builder-Erfahrung ermöglicht es Herstellern, wiederverwendbare Prompts zu erstellen, zu testen und zu speichern. In dieser Erfahrung können Sie auch Eingabevariablen und Wissensdaten verwenden, um während der Laufzeit dynamische Kontextdaten bereitzustellen. Sie können diese Prompts mit anderen teilen und in Agenten, Workflows oder Apps verwenden.

Sie können diese Prompts für viele Aufgaben oder Geschäftsszenarien verwenden, wie zum Beispiel Inhalte zusammenfassen, Daten kategorisieren, Entitäten extrahieren, Sprachen übersetzen, Stimmung bewerten oder eine Antwort auf eine Beschwerde formulieren. Zum Beispiel könnten Sie eine Aufforderung erstellen, um Aktionspunkte aus Ihren Firmen-E-Mails auszuwählen und sie in einem Power Automate-Workflow zu verwenden, um eine Automatisierung zur E-Mail-Verarbeitung zu erstellen.

Screenshot des Editors für Prompts im Prompt-Generator

In Copilot Studio können Sie Prompts als Werkzeuge für Agenten nutzen, um das Chaterlebnis zu verbessern oder fortschrittliche KI-Automatisierungen zu aktivieren. Du kannst Prompts auch als Workflow-Knoten nutzen, um KI-Aktionen in deterministische Automatisierungen einzufügen.

Menschliche Aufsicht

Menschliche Aufsicht ist ein wichtiger Schritt bei der Arbeit mit Inhalten, die aus einem generativen KI-Modell generiert werden. Solche Modelle werden auf riesigen Datenmengen trainiert und können Fehler und Verzerrungen enthalten. Ein Mensch sollte die Inhalte prüfen, bevor Sie sie online stellen, an einen Kunden senden oder sie zur Geschäftsentscheidung nutzen. Die menschliche Aufsicht hilft Ihnen, potenzielle Fehler und Verzerrungen zu erkennen. Es stellt auch sicher, dass der Inhalt für den beabsichtigten Anwendungsfall relevant ist und mit den Werten des Unternehmens ausgerichtet ist.

Menschliche Überprüfung kann auch helfen, eventuelle Probleme mit dem Modell selbst zu identifizieren. Wenn das Modell beispielsweise Inhalte generiert, die für den beabsichtigten Anwendungsfall nicht relevant sind, müssen Sie die Eingabeaufforderung möglicherweise anpassen.

Verantwortungsvolle KI

Microsoft verpflichtet sich, verantwortungsbewusste KI von Natur aus zu schaffen. Unsere Arbeit orientiert sich an einer Reihe grundlegender Prinzipien: Fairness, Zuverlässigkeit und Sicherheit, Datenschutz, Inklusivität, Transparenz und Rechenschaftspflicht. Wir setzen diese Grundsätze unternehmensweit in die Praxis um, um KI zu entwickeln und einzusetzen, die sich positiv auf die Gesellschaft auswirkt. Wir verfolgen einen umfassenden Ansatz und kombinieren innovative Forschung, herausragende Technik und verantwortungsvolle Governance. Neben der Spitzenforschung von OpenAI zur KI-Ausrichtung entwickeln wir einen Rahmen für den sicheren Einsatz unserer eigenen KI-Technologien, der helfen soll, in der Branche verantwortungsvollere Ergebnisse zu erreichen.

Weitere Informationen zur Transparenz in Transparency-Hinweis für Azure OpenAI.

  • Last updated on