נהל את מחזור החיים של מודל הבינה המלאכותית עבור סוכני Copilot Studio

Copilot Studio מציע סוגים שונים של דגמים. סוגי מודלים אלה מבוססים על השימוש המיועד שלהם והזמינות שלהם. בחירת מודל בינה מלאכותית אינה החלטת עיצוב חד-פעמית. הדגמים מוצגים, מתעדכנים, זמינים באופן כללי, נבחרים כברירת מחדל, ולבסוף מוצאים משירות. סוכן שעובד טוב עם מודל אחד יכול להתנהג בצורה שונה לחלוטין עם מודל אחר, אפילו עם מודל מאותה משפחת מודלים.

התייחס לניהול מחזור חיי המודלים כפרקטיקה תפעולית מתמשכת לכל סוכן Copilot Studio בהפקה. הקמת תהליך חוזר לגילוי שינויים במודלים, הערכת מודלים מועמדים, הכנה לפרישה, העברת סוכנים מושפעים ומעקב אחר איכות לאחר הפריסה.

שינוי המודל שבו סוכן משתמש הוא בדרך כלל רק שינוי בבחירת מודל. מודל חדש יותר יכול לפרש פקודות באופן מילולי יותר, לבחור כלים בצורה שונה, לייצר אורך תגובה ועיצוב שונים, ולשנות השהייה. תכנן כל שינוי מודל כהגירה הכוללת הערכה, שיפור הוראות וכלים, אישור וניטור לאחר הפריסה.

העיקרון המרכזי הוא לתכנן גמישות, לפעול בזהירות, ולתכנן כל שדרוג באמצעות הערכה. שדרוג לכל דגם חדש מסכן רגרסיות שקטות. הימנעות מכל שינוי בדגם מבטיחה מצב חירום עם פרישה.

החלו את מחזור החיים הבא על סוכני הייצור:

1. גלו דגמים חדשים, מעודכנים, ברירת מחדל ומודלים פורשים.
2. רשום את הסוכנים, הסביבות, הבעלים והתהליכים העסקיים התלויים בכל מודל.
3. העריכו מודלים להחלפה מועמדים מול קו בסיס קבוע.
4. אשר את ההגירה באמצעות קריטריונים מתועדים לאיכות ותפעול.
5. פרוס דרך תהליך ניהול מחזור חיי היישומים (ALM) של הארגון.
6. לעקוב אחרי תוצאות הייצור ולהוסיף תרחישים חדשים שהתגלו למערך הרגרסיה.
7. חזור על התהליך ככל שהמודלים ודרישות הסוכן משתנים.

מאמר זה עוסק בגילוי ומלאי. הסדרה ממשיכה עם:

• החליטו מתי לשדרג מודל בינה מלאכותית: החלטות שדרוג, דרישות מקדימות ותגובה לפרישה.
• הרץ ואמת הגירת מודל: הערכה, אישור, פריסה ומעקב.

ניהול מחזור חיים של מודלים דורש תיאום בין בעלי סוכנים, יוצרים, מנהלי פלטפורמות, בודקים, צוותי אבטחה וציות, ומאשרי שחרורים. הקצה בעלות לפני ששינוי מודל יוצר הגירה דחופה.

הבנת נוף המודל

לפני שתוכל לתכנן שינוי מודל, עליך לדעת כיצד Copilot Studio מסווג מודלים, אילו מודלים הארגון שלך יכול להשתמש בהם בפועל, ואילו סוכנים תלויים בכל אחד מהם.

הבנת סוגי שחרור מודלים

Copilot Studio מזהה דגמים לפי סיווגי שחרור וזמינות. סיווגים אלו מסייעים לקבוע כיצד לנהל מודל והיכן להשתמש בו. שמות הדגמים, שלבי השחרור, זמינות אזורית וסטטוס פרישה משתנים לאורך זמן. תמיד בדוק זמינות מודלים לפי אזור למידע עדכני במקום להסתמך על רשימת מודלים סטטית.

סוכן שמשתמש במודל ברירת המחדל עובר למודל חדש בכל פעם שהברירת מחדל משודרגת, בין אם תכננת זאת ובין אם לא. לסוכנים בסיכון גבוה ובנפח גבוה, בחרו מודל מסוים במקום לעקוב אחרי ברירת המחדל, כך שכל שינוי במודל יעבור בתהליך ההעברה שלכם.

אזהרה

מודלים ניסיוניים ותצוגה מקדימה יכולים להיות מוגבלים בזמינות, איכות תגובה משתנה, השהיה שונה או צריכת הודעות, זמני זמן ושיקולי עיבוד נתונים אזוריים. Copilot Studio לא ממליצים עליהם לסוכני הפקה. אם תפרסם סוכן שמשתמש בתצוגה מקדימה או במודל ניסיוני והמשתמשים מתקשרים איתו, השימוש הזה עדיין מחויב במחירים שנקבעו.

התאימו את קטגוריית השימוש במודלים למטרת הסוכן

Copilot Studio מתייג כל דגם בקטגוריית שימוש שמתארת למה המודל מותאם. בחירת הקטגוריה הנכונה לעומס העבודה של הסוכן משפיעה על איכות, השהיה וצריכת אשראי.

• Deep: מותאם להסקה מכוונת, רב-שלבית ותהליכי עבודה נתמכים על ידי כלים. הטוב ביותר לאנליטיקה מורכבת, ניתוח מדיניות וסינתזת מסמכים. נושא את ההשהיה הגבוהה ביותר ואת צריכת האשראי הגבוהה ביותר.
• Auto: מכסה עומסי עבודה מעורבים על ידי ניתוב שאילתות באופן דינמי. הכי טוב לסוכני תמיכה ועובדים עם מורכבות שאילתות בלתי צפויה או מגוונת. השהייה והעלות משתנות לפי תור.
• כללי: מותאם למהירות ועלות בצ'אט יומיומי ובהארקה קלה. הטוב ביותר לניסוח, סיכום, תשובות בסגנון שאלות נפוצות ואוטומציה פשוטה לפעולות. השהיה נמוכה וצריכת אשראי נמוכה ביותר.

למידע נוסף בקטגוריות שימוש במודלים.

חשוב

הטעות הנפוצה ביותר בשדרוג היא חוסר התאמה בקטגוריית שימוש, כמו העברת סוכן שאלות נפוצות בנפח גבוה ממודל כללילמודל עמוק כי המודל העמוק מקבל ציונים טובים יותר. איכות התשובה יכולה להשתפר במעט בעוד שהשהיה וצריכת האשראי עולות בחדות. שינוי זה הוא רגרסיה נטו בחוויית המשתמש ובעלות.

הבנת מודלים חיצוניים ובקרות מנהל

אתה יכול להשתמש במודלים של ספקים חיצוניים כמו Anthropic, xAI ו-Mistral כמודל הראשי של הסוכן. קבל מידע נוסף תחת בחירת מודל חיצוני כמודל הבינה המלאכותית הראשי.

הגדרות המנהל קובעות אילו מודלים יוכלו לבחור בסביבה מסוימת. מודל שמתועד כזמין עשוי עדיין לא להיות זמין לסוכן שאתה מעביר אם ההגדרה הנדרשת לא מופעלת.

הגדרת מנהל	השפעה על זמינות הדגם
תצוגה מקדימה של מודלים ניסיוניים של בינה מלאכותית	הפעל לפני שהיוצרים יכולים לבחור דגמים מקדימים או ניסיוניים בסביבה.
העברת נתונים בין אזורים	נדרש למודלים חוצי-גיאוגרפיה. מנהל הדיירים מנהל הגדרה זו ברמת הסביבה במרכז הניהול של Power Platform.
מודלים חיצוניים	מפעיל ספקים חיצוניים עבור סביבה או קבוצת סביבה. עליך גם לאפשר גישה לכל ספק בנפרד ב-מרכז הניהול של Microsoft 365. דרישה זו הופכת את המודלים החיצוניים למחלקה היחידה שזקוקה לשתי פעולות מנהל עצמאיות.

הערה

מודלים מקדימה, מודלים ניסיוניים ומודלים חיצוניים נשלטים על ידי הגדרות נפרדות. הפעלת סוג אחד לא מפעילה את השני. מנהל יכול לאפשר תצוגה מקדימה ומודלים ניסיוניים תוך חסימת מודלים חיצוניים, או להפך.

לפני תכנון ההגירה, ודאו שהמודל המועמד זמין ליצרן בסביבה היעד. רשימת המודלים ב-Copilot Studio משקפת את הגדרות המנהל שלך והיא האמת הבסיסית למה שסוכן מסוים יכול להשתמש בו. למדו עוד בבקרות מנהל לבחירת מודלים בינה מלאכותית.

סקירה קבועה של זמינות מודלים

בדוק את מודל הבינה המלאכותית הראשי של הסוכן שלך באופן קבוע. זו המקור הסמכותי לרשימת הדגמים הנוכחית. דגמים חדשים מופיעים שם כשהם מוצגים, והדגמים הקיימים מתעדכנים כשהם זמינים באופן כללי, הופכים לברירת מחדל או פורשים.

השתמשו במקורות הבאים יחד:

מקור‬	תיאור
בחר מודל בינה מלאכותית ראשי עבור הסוכן שלך	המקור העיקרי לזמינות מודלים והצגת דגמים חדשים: שמות מודלים, תגי קטגוריית שימוש, תגי שחרור, זמינות לכל אזור, דגלים חוצי גיאוגרפיה, סטטוס שיצא, זמינות ענן ממשלת ארה"ב, ובקרות מנהל.
רשימת הדגמים ב-Copilot Studio, בדף הסקירה של הסוכן תחת דגם	מה באמת זמין לסוכן מסוים בסביבה שלך, בהתחשב בהגדרות המנהל שלך.
המשך להשתמש במודל בינה מלאכותית שיצא משימושו	איך עובד חלון התאימות לדגמים שיצאו משימוש ואיך להפעיל אותו.
התראות מנהל מרכז הודעות Microsoft 365ו-Power Platform	שינויים ממוקדים בשוכרים והודעות על פרישה.
תוכניות השקה של Copilot Studioומה חדש ב-Copilot Studio	המודל המתקדם ומפת הדרכים של היכולות.
סביבות מחזור שחרור מוקדם	אימות מוקדם של שינויים בפלטפורמה ובמודלים לפני שהם מגיעים לסביבות קריטיות לעסק.
ניהול קרדיטים וקיבולת Copilot Studio	מה הדייר שלך משתמש, ובאיזו צריכה, לפי מודל.
הנחיות לשדרוג ספקי דגם	שינויים בהתנהגות בין יצירות המודלים, והשינויים בהנחיה שמטפלים בהם.

גם תפעיל סקירה כש:

• מודל רלוונטי הופך לזמין בתצוגה מקדימה או זמין באופן כללי.
• המודל ברירת המחדל משתנה.
• מודל שדרוג פרישה או שדרוג אוטומטי מוכרז.
• מודל הופך לזמין באזור הארגון.
• הארגון מאפשר עיבוד חוצה-גיאוגרפי, מודלים חיצוניים, או מודלים מקדימים וניסיוניים.
• ניטור ייצור מזהה דאגה לאיכות, השהיה, אמינות או צריכה שדגם אחר עשוי לטפל בה.

תחזוקת מודל ומלאי סוכנים

השתמש במלאי הסוכנים שסופקו במרכז הניהול של Power Platform, ב-Power Platform CLI, או ב-API של Power Platform כדי לזהות סוכנים המשתמשים במודל מסוים. השתמשו במידע זה כדי להתחיל תקשורת מחזור חיי המודלים עם בעלי העסקים והטכנולוגיים המושפעים.

השתמש באחת מהתצוגות הבאות במרכז הניהול של Power Platform:

תצוגת מרכז ניהול Power Platform	אופן השימוש
ניהול>טור Copilot StudioModel>	בדוק סוכנים על פני הדיירים וזהה את המודל שהוגדר עבור כל סוכן. סינון או ייצוא את התוצאות כדי למצוא סוכנים שמשתמשים במודל המתוכנן לפרישה.
רישוי>Copilot Studio>>Environment פרטי> צריכת הודעותבעמודת מודל LLM	בחר סביבה וסקור צריכת הודעות לפי מודל LLM. השתמש בגישה זו כדי לזהות סביבות, סוכנים וצריכה עדכנית הקשורה למודל הפרישה.

שאילתא את API המלאי כדי למצוא סוכנים לפי מודל

תצוגות מרכז הניהול של Power Platform יעילות לסקירה וייצוא תוצאות ידנית. חפש את ממשק המלאי במקום זאת כשאתה רוצה לאסוף את אותו מידע באופן תכנותי, כך שמניין הסוכנים יוכל להיות מתוזמן, מתוזמן וחוזר על עצמו בכל הדייר במקום להוריד דוחות ידנית. ארגונים עם נדל"ן סוכן גדול יכולים להשתמש בגישה זו כדי לרענן את רשימת הסוכנים המושפעים לפי דרישה במהלך הגירת פרישה ולשמור עליה מעודכנת בין אירועי מחזור החיים.

ממשק ה-API של המלאי מחזיר את שם הסוכן, שם התצוגה, הסביבה והמודל המוגדר בשאילתת דייר אחת, כך שאין צורך בקורלציה עם מקור נתונים אחר.

לפני שאתה מריץ את השאילה:

• התחבר עם חשבון שיש לו תפקיד מנהל Power Platform או מנהל Dynamics 365.
• רכש אסימון גישה למשאב https://api.powerplatform.com/ .
• אשר שהמלאי של הסוכן מופעל עבור הדייר.

שלח בקשת POST לנקודת הקצה של שאילתת המשאבים, סנן לפי סוג המשאבmicrosoft.copilotstudio/agents, והקרין את השדות שאתה צריך, כולל:properties.model

POST https://api.powerplatform.com/resourcequery/resources/query?api-version=2024-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "TableName": "PowerPlatformResources",
  "Clauses": [
    {
      "$type": "where",
      "FieldName": "type",
      "Operator": "in~",
      "Values": ["'microsoft.copilotstudio/agents'"]
    },
    {
      "$type": "project",
      "FieldList": [
        "name",
        "properties.displayName",
        "properties.model",
        "environmentId = tostring(properties.environmentId)"
      ]
    }
  ],
  "Options": { "Top": 200 }
}

התגובה מחזירה רשומה אחת לכל סוכן. שמות שדות בתגובה מחליפים את הנקודה בקו תחתון, כך properties.model שהיא מוחזרת כ:properties_model

{
  "totalRecords": 158,
  "count": 200,
  "data": [
    {
      "name": "00000000-0000-0000-0000-000000000000",
      "properties_displayName": "Sample Agent",
      "properties_model": "GPT-5 Auto",
      "environmentId": "00000000-0000-0000-0000-000000000000"
    }
  ]
}

התשובה כוללת totalRecords וכאשר התוצאות מקוצרות, ערך skipToken . העבר את הערך הזה חזרה וחזור Options.SkipToken על הבקשה עד שכל הרשומות נמשכות.

מקבץ את הרשומות שנאספו לפי properties_model כדי לראות היכן כל מודל משמש בכל הדייר. הדוגמה הבאה מציגה את מספר הסוכנים לפי דגם עבור דייר, למעט סוכנים שמשתמשים במודל ברירת המחדל של Copilot Studio או פועלים בחוויית Microsoft 365 Copilot:

Model                  Count
-----                  -----
Claude Sonnet 4.6         24
GPT-5 Chat                22
GPT-5.5 Chat               5
GPT-5 Auto                 4
Claude Sonnet 4.5          3
Claude Opus 4.6            2
Claude Opus 4.7            1
Claude Opus 5              1
Claude Sonnet 5            1
GPT-4o                     1
GPT-5.6 Reasoning          1

כאשר מכריזים על פרישה, סננו את אותו סט תוצאות במודל הפרישה כדי להפיק את רשימת הסוכנים המושפעים, הסביבה שלהם ומזהי הסוכנים שלהם. השתמש בערך כדי environmentId למפות כל סוכן לסביבה בעלת שם, ולנתב את התוצאות לבעלים של אותן סביבות. למדו עוד ב-Reply to a Model Retirement לקבלת תגובת פרישה מלאה.

מידע נוסף:

• API של מלאי ב- Power Platform
• חומר עזר עבור סכימת מלאי של Power Platform

השתמש ב-Power Platform CLI לפרטים סביבתיים

השתמש pac copilot list כאשר אתה צריך את ההקשר של הסוכנים והפתרון לסביבה אחת, למשל כשאתה מכין הגירה בסביבה אחת:

pac copilot list --environment <environment-id-or-url>

הפקודה מחזירה את שם הסוכן, מזהה Copilot, מצב רכיב, מצב מנוהל, מזהה פתרון, קוד מצב וקוד מצב. פלט זה לא כולל את המודל, לכן השתמש ב-API של המלאי כדי לזהות סוכנים לפי מודל. השתמש pac admin list בו כדי לשחזר שמות סביבה ומזהים.

מה לתעד עבור כל סוכן

המודל לבדו לא מספיק כדי לתכנן הגירה. רשמו את הדברים הבאים עבור כל סוכן, כדי שכאשר יוכרז על פרישה, כבר תדעו למי לפנות ואיזו עבודה כל סוכן צריך:

• שם סוכן, מזהה סוכן, סביבה וסוג סביבה, כגון פיתוח, בדיקה או ייצור.
• קריטיות עסקית.
• בעל עסק, בעלים טכניים, בודק ומאשר שחרור.
• המודל המוגדר ותג השחרור שלו.
• האם הסוכן משתמש במודל ברירת המחדל או במודל מסוים שנבחר.
• דרישות עיבוד חוצה גיאוגרפיה ומגבלות אזוריות.
• האם הסוכן מופעל על ידי הרתמה הסטנדרטית או על ידי רתמת GitHub Copilot, שקובעת את שיטות הבדיקה הזמינות לו. למידע נוסף ב-Choose a harness.
• בדיקת הרגרסיה קבעה את מיקום ותאריך הריצה האחרונה של קו הבסיס.
• האם חלון הדגם המשוחרר בשימוש, מתי הוא פג, ומי אישר אותו.

השלב הבא

עם הבנת נוף המודל ומלאי הסוכן שלך, השתמש בקריטריוני ההחלטה כדי לקבוע אם יש צורך בשדרוג.

החליטו מתי לשדרג מודל בינה מלאכותית

מידע קשור

• מעקב אחר האימוץ של Copilot, ניהולו וקנה המידה שלו ב- Power Platform