Menerapkan agen Copilot Studio Anda memerlukan perhatian yang cermat terhadap integrasi, saluran, alat, desain topik, dan perilaku pengisian slot untuk memastikan agen berkinerja andal dalam skala besar. Bagian ini memberikan pertanyaan praktis dan panduan praktik terbaik untuk membantu Anda memvalidasi pilihan implementasi.
Validasi kesiapan implementasi Anda
Gunakan daftar periksa berikut untuk mengonfirmasi agen Anda dalam kondisi teknis yang baik, berkinerja baik, dan siap produksi.
Kemampuan AI dan perencanaan fitur
| Selesai? |
Tugas |
| ✓ |
Apakah Anda mengidentifikasi kemampuan AI mana (orkestrasi generatif, jawaban generatif, pembuat generatif, petunjuk AI, penggunaan komputer, persetujuan) yang dibutuhkan skenario Anda? |
| ✓ |
Apakah Anda menentukan tujuan, ruang lingkup, dan kendala untuk setiap kemampuan yang dipilih? |
| ✓ |
Apakah Anda menilai risiko atau persyaratan tata kelola untuk kemampuan hak istimewa tinggi (misalnya, tindakan, agen terhubung, penggunaan komputer)? |
| ✓ |
Apakah Anda memvalidasi bahwa sumber pengetahuan akurat, terstruktur dengan baik, dan siap untuk didasarkan? |
| ✓ |
Apakah Anda mengonfirmasi bagaimana konten yang dihasilkan AI akan ditinjau, divalidasi, atau diganti bila diperlukan? |
Desain orkestrasi generatif
| Selesai? |
Tugas |
| ✓ |
Apakah Anda telah mendefinisikan dengan jelas alat, topik, tindakan, dan agen turunan atau agen terkait dengan nama dan deskripsi yang bermakna? |
| ✓ |
Apakah Anda menentukan batas keputusan untuk apa yang dapat ditindaklanjuti AI secara mandiri dibandingkan ketika konfirmasi atau persetujuan manusia diperlukan? |
| ✓ |
Apakah Anda mendesain input dan output topik serta tindakan sehingga orchestrator dapat secara otomatis memberikan petunjuk dan merangkai langkah-langkah secara alami? |
| ✓ |
Apakah Anda memastikan alat berperilaku deterministik dan menyertakan validasi untuk parameter kritis? |
| ✓ |
Apakah Anda menentukan panduan untuk orkestrator tentang kapan harus menggunakan pengetahuan, kapan menggunakan alat, dan kapan harus melakukan perencanaan multilangkah? |
Pembuatan yang Diaugmentasi Pengambilan
| Selesai? |
Tugas |
| ✓ |
Apakah Anda memvalidasi bahwa semua sumber pengetahuan yang digunakan untuk Retrieval Augmented Generation (RAG) berisi konten yang akurat, terbaru, dan disetujui, dan bahwa data yang kedaluwarsa atau dilarang telah dihapus? |
| ✓ |
Apakah Anda memverifikasi bahwa format dokumen, ukuran file, dan aturan pengindeksan (SharePoint, Dataverse, data kustom, Pencarian Azure AI, file yang diunggah) mematuhi batas dan perilaku setiap penyedia RAG? |
| ✓ |
Apakah Anda menetapkan tata kelola tentang cara konten baru ditambahkan, diperbarui, atau dihentikan dari sumber pengetahuan, memastikan bahwa RAG hanya mengambil data perusahaan yang divalidasi? |
Integrasi
| Selesai? |
Tugas |
| ✓ |
Apakah Anda mengidentifikasi sistem mana yang harus diintegrasikan dengan agen Anda dan memilih pola integrasi yang sesuai (konektor, HTTP, alur kerja, API, Protokol Konteks Model)? |
| ✓ |
Apakah Anda mengonfirmasi persyaratan autentikasi dan memutuskan antara kredensial pengguna dan kredensial pembuat untuk setiap integrasi? |
| ✓ |
Apakah Anda mengevaluasi batas API, batasan kinerja, dan volume yang diharapkan untuk semua layanan yang dipanggil agen Anda? |
| ✓ |
Apakah Anda merancang perilaku penanganan kesalahan yang sesuai untuk setiap jalur integrasi? |
| Selesai? |
Tugas |
| ✓ |
Apakah Anda mengevaluasi apakah kemampuan harus diimplementasikan dengan menggunakan alat, alur kerja, server MCP, atau prompt? |
| ✓ |
Apakah Anda memastikan setiap alat memiliki nama, deskripsi, input, dan output yang jelas sehingga orkestrator dapat memilihnya dengan andal? |
| ✓ |
Apakah Anda mengonfirmasi apakah model atau konfigurasi lanjutan memerlukan penggunaan prompt AI, bukan orkestrator? |
| ✓ |
Apakah Anda menguji alat secara mandiri untuk memvalidasi muatan, skema, penanganan kesalahan, dan karakteristik kinerja? |
| ✓ |
Apakah Anda menilai panggilan skenario untuk agen turunan atau agen terhubung, bukan sekadar alat? |
Saluran, klien, dan serah terima
| Selesai? |
Tugas |
| ✓ |
Apakah Anda memilih saluran yang benar untuk audiens Anda dan memverifikasi format olahpesan yang didukung setiap saluran, seperti Markdown, Kartu Adaptif, dan gambar? |
| ✓ |
Apakah Anda memvalidasi perilaku klien dan memastikan pengguna memiliki pengalaman yang konsisten di seluruh aplikasi Teams, Web Chat, seluler, atau kustom? |
| ✓ |
Apakah Anda menentukan apakah implementasi Anda memerlukan serah terima agen langsung dan memilih pola yang sesuai, baik Bot-as-an-Agent atau Bot-in-the-Loop? |
| ✓ |
Apakah Anda mengonfirmasi bahwa kredit, latensi, dan perilaku pengambilalihan agen dapat diterima untuk model penyerahan yang Anda pilih? |
Topik, frasa pemicu, dan pengisian slot
| Selesai? |
Tugas |
| ✓ |
Apakah Anda menyusun topik Anda sehingga masing-masing memiliki tujuan yang jelas dan menghindari tanggung jawab yang tumpang tindih? |
| ✓ |
Apakah Anda merancang frasa pemicu efektif yang mendukung sinonim, variasi, dan kosakata domain? |
| ✓ |
Apakah Anda menentukan entitas dan aturan pengisian slot untuk memastikan agen mengumpulkan informasi yang diperlukan secara efisien? |
| ✓ |
Apakah Anda mengevaluasi apakah entitas kustom, seperti daftar tertutup atau RegEx, diperlukan untuk menghindari kebingungan NLU? |
| ✓ |
Apakah Anda memvalidasi perilaku cadangan dan memastikan agen menyelesaikan informasi yang hilang atau tidak jelas dengan baik? |
Keterangan praktik terbaik
-
Beri nama komponen dengan jelas dan sengaja: Gunakan nama yang berorientasi pada tindakan dan dapat dibaca manusia untuk alat, topik, dan agen yang terhubung untuk membantu orkestrator secara konsisten memilih komponen yang tepat.
-
Rancang input dan output dengan tujuan: Gunakan nama input yang ringkas dan ramah manusia serta output terstruktur sehingga orkestrator dapat meminta secara otomatis secara alami dan merantai langkah dengan andal.
-
Jaga agar kemampuan tetap modular dan dapat digunakan kembali: Perlakukan topik, alat, dan agen yang terhubung sebagai blok penyusun. Hindari duplikasi logika di seluruh alur atau komponen.
-
Prioritaskan batasan keamanan lebih awal: Tentukan tindakan mana yang dapat dilakukan AI secara mandiri, tindakan mana yang memerlukan konfirmasi, dan tindakan mana yang menuntut persetujuan manusia untuk mencegah perilaku yang tidak diinginkan.
-
Kurasi sumber pengetahuan berkualitas tinggi: Jaga agar basis pengetahuan tetap kecil tetapi akurat untuk mengurangi penggunaan konteks dan pencarian pengetahuan. Hapus konten usang atau berisik untuk meningkatkan kualitas pembumian dan mengurangi informasi yang salah.
-
Pilih pola integrasi yang paling sederhana terlebih dahulu: Lebih suka konektor atau alur kerja bawaan kecuali skenario Anda secara eksplisit memerlukan API kustom atau server MCP. Jalur yang lebih sederhana lebih mudah dipelihara dan di-debug.
-
Tentukan perilaku alat dengan jelas dan konsisten: Berikan setiap alat nama, deskripsi, set input, dan output yang diharapkan yang bermakna sehingga orkestrator dapat memilihnya dengan benar dan menghasilkan rencana yang stabil.
-
Validasi autentikasi lebih awal: Hindari kejutan dengan mengonfirmasi apakah skenario memerlukan autentikasi pengguna, kredensial pembuat, atau akses aman melalui identitas terkelola.
-
Desain untuk latensi dan performa: Jaga agar kueri API tetap efisien, kurangi ukuran muatan, dan hindari menghubungkan integrasi lambat untuk mempertahankan pengalaman percakapan yang responsif.
-
Uji alat, alur kerja, dan perintah secara terpisah: Validasi input, output, dan status kesalahan satu per satu sebelum menyambungkannya ke topik atau orkestrator.
-
Rencanakan perilaku saluran dengan sengaja: Pahami saluran mana yang mendukung Markdown, Kartu Adaptif, foto, atau tata letak kustom, dan desain pesan Anda sesuai dengan itu.
-
Susun topik untuk kejelasan dan pemeliharaan: Jaga agar topik tetap fokus, hindari tumpang tindih, dan pastikan setiap topik menyelesaikan satu tugas yang terdefinisi dengan baik.
-
Buat frasa pemicu yang cocok dengan bahasa pengguna nyata: Sertakan variasi, sinonim, dan pola frasa umum untuk meningkatkan pengenalan niat dan mengurangi frekuensi penggantian.
-
Gunakan entitas untuk mengurangi pertanyaan yang tidak perlu: Gunakan entitas bawaan dan kustom untuk mengekstrak informasi dari pesan awal pengguna, mengurangi gesekan, dan mempercepat alur.
-
Uji kasus edge pengisian slot secara menyeluruh: Validasi bagaimana agen berperilaku saat pengguna memberikan beberapa nilai, informasi yang tidak lengkap, atau input yang ambigu, dan perbaiki entitas untuk mengurangi kebingungan.