Gunakan kopilot untuk menganalisis aktivitas aliran desktop

[Artikel ini adalah dokumentasi prarilis dan dapat berubah.]

Memahami kinerja otomasi adalah kunci untuk mencapai keunggulan operasional dan sasaran keandalan, terlepas dari ukuran kompleks otomasi, tim, atau peran dalam organisasi. Untuk mencapai tujuan tersebut dibutuhkan kemampuan pemantauan yang canggih dan dinamis yang memberi Anda wawasan berharga yang menyoroti area keberhasilan dan mengidentifikasi potensi kemacetan, tren, dan area yang perlu diperbaiki. Memiliki wawasan yang lebih rinci memungkinkan Anda membuat keputusan yang tepat yang mengoptimalkan proses otomasi Anda, yang mengarah pada peningkatan efisiensi dan efektivitas.

Kemajuan terbaru dalam AI memberi kita peluang tak tertandingi untuk mengeksplorasi kasus penggunaan pemantauan kesehatan otomatisasi baru yang dapat mencakup apa saja mulai dari eksplorasi data sederhana hingga deteksi anomali, rekomendasi cerdas, dan bahkan bot penyembuhan mandiri.

Dengan kopilot yang kini mampu menganalisis aktivitas alur desktop, kami mengambil langkah pertama ke arah baru, yang memungkinkan Anda mendemokratisasi akses ke wawasan dengan mengajukan pertanyaan spesifik aktivitas alur desktop kepada kopilot menggunakan bahasa alami.

Penting

Kemampuan ini didukung oleh Azure OpenAI Service.
Copilot adalah teknologi baru yang masih dikembangkan. Ini dioptimalkan untuk digunakan dengan bahasa Inggris dan memiliki dukungan terbatas dengan bahasa lain. Dengan demikian, bagiannya mungkin muncul dalam bahasa Inggris daripada bahasa pilihan Anda.
Baca FAQ AI yang bertanggung jawab untuk kopilot dalam aktivitas aliran desktop untuk mempelajari lebih lanjut tentang pengalaman kopilot baru ini.
FAQ Lainnya: FAQ AI yang Bertanggung Jawab untuk Power Automate,FAQ untuk keamanan dan privasi data kopilot di Microsoft Power Platform

Prasyarat

Akun kerja atau sekolah dengan akses ke Power Automate lingkungan yang berbasis di Amerika Serikat.
Periksa batasan yang diketahui untuk informasi lebih lanjut.

Bagaimana cara kerjanya?

Pengalaman kopilot ini didukung oleh layanan Azure OpenAI dan mampu menerjemahkan perintah pengguna menjadi Dataverse FetchXML kueri yang valid. Awalnya, kueri ini difokuskan dan dioptimalkan untuk aktivitas alur desktop, seperti proses, aliran, kesalahan, dan mesin.

Proses tingkat tinggi

Setelah pengguna memasukkan perintah yang valid, kopilot membuat kueri FetchXML yang valid berdasarkan masukan tersebut.
Jika yang dihasilkan FetchXML valid, kueri kemudian dieksekusi terhadap Dataverse backend di bawah konteks keamanan pengguna saat ini untuk mengambil data yang cocok. Hal ini memastikan bahwa pengguna hanya melihat data yang sudah mereka punya izin untuk mengaksesnya.
Copilot kemudian menentukan visualisasi keluaran yang paling sesuai, seperti tabel, diagram lingkaran, diagram batang, atau diagram garis, untuk menyajikan wawasan dan data secara efektif kepada pengguna.

Apa itu FetchXML query?

Microsoft Dataverse FetchXML adalah bahasa yang digunakan untuk mengambil data dari Dataverse basis data. Dirancang agar mudah dibuat, digunakan, dan dipahami. Misalnya, Anda mungkin ingin meminta Dataverse untuk memberi Anda daftar semua aliran yang berjalan untuk aliran tertentu. FetchXML Query adalah cara Anda mengajukan pertanyaan sehingga basis data memahaminya dan dapat memberi Anda hasil yang tepat.

Mendorong praktik terbaik

Bersikaplah spesifik: Semakin spesifik perintah Anda, semakin baik AI akan memahami dan meresponsnya. Jika AI tidak menghasilkan output yang diinginkan, jangan khawatir, coba lagi dengan menyesuaikan perintah Anda.
Bereksperimen dengan perintah: Jika Anda tidak memperoleh hasil yang diharapkan, coba ubah perintah Anda atau berikan lebih banyak konteks.
Berikan umpan balik: Jika AI menghasilkan respons yang bagus atau tidak memuaskan, beri tahu kami dengan memilih jempol ke atas atau ke bawah dengan opsi untuk memberikan umpan balik lebih lanjut melalui tautan Beri tahu Microsoft apa yang Anda sukai tentang fitur ini yang muncul di bawahnya.

Contoh perintah

Contoh perintah yang dapat digunakan sebagai perintah awal untuk kasus penggunaan Anda sendiri dijelaskan di bagian ini. Beberapa perintah ini mungkin tidak berlaku atau mengembalikan hasil yang salah, karena keakuratannya mungkin dipengaruhi oleh pemahaman model atau perintah aktual dan data yang tersedia bagi Anda berdasarkan izin Anda. Kami menyarankan agar Anda meninjau dan memvalidasi hasil dan FetchXML kueri yang dikembalikan. Informasi selengkapnya: Validasi FetchXML hasil kueri yang dihasilkan oleh kopilot.

Berjalan

Arus mana yang paling banyak berjalan minggu lalu?
Apa lima aliran teratas kemarin berdasarkan jumlah putaran yang diselesaikan?
Berapa durasi rata-rata aliran '[masukkan nama aliran Anda di sini]' selama semester lalu?

Errors

Tunjukkan kesalahan yang paling sering terjadi bulan lalu.
Tunjukkan saya distribusi aliran yang berhasil versus yang gagal selama kuartal terakhir.
Berapa banyak kegagalan yang terjadi pada minggu sebelum kegagalan terakhir?

Mesin

Bot mana yang paling banyak gagal menjalankan hari ini?
Mesin mana yang dalam mode pemeliharaan?
Komputer mana yang paling banyak mengalami kegagalan eksekusi?

Pembuat

Tunjukkan alur teratas berdasarkan jumlah eksekusi bersama dengan info pemiliknya.
Siapakah 10 pengguna teratas yang menjalankan alur selama bulan lalu?
Kapan dan oleh siapa alur desktop diubah minggu lalu?

Perintah multi-giliran

Dalam konteks AI, perintah multi-putaran memungkinkan Anda untuk melakukan percakapan berkelanjutan dengan kopilot, di mana ia mengingat konteks pesan sebelumnya dalam percakapan tersebut. Ini bukan sekadar menjawab pertanyaan satu kali; ini melibatkan dialog dengan Anda, di mana setiap respons didasarkan pada apa yang telah dikatakan sebelumnya.

Catatan

Saat terlibat dalam percakapan multi-putaran, kopilot hanya melacak lima pertanyaan terakhir saja. Artinya kopilot mulai menghapus perintah yang dimasukkan pertama kali dan hanya menyimpan lima perintah terakhir. Untuk meningkatkan kualitas respons, kami sarankan untuk membatasi pertanyaan lanjutan Anda menjadi empat dan kemudian memulai kembali obrolan. Informasi selengkapnya: Menghapus konteks perintah sebelumnya untuk memulai kembali.

Contoh

Berbelok	Prompt dan balas
	Pengguna: tunjukkan saya distribusi aliran yang berhasil vs yang gagal selama kuartal terakhir
	Copilot: Berikut adalah distribusi alur yang berhasil vs gagal selama kuartal terakhir.
	Pengguna: apa kesalahan teratas yang gagal?
	Kopilot: Berikut ini kesalahan teratas yang gagal.
	Pengguna: pada nama mesin mana mereka paling banyak gagal?
	Copilot: Berikut adalah nama mesin di mana kegagalan paling banyak terjadi.
	Pengguna: dari mereka yang berhasil, berapa durasi lari rata-rata mereka?
	Copilot: Berikut adalah durasi eksekusi rata-rata dari alur yang berhasil.

Memengaruhi format keluaran

Anda dapat memengaruhi format keluaran kopilot dengan meminta jenis keluaran eksplisit seperti "tunjukkan distribusi aliran yang gagal vs. berhasil sebagai diagram batang." Ini kemungkinan menghasilkan hasil berikut:

Menghapus konteks perintah sebelumnya untuk memulai kembali

Jika Anda ingin mengatur ulang percakapan dengan copilot, Anda dapat memilih tiga titik ... di sebelah nama copilot, lalu pilih Obrolan baru.

Memvalidasi FetchXML hasil kueri yang dihasilkan oleh copilot

Langkah-langkah berikut memandu Anda melalui proses untuk memvalidasi (dan berpotensi menggunakan kembali) FetchXML kueri dalam Power Automate alur cloud.

Langkah 1: Buat salinan FetchXML kueri

Setelah mengirimkan kueri ke copilot, Anda mendapatkan balasan yang menyertakan link berlabel Tampilkan kode. Pilih tautan ini lalu pilih ikon salin yang terletak di sudut FetchXML kanan atas kotak untuk menyalin kode.

Langkah 2: Buat alur cloud dan kueri pengujian FetchXML

Arahkan ke Power Automate portal dan pilih Alur saya dari menu navigasi kiri.
Lanjutkan dengan memilih + Alur baru di bilah perintah, lalu pilih Alur cloud instan dari menu drop-down.
Masukkan nama alur, pilih Memicu alur secara manual, lalu pilih Buat.
Perancang alur cloud muncul. Temukan lalu pilih tombol + Langkah Baru.
Pada bilah pencarian yang muncul, masukkan Dataverse, lalu pilih Dataverse konektor dari hasil.
Berbagai tindakan ditampilkan. Gulir hingga Anda menemukan dan memilih tindakan Daftar baris .
Dalam tindakan Daftar baris , pilih tautan Tampilkan opsi lanjutan.
Bidang FetchXML kueri muncul. Di sinilah Anda memasukkan kueri yang disalin FetchXML yang sebelumnya dihasilkan copilot.
Setelah menempelkan Anda FetchXML, pilih Simpan.
Uji alur Anda dengan memilih Uji.
Ikuti petunjuk di layar untuk memulai alur secara manual guna meninjau hasilnya.

Langkah 3: Memahami hasilnya

Mari kita asumsikan Anda bertanya kepada copilot 'berapa banyak alur yang gagal vs berhasil yang kita miliki bulan lalu?' Ini menghasilkan FetchXML kueri yang mirip dengan berikut ini:

<fetch version="1.0" mapping="logical" aggregate="true" count="3" page="1">
    <entity name="flowsession">
        <attribute name="flowsessionid" alias="flowsession_count" aggregate="count" />
        <attribute name="statuscode" alias="flowsession_statuscode" groupby="true" />
        <filter type="and">
            <condition attribute="completedon" operator="last-x-months" value="1" />
        </filter>
    </entity>
</fetch>

Jika data cocok dengan kueri yang diberikan FetchXML , tindakan Daftar baris Dataverse yang dikonfigurasi pada langkah 2 mengembalikan data dalam format yang disebut JSON (JavaScript Object Notation), yang pada dasarnya merupakan metode yang digunakan untuk menyajikan data dengan cara yang terorganisir dengan baik, sehingga mudah dibaca dan ditulis secara digital.

Untuk pertanyaan berbasis distribusi seperti yang disebutkan sebelumnya, data dikelompokkan berdasarkan satu atau beberapa bidang (statuscode), bersama dengan agregasi (count) yang mengembalikan angka untuk setiap grup (yaitu, failed,, succeeded dan seterusnya).

Setiap rekaman yang ditampilkan berisi bidang seperti:

flowsession_count: Berapa kali alur kerja berjalan.
flowsession_regardingobjectid: Pengidentifikasi unik untuk eksekusi alur.
flowsession_statuscode: Status eksekusi alur (misalnya,Gagal ).
workflow_name: Nama aliran.

Jika Anda ingin mengetahui berapa kali alur tertentu berjalan, lihat flowsession_count kolom rekaman di mana workflow_namenama alur Anda.

Memahami balasan copilot pada petunjuk yang bermasalah

Tabel ini menunjukkan respons default yang dikembalikan ketika copilot tidak dapat memahami pertanyaan, maksud, atau menghasilkan jawaban yang valid Anda.

Jawaban copilot	Rincian
Maaf, terjadi kesalahan. Coba lagi.	Menunjukkan bahwa terjadi kesalahan tak terduga. Ubah pertanyaan Anda dan coba lagi.
Maaf, saya tidak bisa mengerti pertanyaan Anda. Silakan ubah ungkapan dan coba lagi. Saya dapat menjawab pertanyaan tentang data di halaman ini. Untuk contoh petunjuk lainnya yang dapat Anda tanyakan kepada copilot, Anda dapat mengunjungi bagian contoh prompt di halaman dokumentasi kami.	Menunjukkan bahwa pertanyaan Anda tidak dapat diterjemahkan ke dalam kueri yang valid FetchXML . Ubah pertanyaan Anda dan coba lagi.
Maaf, Copilot sudah dalam kapasitas dan untuk sementara tidak tersedia — silakan coba lagi sebentar lagi.	Menunjukkan ada batasan sumber daya di backend. Coba lagi pertanyaan Anda setelah waktu yang singkat.
Maaf, pesan Anda berisi konten yang berpotensi berbahaya. Pastikan masukan Anda sesuai dan coba lagi.	Menunjukkan bahwa pertanyaan Anda mungkin menyertakan konten yang berpotensi berbahaya dan telah diblokir oleh layanan backend. Hapus konten yang berpotensi berbahaya dari pertanyaan Anda dan coba lagi.
Maaf, saya tidak dapat menghasilkan jawaban yang valid berdasarkan pertanyaan Anda. Silakan ubah ungkapan dan coba lagi. Saya dapat menjawab pertanyaan tentang data di halaman ini. Untuk contoh petunjuk lainnya yang dapat Anda tanyakan kepada copilot, Anda dapat mengunjungi bagian contoh prompt di halaman dokumentasi kami.	Menunjukkan bahwa yang dihasilkan FetchXML tidak valid atau kueri gagal saat copilot mencoba menjalankannya. Ubah pertanyaan Anda dan coba lagi.
Maaf, pencarian Anda menyertakan terlalu banyak hasil. Harap perbaiki kueri Anda dan coba lagi. Untuk contoh tentang cara membatasi hasil pencarian yang dikembalikan oleh copilot, kunjungi halaman dokumentasi kami.	Menunjukkan bahwa filter yang diterapkan pada kueri Anda melebihi batas agregasi saat ini di. FetchXML Tambahkan filter yang lebih sesuai seperti meminta data kemarin atau bulan lalu ke kueri Anda untuk memastikan bahwa data tersebut menampilkan data dalam batas tersebut.

Masalah dan batasan umum

Daftar berikut berisi batasan copilot yang diketahui dalam aktivitas alur desktop.

Copilot adalah teknologi baru yang masih dikembangkan. Ini dioptimalkan untuk digunakan dengan bahasa Inggris dan memiliki dukungan terbatas dengan bahasa lain. Dengan demikian, bagiannya mungkin muncul dalam bahasa Inggris daripada bahasa pilihan Anda.
Copilot mungkin mengembalikan data dan FetchXML kueri yang salah atau tidak lengkap.
Copilot awalnya hanya mampu menjawab pertanyaan tentang aktivitas alur desktop seperti kesalahan, mesin, dan eksekusi sebelumnya dan saat ini.
Dalam percakapan multi-belokan, copilot hanya menyimpan konteks dari lima pertanyaan terakhir. Jika Anda menemukan hasil yang salah atau tidak lengkap, pertimbangkan untuk mengatur ulang percakapan. Informasi selengkapnya: Menghapus konteks perintah sebelumnya untuk memulai kembali.
Untuk kueri yang mengembalikan kumpulan hasil besar, copilot mungkin tidak dapat mengembalikan atau merender ini.

Saran dan Komentar

Apakah halaman ini membantu?

Last updated on 2025-05-21