Procedure consigliate e limitazioni dell'agente operativo

Questo articolo illustra le procedure consigliate e le limitazioni quando si usano agenti operativi in Real-Time Intelligence.

Procedure consigliate

Come per qualsiasi prodotto basato sull'intelligenza artificiale, fornire istruzioni chiare e semplificare la comprensione dei dati migliorano i risultati. Prendere in considerazione le procedure consigliate seguenti per ottenere le regole e il playbook migliori:

• Configurazione di Eventhouse:
  • Assicurarsi che l'eventhouse contenga tabelle piatte con nomi di colonna descrittivi.
  • Non usare colonne annidate, ad esempio JSON.
  • Usare il campo descrizione per le colonne nelle tabelle per consentire all'agente di comprendere meglio i dati.
• Definizione delle regole:
  • Specificare chiaramente le regole e le condizioni che l'agente deve valutare, inclusi i criteri per le azioni consigliate. Ad esempio, invece di indicare che "Eseguire un'azione quando la disponibilità della bicicletta è bassa", specificare una soglia specifica, ad esempio "Eseguire un'azione quando la disponibilità della bicicletta è pari o inferiore a 3".
  • Definire chiaramente gli oggetti business o le entità che l'agente deve comprendere. Specificare quali colonne nei dati identificano in modo univoco questi oggetti, ad esempio l'ID sensore, il nome della posizione, il numero del personale. Se si indica la tabella pertinente, l'agente recupera i dati corretti.
  • Quando si fa riferimento a campi e proprietà che l'agente deve monitorare, porre i nomi dei campi tra virgolette (“”) per migliorare l'identificazione. Ciò è particolarmente importante per i nomi di colonna contenenti caratteri speciali, ad esempio caratteri di sottolineatura o trattini.
  • Usare punti elenco o linee separate per descrivere ogni regola singolarmente, garantendo maggiore chiarezza per l'agente durante la configurazione delle regole.
  • Le regole possono monitorare i valori numerici che cambiano nel tempo. Verificare che le condizioni definite siano quantificabili.
  • Prestare attenzione alla sequenza in cui vengono descritte le regole e le azioni. Llms potrebbe interpretare le informazioni in modo diverso in base alla posizione all'interno della richiesta.

Limitazioni

1. Gli agenti operativi si basano su un modello di linguaggio di grandi dimensioni (LLM) per creare il playbook e le regole che l'agente segue, nonché per ragionare e generare messaggi per azioni e raccomandazioni. Poiché i servizi di intelligenza artificiale basati su LLM sono probabilistici e possono essere fallibili, è importante esaminare attentamente i risultati e le raccomandazioni forniti. Per altre informazioni, vedere la pagina delle informazioni di Fabric Copilot.

   Per tenere traccia di quali query e dati l'agente accede, è possibile esaminare il database Eventhouse e KQL che monitora. Nella scheda Query Insights, puoi vedere le query eseguite e convalidare il KQL utilizzato.

   

2. Mentre sono in atto le protezioni di sistema, un utilizzo intensivo potrebbe causare un rallentamento, che riduce il numero di messaggi che l'agente può inviare. In questi casi, è possibile ricevere messaggi semplificati e non generati da LLM tramite Teams.

3. Attualmente, l'agente e LLM supportano solo istruzioni e obiettivi in inglese.

4. L'agente opera usando l'identità delegata e le autorizzazioni del creatore. Ciò significa:

   • Le query, l'accesso ai dati e le azioni vengono eseguite in base alle credenziali dell'autore.
   • Per impostazione predefinita, l'autore riceve i messaggi di raccomandazione. La modifica del destinatario non modifica le credenziali usate per le query e le azioni.

5. L'agente esegue query sui dati ogni cinque minuti quando è attiva.

6. Quando l'agente rileva i dati corrispondenti alle regole, tiene traccia delle azioni consigliate e della risposta dell'utente come "operazione". Se l'utente non risponde (approva o rifiuta) entro tre giorni, l'operazione viene annullata automaticamente. Dopo questo periodo, non è possibile interagire con o approvare l'azione.

7. L'agente operativo è disponibile nelle regioni di Fabric, ad eccezione del Sud Centrale degli Stati Uniti e dell'Est degli Stati Uniti.

8. Se il tenant e la capacità di Fabric si trovano in aree diverse, è possibile che si verifichino errori durante la configurazione delle azioni di Power Automate. Fino a quando non è disponibile una correzione, verificare che la capacità dell'area di lavoro si trova nella stessa area del tenant di Fabric per usare l'agente operativo.