Gunakan Copilot untuk menganalisis aktiviti aliran desktop (pratonton)

Artikel
08/29/2024

[Artikel ini merupakan dokumentasi prakeluaran dan tertakluk pada perubahan.]

Memahami prestasi automasi adalah kunci untuk mencapai matlamat kecemerlangan operasi dan kebolehpercayaan, tanpa mengira saiz estet, pasukan atau peranan automasi dalam organisasi. Untuk mencapai matlamat tersebut memerlukan keupayaan pemantauan lanjutan dan dinamik yang memberikan anda cerapan berharga yang menyerlahkan bidang kejayaan dan mengenal pasti potensi kesesakan, arah aliran dan bidang untuk penambahbaikan. Mempunyai cerapan yang lebih terperinci membolehkan anda membuat keputusan termaklum yang mengoptimumkan proses automasi anda, yang membawa kepada peningkatan kecekapan dan keberkesanan.

Penting

Ini adalah ciri pratonton.
Ciri pratonton bukan untuk kegunaan pengeluaran dan kefungsian mungkin terbatas. Ciri ini tersedia sebelum keluaran rasmi agar pelanggan boleh mendapat akses awal dan memberikan maklum balas.

Kemajuan terkini dalam AI memberi kami peluang yang belum pernah berlaku sebelum ini untuk meneroka kes penggunaan pemantauan kesihatan automasi baharu yang boleh merangkumi apa sahaja daripada penerokaan data mudah kepada pengesanan anomali, pengesyoran pintar dan juga bot penyembuhan diri.

Dengan Copilot kini dapat menganalisis aktiviti aliran desktop, kami mengambil langkah pertama ke arah baharu, membolehkan anda mendemokrasikan akses kepada cerapan dengan bertanya soalan khusus aktiviti Copilot aliran desktop menggunakan bahasa semula jadi.

Penting

Keupayaan ini dikuasakan oleh Azure OpenAI Service.
Copilot ialah teknologi baharu yang masih dibangunkan. Ia dioptimumkan untuk digunakan dengan bahasa Inggeris dan mempunyai sokongan terhad dengan bahasa lain. Oleh itu, sebahagian daripadanya mungkin muncul dalam bahasa Inggeris dan bukannya bahasa pilihan anda.
Baca Soalan Lazim AI yang bertanggungjawab untuk Copilot dalam aktiviti aliran desktop (pratonton) untuk mengetahui lebih lanjut tentang pengalaman Copilot baharu ini.
Lebih banyak Soalan Lazim: Soalan Lazim AI yang Bertanggungjawab untuk,Soalan Power Automate Lazim untuk keselamatan dan privasi data Copilot dalam Microsoft Power Platform

Prasyarat

Akaun kerja atau sekolah dengan akses kepada Power Automate persekitaran yang berpangkalan di Amerika Syarikat.
Semasa pratonton awal, anda mesti mempunyai persekitaran di rantau Amerika Syarikat untuk menggunakan ciri ini. Jika anda tidak mempunyai capaian kepada persekitaran yang berpangkalan di Amerika Syarikat, anda boleh meminta pentadbir anda untuk mencipta persekitaran baharu dalam Power Platform pusat pentadbiran dan memilih Amerika Syarikat sebagai rantaunya.
Semak had yang diketahui untuk mendapatkan maklumat lanjut.

Bagaimanakah ciri berfungsi?

Pengalaman Copilot ini dikuasakan oleh perkhidmatan Azure Open AI dan mampu menterjemahkan gesaan pengguna kepada pertanyaan Dataverse FetchXML yang sah. Pada mulanya, pertanyaan ini difokuskan dan dioptimumkan untuk aktiviti aliran desktop, seperti larian, aliran, ralat dan mesin.

Proses peringkat tinggi

Sebaik sahaja pengguna memasukkan gesaan yang sah, Copilot menjana pertanyaan yang sah FetchXML berdasarkan input.
Jika yang dijana FetchXML adalah sah, pertanyaan kemudiannya dilaksanakan terhadap bahagian Dataverse belakang di bawah konteks keselamatan pengguna semasa untuk mendapatkan semula data yang sepadan. Ini memastikan pengguna hanya melihat data yang mereka telah dibenarkan untuk mengakses.
Copilot kemudian menentukan visualisasi output yang paling sesuai, seperti jadual, carta pai, carta bar atau carta garisan, untuk membentangkan cerapan dan data dengan berkesan kepada pengguna.

Apa itu FetchXML pertanyaan?

Microsoft Dataverse FetchXML ialah bahasa yang digunakan untuk mendapatkan semula data daripada Dataverse pangkalan data. Ia direka bentuk agar mudah dibuat, digunakan dan difahami. Sebagai contoh, anda mungkin mahu meminta Dataverse untuk memberi anda senarai semua larian aliran untuk aliran tertentu. FetchXML Pertanyaan ialah cara anda menyatakan soalan itu supaya pangkalan data memahaminya dan boleh memberi anda hasil yang betul.

Mendorong amalan terbaik

Jadilah spesifik: Lebih spesifik anda dengan gesaan anda, lebih baik AI akan memahami dan bertindak balas. Jika AI tidak menghasilkan output yang dikehendaki, jangan risau, cuba lagi dengan melaraskan gesaan anda.
Eksperimen dengan gesaan: Jika anda tidak mendapat hasil yang anda jangkakan, cuba ulangkan gesaan anda atau berikan lebih banyak konteks.
Berikan maklum balas: Jika AI menghasilkan respons yang hebat atau tidak memuaskan, beritahu kami dengan memilih ibu jari ke atas atau ke bawah dengan pilihan untuk memberikan lebih banyak maklum balas melalui Beritahu Microsoft perkara yang anda suka tentang pautan ciri ini yang muncul di bawahnya.

Contoh gesaan

Contoh gesaan yang boleh digunakan sebagai gesaan permulaan untuk kes penggunaan anda sendiri diterangkan dalam bahagian ini. Sesetengah gesaan ini mungkin tidak boleh digunakan atau mengembalikan hasil yang salah, kerana ketepatan mungkin dipengaruhi oleh pemahaman model atau gesaan sebenar dan data yang tersedia untuk anda berdasarkan keizinan anda. Kami mengesyorkan agar anda menyemak dan mengesahkan hasil dan FetchXML pertanyaan yang dikembalikan. Maklumat lanjut: Sahkan FetchXML hasil pertanyaan yang dijana oleh Copilot.

Pelaksanaan

Aliran manakah yang paling banyak berjalan minggu lepas?
Apakah lima aliran teratas semalam mengikut bilangan larian yang telah selesai?
Berapakah purata tempoh larian aliran '[masukkan nama aliran anda di sini]' semasa semester lepas?

Errors

Tunjukkan kepada saya ralat larian yang paling kerap pada bulan lepas.
Tunjukkan kepada saya taburan aliran yang berjaya berbanding gagal pada suku lepas.
Berapakah bilangan larian yang gagal pada minggu sebelum yang terakhir?

Mesin

Bot manakah yang mempunyai kegagalan larian paling banyak hari ini?
Mesin manakah yang berada dalam mod penyelenggaraan?
Apakah mesin yang paling banyak mengalami kegagalan larian?

Pembuat

Tunjukkan kepada saya aliran teratas mengikut bilangan larian bersama-sama dengan maklumat pemiliknya.
Siapakah 10 pengguna teratas yang menjalankan aliran pada bulan lepas?
Bila dan oleh siapa aliran desktop diubah suai minggu lepas?

Gesaan berbilang pusingan

Dalam konteks AI, gesaan berbilang pusingan membolehkan anda mengadakan perbualan berterusan dengan Copilot, di mana ia mengingati konteks mesej sebelumnya dalam perbualan. Ia bukan hanya menjawab soalan sekali sahaja; ia melibatkan diri dalam dialog dengan anda, di mana setiap respons adalah berdasarkan apa yang telah diperkatakan sebelum ini.

Nota

Apabila terlibat dalam perbualan berbilang giliran, ambil perhatian bahawa Copilot menjejaki lima soalan terkini sahaja. Ini bermakna Copilot mula mengosongkan gesaan yang dimasukkan terlebih dahulu dan hanya menyimpan lima yang terkini. Untuk meningkatkan kualiti respons, kami mencadangkan untuk mengehadkan soalan susulan anda kepada empat dan kemudian mulakan semula sembang. Maklumat lanjut: Mengosongkan konteks gesaan sebelumnya untuk memulakan semula.

Contoh

Menghidupkan	Gesa dan balas
	Pengguna: tunjukkan kepada saya taburan aliran yang berjaya vs gagal pada suku terakhir
	Copilot: Berikut ialah pengagihan aliran yang berjaya vs gagal pada suku terakhir.
	Pengguna: apakah kesilapan utama mereka yang gagal?
	Copilot: Inilah kesilapan teratas daripada mereka yang gagal.
	Pengguna: nama mesin manakah yang paling gagal?
	Copilot: Berikut ialah nama mesin di mana kegagalan paling banyak berlaku.
	Pengguna: daripada mereka yang berjaya, berapakah purata tempoh larian mereka?
	Copilot: Berikut ialah purata tempoh larian aliran yang berjaya.

Mempengaruhi format output

Anda boleh mempengaruhi format output Copilot dengan meminta jenis output eksplisit seperti "tunjukkan kepada saya taburan larian aliran yang gagal vs. berjaya sebagai carta bar." Ini mungkin menghasilkan hasil berikut:

Mengosongkan konteks gesaan sebelumnya untuk memulakan semula

Jika anda ingin menetapkan semula perbualan dengan Copilot, anda boleh memilih tiga titik ... di sebelah nama Copilot, dan kemudian pilih Sembang baharu.

Sahkan FetchXML hasil pertanyaan yang dijana oleh Copilot

Langkah berikut membimbing anda melalui proses untuk mengesahkan (dan berpotensi menggunakan semula) FetchXML pertanyaan dalam Power Automate aliran awan.

Langkah 1: Buat salinan FetchXML pertanyaan

Selepas menyerahkan pertanyaan anda kepada Copilot, anda akan mendapat balasan yang menyertakan pautan berlabel Tunjukkan kod. Pilih pautan ini dan kemudian pilih ikon salinan yang terletak di penjuru kanan sebelah atas kotak FetchXML untuk menyalin kod.

Langkah 2: Buat aliran awan dan pertanyaan ujian FetchXML

Navigasi ke Power Automate portal dan pilih Aliran saya daripada menu navigasi kiri.
Teruskan dengan memilih + Aliran baharu pada bar arahan, dan kemudian pilih aliran awan segera daripada menu lungsur.
Masukkan nama aliran, pilih Cetuskan aliran secara manual dan kemudian pilih Cipta .
Pereka bentuk aliran awan muncul. Cari dan kemudian pilih butang + Langkah Baharu .
Pada bar carian yang muncul, masukkan Dataverse dan kemudian pilih Dataverse penyambung daripada hasil.
Pelbagai tindakan dipaparkan. Tatal sehingga anda menemui dan memilih tindakan Senaraikan baris .
Dalam tindakan Senaraikan baris , pilih pautan Tunjukkan opsyen lanjutan.
Medan FetchXML pertanyaan muncul. Di sinilah anda memasukkan pertanyaan yang disalin FetchXML yang dijana oleh Copilot sebelum ini.
Selepas menampal anda FetchXML, pilih Simpan.
Uji aliran anda dengan memilih Uji.
Ikut gesaan pada skrin anda untuk memulakan aliran anda secara manual untuk menyemak hasilnya.

Langkah 3: Memahami keputusan

Katakan anda bertanya kepada Copilot 'berapa banyak aliran gagal vs berjaya yang kami ada bulan lepas?' Ini menghasilkan pertanyaan yang FetchXML serupa dengan yang berikut:

<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 sepadan dengan pertanyaan yang diberikan FetchXML , tindakan Senarai baris yang Dataverse dikonfigurasikan dalam Langkah 2 mengembalikan data dalam format yang dipanggil JSON( Notasi Objek JavaScript), yang pada asasnya merupakan kaedah yang digunakan untuk membentangkan data dengan cara yang teratur, menjadikannya mudah untuk membaca dan menulis secara digital.

Untuk soalan berasaskan pengedaran seperti yang dinyatakan sebelum ini, data dikumpulkan mengikut satu atau lebih medan (),statuscode bersama-sama dengan pengagregatan (count) yang mengembalikan nombor untuk setiap kumpulan (iaitu, failed, succeeded, dan sebagainya).

Setiap rekod yang dikembalikan mengandungi medan seperti:

flowsession_count: Bilangan kali aliran kerja dijalankan.
flowsession_regardingobjectid: Pengecam unik untuk larian aliran.
flowsession_statuscode: Status aliran dijalankan (contohnya,Gagal ).
workflow_name: Nama aliran.

Jika anda ingin mengetahui berapa kali aliran tertentu dijalankan, lihat lajur flowsession_count rekod di mana workflow_name nama aliran anda.

Memahami balasan Copilot pada gesaan bermasalah

Jadual ini menunjukkan respons lalai yang dikembalikan apabila Copilot tidak dapat memahami soalan, niat anda atau menjana jawapan yang sah.

Jawapan Copilot	Butiran
Maaf, masalah telah berlaku. Sila cuba lagi.	Menunjukkan bahawa ralat yang tidak dijangka berlaku. Ungkapkan semula soalan anda dan cuba lagi.
Maaf, saya tidak faham soalan anda. Sila ungkapkan semula dan cuba lagi. Saya boleh menjawab soalan mengenai data di halaman ini. Untuk lebih banyak contoh gesaan yang boleh anda tanyakan kepada Copilot, anda boleh melawati bahagian contoh gesaan di halaman dokumentasi kami.	Menunjukkan bahawa soalan anda tidak dapat diterjemahkan ke dalam pertanyaan yang sah FetchXML . Ungkapkan semula soalan anda dan cuba lagi.
Maaf, Copilot berada pada kapasiti dan tidak tersedia buat sementara waktu — sila cuba lagi sebentar lagi.	Menunjukkan terdapat kekangan sumber pada bahagian belakang. Cuba semula soalan anda selepas masa yang singkat.
Maaf, mesej anda mengandungi kandungan yang berpotensi berbahaya. Sila pastikan input anda sesuai dan cuba lagi.	Menunjukkan bahawa soalan anda mungkin termasuk kandungan yang berpotensi berbahaya dan telah disekat oleh perkhidmatan bahagian belakang. Alih keluar sebarang kandungan yang berpotensi berbahaya daripada soalan anda dan cuba lagi.
Maaf, saya tidak dapat menghasilkan jawapan yang sah berdasarkan soalan anda. Sila ungkapkan semula dan cuba lagi. Saya boleh menjawab soalan mengenai data di halaman ini. Untuk lebih banyak contoh gesaan yang boleh anda tanyakan kepada Copilot, anda boleh melawati bahagian contoh gesaan di halaman dokumentasi kami.	Menunjukkan bahawa yang dijana FetchXML tidak sah atau pertanyaan gagal apabila Copilot cuba melaksanakannya. Ungkapkan semula soalan anda dan cuba lagi.
Maaf, carian anda mengandungi terlalu banyak hasil. Sila perhalusi pertanyaan anda dan cuba lagi. Untuk contoh tentang cara mengehadkan hasil carian yang dikembalikan oleh Copilot, lawati halaman dokumentasi kami.	Menunjukkan bahawa penapis yang digunakan pada pertanyaan anda melebihi had pengagregatan semasa dalam FetchXML. Tambahkan penapis yang lebih sesuai seperti meminta data semalam atau bulan lepas pada pertanyaan anda untuk memastikan ia mengembalikan data dalam had tersebut.

Isu dan had yang diketahui

Senarai berikut mengandungi had yang diketahui bagi aktiviti Copilot dalam aliran desktop.

Copilot ialah teknologi baharu yang masih dibangunkan. Ia dioptimumkan untuk digunakan dengan bahasa Inggeris dan mempunyai sokongan terhad dengan bahasa lain. Oleh itu, sebahagian daripadanya mungkin muncul dalam bahasa Inggeris dan bukannya bahasa pilihan anda.
Copilot pada masa ini hanya tersedia di Dataverse persekitaran yang berpangkalan di Amerika Syarikat.
Copilot mungkin mengembalikan data dan FetchXML pertanyaan yang salah atau tidak lengkap.
Copilot pada mulanya hanya mampu menjawab soalan tentang aktiviti aliran desktop seperti ralat, mesin dan larian masa lalu dan semasa.
Dalam perbualan berbilang giliran, Copilot menyimpan konteks lima soalan terakhir sahaja. Jika anda menghadapi hasil yang salah atau tidak lengkap, pertimbangkan untuk menetapkan semula perbualan. Maklumat lanjut: Mengosongkan konteks gesaan sebelumnya untuk memulakan semula.
Untuk pertanyaan yang mengembalikan set hasil yang besar, Copilot mungkin tidak dapat mengembalikan atau memaparkan ini.

Kongsi melalui

Gunakan Copilot untuk menganalisis aktiviti aliran desktop (pratonton)

Prasyarat