Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Dostrajanie funkcji Microsoft Copilot to funkcja dostosowywania AI, która umożliwia organizacjom tworzenie agentów funkcji Copilot dostosowanych do określonych zadań poprzez dostrajanie dużych modeli językowych (LLM) przy użyciu własnych danych organizacyjnych. Dostrajanie umożliwia agentom tworzenie odpowiedzi, które odzwierciedlają wiedzę, terminologię, ton i standardy jakości organizacji.
W przeciwieństwie do ogólnych środowisk sztucznej inteligencji, dostrojeni agenci są projektowani pod kątem określonych, powtarzalnych zadań. Ponieważ dane organizacji działają całkowicie w dzierżawie platformy Microsoft 365, pozostają chronione przez istniejące mechanizmy zabezpieczeń, zgodności i ładu.
Ten artykuł zawiera omówienie Dostrajanie funkcji Copilot, w tym kluczowe możliwości, obsługiwane scenariusze, koncepcje dostrajania i zarządzanie administracyjne.
Ważna
Dostrajanie funkcji Microsoft Copilot jest obecnie dostępne dla ograniczonej grupy klientów za pośrednictwem programów wczesnego dostępu. Dojazd przez Frontier planowany jest na kwiecień 2026 roku. Funkcje i wymagania mogą ulec zmianie.
Najważniejsze funkcje
Dostrajanie funkcji Copilot umożliwia organizacjom tworzenie środowisk AI ściśle odpowiadających ich potrzebom biznesowym. Oferuje następujące funkcje:
Dostosowywanie bez użycia kodu — twórz dostrojonych agentów przy użyciu szablonów w Agent Builder bez znajomości kodu lub nauki o danych. Użytkownicy biznesowi i eksperci w dziedzinie mogą kierować dostrajaniem, korzystając z wyselekcjonowanych przykładów i zawartości organizacyjnej.
Agenci specyficzni dla zadań — twórz agentów zoptymalizowanych pod kątem scenariuszy o wysokiej wartości, takich jak odpowiadanie na pytania, pisanie dokumentów, podsumowywanie, sprawdzanie poprawności i edytowanie stylu pisania. Dostrojeni agenci generują dane wyjściowe, które odzwierciedlają słownictwo organizacyjne, strukturę i oczekiwania.
Zwiększona wydajność i spójność — osadzając wiedzę organizacyjną w funkcji Copilot, dostrojeni agenci mogą skrócić czas potrzebny na złożone zadania dotyczące zawartości, jednocześnie poprawiając spójność i zgodność z wewnętrznymi standardami.
Integracja z danymi platformy Microsoft 365 — dostrojeni agenci mogą korzystać z wybranej zawartości organizacyjnej i wnioskować na podstawie aktualnych danych przedsiębiorstwa za pośrednictwem funkcji Microsoft Graph, co pomaga zapewnić, że odpowiedzi są oparte na aktualnych informacjach.
Zabezpieczenia klasy korporacyjnej — wszystkie operacje dostrajania odbywają się w granicach zaufania platformy Microsoft 365. Dostrojeni agenci honorują listy kontroli dostępu (ACL) z danych treningowych i zwracają tylko te informacje, do których użytkownicy mają uprawnienia.
Obsługiwane scenariusze
Dostrajanie funkcji Copilot obsługuje zestaw szablonów agentów zorientowanych na zadania.
Sporządzanie dokumentów
Agenci piszący dokumenty generują ustrukturyzowane, długie dokumenty na podstawie szablonów organizacyjnych, przykładów i standardów. Ci agenci mogą tworzyć pierwsze wersje robocze treści, takich jak oferty, umowy, zasady i dokumentacja techniczna, przestrzegając jednocześnie wymagań dotyczących formatowania i zgodności.
Aby uzyskać więcej informacji, zobacz Szablon agenta do zapisywania dokumentów.
Podsumowanie dokumentu
Agenci podsumowań dokumentów generują podsumowania dostosowane do indywidualnych potrzeb na podstawie tonu, odbiorców, celu i długości. Organizacje mogą dostroić tych agentów, aby odzwierciedlały wewnętrzne standardy podsumowania i podkreślały informacje, które są najbardziej istotne dla ich przypadków użycia.
Aby uzyskać więcej informacji, zobacz Szablon agenta podsumowania dokumentów.
Odpowiedzi ekspertów (pytania&odpowiedzi)
Agenci odpowiedzi ekspertów udzielają odpowiedzi specyficznych dla domeny, opierając odpowiedzi na zawartości organizacyjnej. Ci agenci obsługują scenariusze, które wymagają głębokiego wyszukiwania w dużych zestawach danych, ścisłych barier zabezpieczeń zasad lub specjalistycznej terminologii.
Aby uzyskać więcej informacji, zobacz szablon agenta Expert Answers.
Sprawdzanie poprawności dokumentów
Agenci weryfikujący dokumenty przeglądają je pod kątem zgodności z wytycznymi organizacyjnymi, zasadami, standardami brandingowymi i wymaganiami prawnymi. Identyfikują problemy, kategoryzują czynniki ryzyka i dostarczają praktycznych opinii bezpośrednio w dokumentach.
Aby uzyskać więcej informacji, zobacz Szablon agenta sprawdzania poprawności dokumentów.
Edytowanie stylów
Agenci edycji stylów udoskonalają wersje robocze zgodnie z głosem, tonem i wytycznymi organizacji dotyczącymi pisania. Ci agenci pomagają zapewnić spójność zawartości tworzonej przez różnych użytkowników i zespoły.
Aby uzyskać więcej informacji, zobacz Szablon agenta edycji stylów.
Agent optymalizacyjny
Agenci optymalizacji pomagają w rozwiązywaniu problemów związanych z optymalizacją biznesową, takich jak alokacja zasobów, przydzielanie zadań i planowanie. Użytkownicy definiują cele i ograniczenia, a agent tworzy wytłumaczalne rozwiązania na podstawie przesłanych danych i reguł organizacyjnych.
Aby uzyskać więcej informacji, zobacz Agent optymalizacji.
Wybór agenta
Wybierz szablon na podstawie zadania, które chcesz wykonać. Dostosowywane szablony są przeznaczone do konkretnych, powtarzalnych zadań, takich jak pisanie dokumentów, podsumowywanie ich, odpowiadanie na pytania, sprawdzanie poprawności, edytowanie stylu i optymalizacja.
| Oczekiwany wynik | Opcja, której należy użyć | Dlaczego ten szablon? |
|---|---|---|
Twórz uporządkowane dokumenty, takie jak...
|
Pisanie dokumentów | Generuje długie wersje robocze dostosowane do struktury organizacyjnej i przykładów. |
Podsumuj jeden lub więcej dokumentów dla określonych odbiorców, na przykład...
|
Podsumowanie dokumentu | Dostosowuje podsumowania według odbiorców, celu, tonu, długości i obszarów zainteresowania. |
Odpowiedz na pytania związane z treściami organizacyjnymi, takimi jak...
|
Odpowiedzi ekspertów (pytania&odpowiedzi) | Przeprowadza głębokie wyszukiwanie w zakresie zawartości przedsiębiorstwa i generuje konkretne odpowiedzi. |
Przejrzyj dokument pod kątem wytycznych lub zasad, takich jak...
|
Sprawdzanie poprawności dokumentu | Weryfikowanie zgodności z regułami, kategoryzowanie ustaleń według ryzyka i sugerowanie poprawek w dokumencie. |
Modyfikuj treści, aby pasowały do standardów głosu, tonu i pisania, takich jak...
|
Edytowanie stylów | Stosuje reguły stylu organizacyjnego przy zachowaniu znaczenia i intencji. |
Rozwiązuj problemy z alokacją lub planowaniem za pomocą ograniczeń, takich jak...
|
Optymalizacja | Oblicza optymalne rozwiązanie na podstawie celów, ograniczeń i danych oraz obsługuje dane wyjściowe CSV. |
Mapowanie przepływu pracy na szablony
W wielu przepływach pracy jest używanych więcej niż jeden szablon.
| Etap | Zadanie | Zalecany szablon |
|---|---|---|
| Wersja robocza | Tworzenie pierwszej wersji roboczej dokumentu strukturalnego | Pisanie dokumentów |
| Podsumuj | Tworzenie briefu dla określonej grupy odbiorców | Podsumowanie dokumentu |
| Sprawdź poprawność | Sprawdź zgodność z regułami i zasadami | Sprawdzanie poprawności dokumentu |
| Finalizowanie | Dostosuj ton i przejrzystość do standardów pisania | Edytowanie stylów |
Dostrajanie agentów
Dostrajanie agentów umożliwia uściślanie agentów utworzonych na podstawie dostosowywanych szablonów w narzędziu Microsoft Copilot Agent Builder. Każdy dostosowywany szablon jest przeznaczony do określonego zadania i zawiera wstępnie zdefiniowany przepływ pracy wnioskowania, który określa model podstawowy, instrukcje, podejście do uziemienia, użycie narzędzi i generowanie danych wyjściowych. Ten przepływ pracy zapewnia zoptymalizowaną konfigurację domyślną — gotową do użycia "recepturę", która pomaga agentom pobrać odpowiedni kontekst, efektywnie zastosować narzędzia i od początku generować wysokiej jakości dane wyjściowe.
W wielu scenariuszach agenci utworzeni na podstawie tych szablonów spełniają oczekiwania dotyczące jakości bez dodatkowych dostosowań. Gdy wymagane jest dalsze udoskonalenie — takie jak ściślejsze dostosowanie danych wyjściowych do standardów organizacyjnych, potrzeb specyficznych dla domeny lub oczekiwań użytkowników — dostrajanie agentów zapewnia ustrukturyzowane sposoby poprawy zachowania i wydajności.
Dostosowywane szablony są dostępne dla użytkowników z licencją funkcji Copilot w kwalifikujących się dzierżawach i są tworzone w aplikacji Agent Builder. Podczas tworzenia agenta na podstawie dostosowywanego szablonu użytkownicy mogą dostosowywać obsługiwane właściwości, takie jak nazwa agenta, instrukcje i polecenia. Dostęp do możliwości dostrajania zależy od konfiguracji administratora dzierżawy. Jeśli opcje dostrajania nie są dostępne, użytkownicy mogą być zmuszeni do zażądania dostępu od administratora. Uprawnieni użytkownicy będą mogli wyświetlić opcję "dostrajanie agenta" po utworzeniu agenta na podstawie dostosowywanego szablonu.
Obsługiwane są trzy typy dostrajania: kontekst strojenia, narzędzia dostrajania i model strojenia. Te wymiary zostały zaprojektowane tak, aby ze sobą współgrały i są oceniane przy użyciu spójnej rubryki ukierunkowanej na cele użytkownika, aby zapewnić, że dostrajanie prowadzi do wymiernej poprawy.
Dostrajanie kontekstu
Dostrajanie kontekstu definiuje cele i kryteria sukcesu agenta, określając zadanie podstawowe, domenę i reprezentatywne przykłady. Wymagania dotyczące kontekstu różnią się w zależności od szablonu. Na przykład szablony do pisania dokumentów zawierają przykłady typów dokumentów, które agent powinien sporządzić, szablony podsumowań dokumentów wymagają danych wejściowych, takich jak cel, odbiorcy, długość, ton i obszary zainteresowania, a szablony odpowiedzi ekspertów opierają się na przykładowych plikach do generowania pytań i odpowiedzi ewaluacyjnych. Na podstawie tych danych system proponuje cele cząstkowe i rubryki oceny, które ustanawiają mierzalny punkt odniesienia dla oceny wydajności agenta.
Narzędzie Dostrajanie
Dostrajanie narzędzi rozszerza możliwości agentów poprzez integrację dodatkowych agentów lub narzędzi z przepływem pracy. Narzędzia te mogą być używane do wykonywania zadań, takich jak badanie, sprawdzanie poprawności lub dopasowywanie stylu pisania. Niestandardowe instrukcje aranżacji określają sposób stosowania narzędzi, a wydajność agenta jest ponownie oceniana w odniesieniu do ustalonych rubryk po wprowadzeniu zmian.
Dostrajanie modelu
Dostrajanie modelu koncentruje się na poprawie rozumowania i jakości wyjściowej poprzez nadzorowane techniki dostrajania i uczenia się przez wzmacnianie. Wysokiej jakości przykłady z danych organizacyjnych są wykorzystywane jako wkład szkoleniowy, a rubryki oceny wskazują dostosowanie do oczekiwań organizacji. W trakcie tego procesu można stosować kontrolę dostępu, uprawnienia do plików i etykiety poufności. Dostrajanie modelu działa asynchronicznie, umożliwiając użytkownikom kontynuowanie korzystania z istniejącego agenta, gdy dostrajanie jest w toku. Po zakończeniu dostrajania wyniki oceny określają, czy zaktualizowany model jest gotowy do opublikowania.
Dostrajanie agenta jest procesem iteracyjnym, a nie jednorazową konfiguracją. Zachęcamy organizacje do monitorowania rzeczywistego użycia, zbierania opinii i uściślania kontekstu, narzędzi, danych lub reguł w miarę zmieniających się wymagań w czasie. Ten ciągły cykl życia pomaga zapewnić, że agenci pozostają dokładni, istotni i dopasowani do zmieniających się potrzeb.
Używanie dostrojonych agentów
Po utworzeniu lub dostosowaniu agenci mogą być udostępniani uprawnionym użytkownikom w całej organizacji. Użytkownicy wchodzą w interakcje z dostrojonymi agentami za pośrednictwem obsługiwanych środowisk funkcji Microsoft Copilot, takich jak aplikacja Microsoft Copilot lub Copilot Chat w usłudze Microsoft Teams.
Dostrojeni agenci zapewniają następujące korzyści:
- Zwiększona produktywność dzięki szybszemu tworzeniu i analizie treści
- Większa dokładność dzięki oparciu odpowiedzi na danych organizacyjnych
- Spójne wyniki zgodne z wewnętrznymi standardami
- Szerszy dostęp do wiedzy organizacyjnej w zespołach
Najważniejsze wskazówki
Zastosuj poniższe najlepsze rozwiązania, aby jak najlepiej wykorzystać dostrojonych agentów:
- Zapoznaj się z zakresem i ograniczeniami agenta.
- Używaj jasnych, konkretnych poleceń.
- Podaj monity startowe, aby poprowadzić użytkowników.
- Dopracowywanie danych wyjściowych za pomocą interakcji wieloobrotowych.
- Postępuj zgodnie z zasadami bezpieczeństwa i zgodności organizacji.
- Zachęcaj użytkowników do przekazywania opinii, aby z czasem poprawiać jakość agentów.
Zrzeczenie się odpowiedzialności
Administrator AI jest odpowiedzialny za zapewnienie, że korzystanie z tego produktu przez użytkownika jest zgodne ze wszystkimi obowiązującymi przepisami dotyczącymi ochrony danych, prywatności i własności intelektualnej. Obejmuje to wypełnianie obowiązków administratora danych wynikających z przepisów, takich jak RODO lub CCPA.
Obowiązki administratora danych
- Ponosisz odpowiedzialność za sposób zbierania, przechowywania i używania danych w środowisku dzierżawy.
- Musisz upewnić się, że Twoje praktyki dotyczące danych spełniają wymagania prawne dotyczące jawności, zgody, dostępu i usuwania.
- Ponosisz odpowiedzialność za zweryfikowanie dokładności, stosowności i zgodności wszelkich danych wyjściowych generowanych z tego systemu przed ich użyciem. Może wymagać konsultacji z ekspertami w danej dziedzinie.
Prawa autorskie i szkolenie modelek
- Jeśli zdecydujesz się wytrenować model niestandardowy przy użyciu własnych danych, musisz upewnić się, że masz odpowiednie prawa lub licencje do wszelkich materiałów chronionych prawem autorskim zawartych w zestawie szkoleniowym.
- Ochrona praw autorskich nie będzie miała zastosowania do modeli wytrenowanych przy użyciu nieautoryzowanych treści chronionych prawem autorskim. Użytkownik ponosi pełną odpowiedzialność za takie użycie.
Usuwanie danych
- Jeśli użytkownik, którego dane są używane do trenowania modelu, prześle prawidłowe żądanie usunięcia zgodnie z RODO (lub podobnymi przepisami), musisz ponownie wytrenować model.
- Podczas dostosowywania modelu wagi modelu są dostosowywane na podstawie danych treningowych. Model można usunąć w dowolnym momencie.