Использование действия прогнозирования в Power Automate

Вы можете использовать специальные действия для каждой модели AI Builder в Power Automate. Однако действие прогноз позволяет использовать многие типы моделей AI Builder.

Использование пользовательской или предварительно созданной модели

1. Выполните вход в Power Automate.

2. На левой панели навигации выберите Мои потоки, затем выберите Создать поток>Мгновенный облачный поток.

3. Дайте своему потоку имя.

4. В разделе Выбор способа запуска для этого потока выберите Активировать поток вручную и затем выберите Создать.

5. Выберите + Создать шаг, а затем введите прогноз в строке поиска.

6. Выберите Прогноз из AI Builder или Прогноз с помощью моделей AI Builder из Microsoft Dataverse. Оба действия обеспечивают одинаковые функции.

   

7. Во входных данных Модель выберите созданную вами пользовательскую модель или выберите предварительно созданную модель.

Заметка

Дополнительные сведения о входных и выходных параметрах каждой модели см. в следующих разделах в статье Обзор AI Builder в Power Automate:

• Пользовательские модели ИИ, которые вы создаете и обучаете
• Предварительно созданные модели ИИ, которые можно сразу же использовать в Power Automate

Использование динамического идентификатора модели (дополнительно)

В некоторых сложных случаях вам может понадобиться динамически передавать идентификатор модели в действие прогнозирования. Например, если вы хотите обрабатывать разные типы счетов с использованием разных моделей, вам может потребоваться автоматически выбрать модель в зависимости от типа счета.

В этом разделе вы научитесь, как настроить действие прогноза AI Builder для этой конкретной цели в зависимости от типа модели.

1. Выполните вход в Power Automate.

2. Выберите Мои потоки в левой области, а затем выберите Создать поток>Мгновенный облачный поток.

3. Присвойте своему потоку имя, в разделе Выбор способа запуска для этого потока щелкните Активировать поток вручную и нажмите кнопку Создать.

4. Выберите + Новый шаг.

5. Введите Инициализировать переменную в строке поиска, а затем выберите ее на вкладке Действия.

6. Введите идентификатор модели во вводных данных Имя, Строка во вводных данных Тип и фактический идентификатор модели во вводных данных Значение.

   Идентификатор модели можно найти в URL-адресе страницы сведений о модели в Power Apps: make.powerapps.com/environment/[идентификатор среды]/aibuilder/models/[идентификатор модели]

7. Выберите + Новый шаг, найдите прогноз, затем выберите Прогноз из AI Builder.

8. Выберите вводные данные > Ввести пользовательское значение, а затем введите идентификатор модели с шага 6.

   Значение столбца Запрос на вывод зависит от типа модели.

Модель обработки документов

1. В шаге Активировать поток вручную добавьте поле ввода Файл и задайте для него имя Содержимое файла.

2. В шаге Активировать поток вручную добавьте поле ввода Текст и задайте для него имя Тип MIME.

3. В шаге Инициализировать переменную введите идентификатор модели обработки документов.

4. В шаге Прогноз введите следующее значение в столбец Запрос на вывод:

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
       "pages": "@{base64('1-2')}"
       }
   }
   

   Параметр pages является необязательным и может быть в виде '2' или в виде диапазона '1-10'.

   

5. Выберите Сохранить в правом верхнем углу, затем выберите Тест, чтобы проверить поток:

   

6. В деталях выполнения потока получите выходные данные модели JSON в разделе ВЫХОДНЫЕ ДАННЫЕ действия прогнозирования. Эти выходные данные полезны для построения последующих действий с использованием значений модели.

   

7. Вернитесь к своему потоку в режиме правки.

8. Выберите + Создать шаг и выберите действие Создать (или любое другое действие для обработки выходных данных модели). Допустим, у вашей модели есть столбец Итог. Вы можете получить его по следующей формуле:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Модель для обнаружения объектов

Этот процесс аналогичен запросу на вывод на шаге 4 в разделе Модель обработки документов:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Модель классификации по категориям

Этот процесс аналогичен запросу на вывод на шаге 4 в разделе Модель обработки документов:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}