这些常见问题（FAQ）介绍了 Copilot Studio 中深度推理功能的人工智能影响。
什么是深度推理？
深度推理模型是为解决复杂问题而设计的高级大型语言模型。 他们会仔细考虑每个问题，在向用户提供回复之前生成详细的内部思维链。
如何使用 Copilot Studio 中的深度推理模型？
Copilot Studio 中的深度推理模型为创建复杂的代理提供了强大的功能。 Azure OpenAI o1 等模型使用深度推理来增强代理的决策能力，并返回更准确的响应。
在构建代理时，制作者可以添加指令来定义代理的任务及其完成任务的方式。 这些任务的范围从简单到高度复杂，需要彻底分析。
制作者可以将推理模型应用于智能体指令中的特定步骤，从而增强智能体执行高级推理的能力，并提供更准确、更有洞察力的结果。 您可以为需要科学研究、复杂问题和对非结构化数据进行深入分析的任务添加深度推理模型。 这些模型提供的见解超出了简单模型的功能。
要使用推理模型，请在代理指令的特定步骤中添加关键字推理。 例如使用‘推理’确定数学数列中的下一项，如 2、5、10、17。这将在代理运行期间触发该特定步骤的推理模型。 Copilot Studio 目前使用 Azure OpenAI o1 模型来实现其高级推理功能。
深度推理模型的预期用途是什么？
深度推理模型旨在处理需要逻辑推理、解决问题和分步分析的复杂任务。 例如，您可以使用深度推理模型来：
评估市场趋势并推荐最佳投资机会。 深度推理模型可以将市场数据分解为更小的、可管理的步骤；分析趋势；并推荐最佳投资机会。 它们可以考虑历史数据、当前市场条件和未来预测等各种因素，从而提供明智的投资建议。
分析增加的需求并推荐库存管理策略。 模型可以分析需求和供应模式，预测未来的库存需求，并推荐有效管理库存的策略。 通过考虑季节性趋势、市场波动和供应链动态等因素，深度推理模型可以帮助企业优化库存管理。
求解微分方程并提供分步解释。 模型可以解决复杂的数学问题，例如微分方程，并提供解决方案的分步解释。 通过将问题分解为更小的步骤并应用逻辑推理，深度推理模型可以为数学挑战提供清晰而详细的解决方案。
深度推理模型是如何评估的，以及使用哪些指标来衡量绩效？
对 Copilot Studio 中使用的深度推理模型进行了接地气、负责任的人工智能和准确性评估。 扎根性是确保模型仅返回基于特定真实世界上下文的内容。 负责任的 AI 会检查针对越狱攻击、跨域提示注入攻击和有害内容等危害的防护。
为了根据这些维度进行衡量，模型针对一组不同的场景进行了测试，并根据每个维度进行评分。 所有深度推理模型在发布之前都会经过评估。
深度推理模型的局限性是什么？ 用户在使用该系统时，如何将这些限制因素的影响降至最低？
启用推理模型：只有当深度推理模型功能在代理设置中开启时，代理才能使用深度推理模型。
使用关键字激活：制作者必须在给代理的指令中包含关键字推理，代理才能在运行时使用深度推理模型。 代理只对包含推理关键字的特定任务使用深度推理。
回复时间：由于分析所需的时间，与其他非深度推理语言模型相比，推理模型的回复往往更慢。
为尽量减少这些限制的影响，用户可以：
确保为有需要的代理打开深度推理模型功能。
在代理指令中使用关键字推理，用于深度推理模型将受益的步骤。
对允许更长回复时间的任务使用深度推理模型。 如有必要，请让用户知道某些代理回复可能需要更长的时间。
哪些操作因素和设置可以有效、负责任地使用深度推理模型？
深度推理模型包括各种保护措施，以确保管理员、制作者和用户享受安全、合规的体验：
只允许需要复杂推理步骤的代理使用深度推理模型。 这确保了模型在可以提供最大价值的地方得到利用。
在指令中包含关键字推理，以便在运行时针对特定任务触发模型，而不是所有可能不需要复杂推理的任务。
彻底测试智能体，以确保深度推理模型提供的输出的准确性和可靠性。 测试还有助于识别任何潜在问题，并确保模型按预期执行。
使用活动图查看代理在会话中使用深度推理模型的位置。 展开地图中的深度推理节点，查看模型所采取的步骤和模型的输出。 这将帮助您确定推理模型是否提供了预期的功能。
通过在测试期间更新指令，比较使用和不使用深度推理模型的输出。