Usare l'azione predict in Power Automate

È possibile usare azioni dedicate per ogni modello di AI Builder in Power Automate. Tuttavia, l'azione predict consente di usare molti tipi di modello AI Builder.

Utilizzare un modello personalizzato o predefinito

1. Accedere a Power Automate.

2. Nel riquadro di spostamento a sinistra, seleziona Flussi personali, quindi seleziona Nuovo flussoFlusso cloud istantaneo.

3. Assegna un nome al flusso cloud.

4. In Scegli come attivare questo flusso seleziona Attiva manualmente un flusso, quindi seleziona Crea.

5. Seleziona + Nuovo passaggio, quindi immetti previsione nella barra di ricerca.

6. Seleziona Prevedi da AI Builder o Prevedi utilizzando i modelli AI Builder da Microsoft Dataverse. Entrambe le azioni offrono le stesse funzionalità.

   Screenshot dell'azione Prevedi.

7. Nell'input Modello, seleziona un modello personalizzato creato o scegli un modello predefinito.

Utilizzare un ID modello dinamico (avanzato)

Per alcuni casi d'uso complessi, potrebbe essere necessario passare dinamicamente un ID modello all'azione di previsione. Ad esempio, se vuoi elaborare diversi tipi di fatture utilizzando modelli diversi, potresti voler scegliere automaticamente un modello a seconda del tipo di fattura.

In questa sezione si apprenderà come configurare l'azione di stima AI Builder per questo scopo specifico a seconda del tipo di modello.

1. Accedere a Power Automate.

2. Seleziona Flussi personali nel riquadro sinistro, quindi seleziona Nuovo flussoFlusso cloud istantaneo.

3. Assegna un nome al flusso cloud, seleziona Attiva un flusso manualmente in Scegli come attivare questo flusso, quindi seleziona Crea.

4. Selezionare + Nuovo passaggio.

5. Immetti Inizializza variabile nella barra di ricerca, quindi selezionala nella scheda Azioni.

6. Immetti ID modello nell'input Nome, Stringa nell'input Tipo e l'ID del modello effettivo nell'input Valore.

   È possibile trovare l'ID modello nell'URL della pagina dei dettagli del modello in Power Apps: make.powerapps.com/environment/[id ambiente]/aibuilder/models/[id modello]

7. Selezionare + Nuovo passaggio, cercare predict e quindi selezionare Predict da AI Builder.

8. Seleziona l'input Immetti valore personalizzato, quindi immetti l'ID modello dal passaggio 6.

   Il valore della colonna Richiesta di deduzione dipende dal tipo di modello.

Modello di elaborazione dei documenti

1. Nel passaggio Attiva manualmente un flusso, aggiungi un input File e impostane il nome su Contenuto file.

2. Nel passaggio Attiva manualmente un flusso, aggiungi un input Testo e impostane il nome su Tipo MIME.

3. Nel passaggio Inizializza variabile, immetti un ID modello di elaborazione dei documenti.

4. Nel passaggio Prevedi, inserisci il seguente valore nella colonna Richiesta di deduzione:

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

   Il parametro pages è facoltativo e può essere nel formato '2' o come intervallo come '1-10'.

   Screenshot dell'azione Prevedi con ID modello dinamico.

5. Seleziona Salva nell'angolo in alto a destra, quindi seleziona Test per provare il flusso cloud.

   Screenshot del test dell'azione Prevedi.

6. Nei dettagli dell'esecuzione del flusso cloud, ottieni l'output JSON del modello nella sezione OUTPUT dell'azione di previsione. Questo output è utile per creare azioni a valle utilizzando valori del modello.

   Screenshot dell'ottenimento dell'output dai risultati dell'esecuzione.

7. Torna al flusso cloud in modalità di modifica.

8. Seleziona + Nuovo passaggio e seleziona l'azione Componi (o qualsiasi altra azione per elaborare l'output del modello). Supponiamo che l'output del tuo modello includa l'estensione Totale. Puoi ottenerlo con la seguente formula:

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

   Screenshot dell'utilizzo dell'output di previsione.

Modello di rilevamento oggetti

Questo processo è simile alla richiesta di inferenza nel passaggio 4 della sezione Modello di elaborazione dei documenti:

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

Modello di classificazione in categorie

Questo processo è simile alla richiesta di inferenza nel passaggio 4 della sezione Modello di elaborazione dei documenti:

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