Procedure consigliate e limitazioni dell'agente operativo

Questo articolo illustra le procedure consigliate e le limitazioni quando si usano agenti operativi in Real-Time Intelligence.

Procedure consigliate

Gli agenti operativi consentono alle organizzazioni di rendere operativi obiettivi aziendali chiari monitorando continuamente i dati in tempo reale, valutando soglie esplicite e consigliando azioni quando vengono soddisfatte le condizioni definite. Ad esempio, gli agenti operativi consentono di rispondere in modo proattivo quando la disponibilità dell'inventario scende a un livello critico. Per gli agenti operativi è consigliabile seguire le procedure consigliate seguenti.

• Tabelle Eventhouse: Se le tabelle Eventhouse contengono colonne nidificate, ad esempio JSON, appiattire le tabelle prima di configurare l'agente. Le tabelle flat con nomi di colonna descrittivi migliorano la capacità dell'agente di analizzare e valutare i dati.

• Descrizioni delle colonne: se lo scopo di una colonna non è chiaro dal nome, aggiungere una descrizione in linguaggio normale usando il campo descrizione nello schema della tabella KQL. Ciò consente all'agente di interpretare correttamente i valori dei dati.

• Identificazione dell'oggetto business: se l'agente deve monitorare un oggetto business specifico, ad esempio una stazione, un sensore o un record del personale, identificare la colonna che identifica in modo univoco l'oggetto , ad esempio "StationID" o "SensorID". Specificare la tabella a cui appartiene.

• Virgolettatura del nome del campo: se una regola fa riferimento a nomi di colonna contenenti caratteri speciali, come sottolineature o trattini, si raccomanda di racchiudere il nome della colonna tra virgolette (""). Questa procedura garantisce che l'agente lo identifichi correttamente.

• Condizioni quantificabili: se una regola usa un linguaggio qualitativo, ad esempio "disponibilità bassa" o "temperatura elevata", sostituirlo con una soglia numerica specifica. Ad esempio, usare una frase come "meno di 3 biciclette disponibili" o "la temperatura supera 80".

• Separazione delle regole: Se si definiscono più regole, descrivere ogni regola in una linea o un punto elenco separato. Non combinare condizioni da regole diverse nella stessa frase.

• Ordine delle regole: se l'agente deve assegnare priorità a determinate regole, elencare prima le regole con priorità più alta. I modelli di linguaggio di grandi dimensioni possono interpretare le informazioni in modo diverso in base alla relativa posizione nel prompt.

Istruzioni di esempio

Di seguito è riportato un esempio di come è possibile definire le istruzioni per l'agente per chiarire le regole operative e le informazioni semantiche sui campi nei dati.

*** Operational Instructions ***
1. Alert me when a trip has high occupancy level.
2. Alert me when a trip has high departure delay.

*** Semantic Instructions ***
1. Information about a trip can be found in 'TripUpdateFlattened' table, each identified by the 'trip_id' column.
2. Information about a vehicle can be found in 'VehiclePositionsFlat' table, each identified the 'vehicle_id' column.
3. A trip is a associated with multiple vehicles via shared trip ID.
4. Occupancy status of a trip is calculated as the latest occupancy status from the vehicle the trip is associated with. The value 'HIGH' means high occupancy level.
5. The departure delay is measured in number of seconds. Higher than 300 seconds of delay is considered significant.

Limitazioni

• Gli agenti operativi si basano su un LLM per creare il playbook e le regole che l'agente segue e per ragionare e generare messaggi per azioni e raccomandazioni. Poiché i servizi di intelligenza artificiale basati su LLM sono probabilistici e possono essere fallibili, è importante esaminare attentamente i risultati e le raccomandazioni forniti. Per altre informazioni, vedere Privacy, sicurezza e uso responsabile di Copilot per Real-Time Intelligence.

  Per monitorare quali query e dati l'agente accede, puoi esaminare l'eventhouse e il database KQL che supervisiona. Nella scheda Informazioni sulle query, vengono visualizzate le query eseguite e si può convalidare il KQL utilizzato.

  

• Mentre sono in atto le protezioni di sistema, un utilizzo intensivo potrebbe causare un rallentamento, che riduce il numero di messaggi che l'agente può inviare. In questi casi, è possibile ricevere messaggi semplificati non generati da LLM tramite Microsoft Teams.

• Attualmente, l'agente e LLM supportano solo istruzioni e obiettivi in inglese.

• L'agente opera usando l'identità delegata e le autorizzazioni del creatore. Ciò significa:

  • Le query, l'accesso ai dati e le azioni vengono eseguite in base alle credenziali dell'autore.

  • Per impostazione predefinita, l'autore riceve i messaggi di raccomandazione. La modifica del destinatario non modifica le credenziali usate per le query e le azioni.

• L'agente esegue query sui dati ogni cinque minuti quando è attiva.

• Quando l'agente rileva i dati corrispondenti alle regole, tiene traccia delle azioni consigliate e della risposta dell'utente come operazione. Se l'utente non risponde (approva o rifiuta) entro tre giorni, l'operazione viene annullata automaticamente. Dopo questo periodo, non è possibile interagire con o approvare l'azione.

• L'agente operativo è disponibile nelle aree di Microsoft Fabric, ad eccezione degli Stati Uniti centro-meridionali e degli Stati Uniti orientali.

• Se il tenant e la capacità di Fabric si trovano in regioni diverse, potresti riscontrare errori durante la configurazione delle azioni di Power Automate. Fino a quando non sarà disponibile una correzione, per usare l'agente delle operazioni, assicurarsi che la capacità dell'area di lavoro si trovi nella stessa regione del tenant di Fabric.