Best practices en beperkingen voor operations-agenten

In dit artikel worden de aanbevolen procedures en beperkingen beschreven wanneer u operations-agents gebruikt in Real-Time Intelligence.

Beste praktijken

Operations-agents helpen organisaties duidelijke bedrijfsdoelen te realiseren door continu realtime gegevens te bewaken, expliciete drempelwaarden te evalueren en acties aan te bevelen wanneer aan gedefinieerde voorwaarden wordt voldaan. Operations-agents helpen u bijvoorbeeld proactief te reageren wanneer de beschikbaarheid van de voorraad afneemt op een kritiek niveau. We raden de volgende aanbevolen procedures aan voor operations-agents.

• Eventhouse-tabellen: Als eventhouse-tabellen geneste kolommen bevatten, zoals JSON, kunt u de tabellen platmaken voordat u de agent configureert. Platte tabellen met beschrijvende kolomnamen verbeteren de mogelijkheid van de agent om gegevens te parseren en te evalueren.

• Beschrijvingen van eventhouse-kolommen: als het doel van een kolom onduidelijk is op basis van de naam, voegt u een beschrijving zonder opmaak toe met behulp van het beschrijvingsveld in het KQL-tabelschema. Dit helpt de agent gegevenswaarden correct te interpreteren.

• Bedrijfsobjectidentificatie: als de agent een specifiek bedrijfsobject moet bewaken, zoals een station, sensor of personeelsrecord, identificeert u de kolom die het object uniek identificeert (bijvoorbeeld 'StationID' of 'SensorID'). Als u een KQL-databasebron gebruikt, geeft u op tot welke tabel deze behoort. Als u een ontologiebron gebruikt, geeft u de entiteit op die door de agent moet worden gebruikt.

• Quotering van veldnamen: Als een regel verwijst naar kolom- of eigenschapsnamen die speciale tekens bevatten, zoals onderstreeptekens of afbreekstreepjes, zet u de kolomnaam tussen aanhalingstekens (""). Deze procedure zorgt ervoor dat de agent deze correct identificeert.

• Kwantificeerbare voorwaarden: als een regel kwalitatieve taal gebruikt, zoals 'lage beschikbaarheid' of 'hoge temperatuur', vervangt u deze door een specifieke numerieke drempelwaarde. Gebruik bijvoorbeeld een woordgroep als 'minder dan 3 fietsen beschikbaar' of 'temperatuur overschrijdt 80'.

• Regelscheiding: Als u meerdere regels definieert, beschrijft u elke regel op een afzonderlijke regel of opsommingsteken. Combineer voorwaarden van verschillende regels niet in dezelfde zin.

• Regelvolgorde: Als de agent prioriteit moet geven aan bepaalde regels, moet u eerst regels met een hogere prioriteit vermelden. Met grote taalmodellen (LLM's) kan informatie anders worden geïnterpreteerd op basis van de positie in de prompt.

Voorbeeldinstructies

Hier volgt een voorbeeld van hoe u uw instructies voor de agent kunt opmaken om duidelijk te zijn over de operationele regels en de semantische informatie over de velden in uw gegevens.

*** 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.

Beperkingen

• Operationsagenten vertrouwen op een LLM om het draaiboek op te stellen en de regels te bepalen die de agent volgt, en om berichten te analyseren en genereren voor acties en aanbevelingen. Omdat AI-services op basis van LLM probabilistisch zijn en valbaar kunnen zijn, is het belangrijk om de resultaten en aanbevelingen die ze bieden zorgvuldig te bekijken. Zie Privacy, beveiliging en verantwoordelijk gebruik van Copilot voor Real-Time Intelligence voor meer informatie.

  Als u wilt bijhouden welke query's en gegevens de agent opvraagt, kunt u kijken in de eventhouse- en KQL-database die het bewaakt. Op het tabblad Query-inzichten ziet u de query's die worden uitgevoerd en kunt u de KQL valideren die wordt gebruikt.

  

• Momenteel worden alleen reguliere Eventhouse-tabellen ondersteund. Snelkoppelingstabellen, functies en gematerialiseerde weergaven worden niet ondersteund.

• Als u een Fabric Ontology gebruikt voor de gegevensbron van de agent, moet deze zich in dezelfde werkruimte bevinden als de operations-agent.

• Ontology-entiteiten die u door de agent wilt bewaken, moeten ten minste één statische eigenschap hebben die moet worden gebruikt als id voor entiteiten. Eigenschappen van tijdreeksen moeten worden gekoppeld aan eventhouse-velden.

• Ontology monitoring is beperkt tot alleen basale eigenschapswaarden. Aggregatie zoals een gemiddelde, minimum- of maximumwaarde wordt niet ondersteund. Bewaking die een 'AND'-voorwaarde vereist (bijv. remindex voor een landingsbaan is meer dan 0,8 en de oppervlakte temp is < 40) wordt niet ondersteund.

• Hoewel systeemvoorzieningen aanwezig zijn, kan intensief gebruik leiden tot snelheidsbeperking, waardoor het aantal berichten dat de agent kan verzenden, wordt beperkt. In dergelijke gevallen ontvangt u mogelijk vereenvoudigde, niet-LLM-gegenereerde berichten via Microsoft Teams.

• Op dit moment ondersteunen de agent en LLM alleen Engelse instructies en doelen.

• De agent werkt met behulp van de gedelegeerde identiteit en machtigingen van de maker. Dit betekent:

  • Query's, gegevenstoegang en acties worden uitgevoerd op basis van de referenties van de maker.

  • De maker ontvangt standaard aanbevelingsberichten. Als u de ontvanger wijzigt, worden de referenties die worden gebruikt voor query's en acties niet gewijzigd.

• De agent voert elke vijf minuten gegevensquery's uit wanneer deze actief is.

• Wanneer de agent gegevens detecteert die overeenkomen met de regels, worden de aanbevolen acties en het antwoord van de gebruiker bijgehouden als een bewerking. Als de gebruiker niet binnen drie dagen reageert (goedkeuren of afwijzen), wordt de bewerking automatisch geannuleerd. Na deze tijdsperiode kunt u niet met de actie interacteren of deze goedkeuren.

• Operations-agent is beschikbaar in Microsoft Fabric-regio's, met uitzondering van VS - zuid-centraal en VS - oost.

• Als uw Fabric-tenant en -capaciteit zich in verschillende regio's bevinden, zijn er mogelijk fouten opgetreden bij het configureren van Power Automate-acties. Totdat er een oplossing beschikbaar is, moet u ervoor zorgen dat uw werkruimtecapaciteit zich in dezelfde regio bevindt als uw Fabric-tenant om de bewerkingsagent te gebruiken.