Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Retrieval Augmented Generation (RAG) in Microsoft Copilot Studio combineert de redeneercapaciteiten van taalmodellen met betrouwbare, organisatiespecifieke kennis. Het stelt agenten in staat om nauwkeurige, contextuele en onderbouwde antwoorden te produceren op basis van de inhoud van het bedrijf, in plaats van uitsluitend te vertrouwen op modelgeheugen.
In dit artikel leert u het volgende:
- Begrijp hoe RAG de betrouwbaarheid en aarding van AI verbetert.
- Beschrijf hoe Copilot Studio kennis ophaalt ensynthetiseert.
- Identificeer de ondersteunde kennisbronnen en hun beperkingen.
- Erken governance-, compliance- en AI-veiligheidsoverwegingen.
- Pas RAG-concepten toe bij het ontwerpen van agenten in bedrijfsomgevingen.
Inleiding tot RAG
RAG is een ontwerppatroon dat de nauwkeurigheid van AI verbetert door twee mogelijkheden te combineren:
- Informatieopvraging: Doorzoeken van bedrijfsgegevensbronnen.
- Tekstgeneratie: Het synthetiseren van de opgehaalde informatie door gebruik te maken van een taalmodel.
Deze aanpak vermindert onjuiste informatie, vergroot het vertrouwen en genereert antwoorden die gebaseerd zijn op echte organisatorische inhoud.
RAG-architectuur in Copilot Studio
de RAG-pijplijn van Copilot Studio is gebaseerd op Azure AI-services en kan nauw worden geïntegreerd met de vertrouwens-, nalevings- en beveiligingsgrenzen van Microsoft.
Kerncomponenten:
- Copilot Studio Runtime: Beheert de gesprekspijplijn
- Query-optimalisatiemotor: Herschrijft en interpreteert queries
- Zoekproviders: Bing, SharePoint, Graph, Dataverse, Azure AI Zoeken
- Samenvattingsmotor: Maakt gefundeerde antwoorden met bronvermelding
- Moderatielagen: Valideert berichten en samenvattingen
- State store: Kortetermijngeheugen (minder dan 30 dagen; niet gebruikt voor training)
- Telemetrie- en feedbackopslagplaatsen: Biedt inzicht en toezicht
Hoe RAG werkt in Copilot Studio
RAG in Copilot Studio volgt een vierstapsproces:
- Query herschrijven
- Inhoudsopvraging
- Samenvatting en generatie van reacties
- Veiligheid en governance validatie
1. Queryherschrijving
Copilot Studio optimaliseert de vraag van de gebruiker voordat u gaat zoeken:
- Verduidelijkt betekenis
- Voegt contextuele signalen toe (laatste 10 beurten)
- Verbetert trefwoordmatching
- Genereert zoekvriendelijke zoekopdrachten
Dit proces verhoogt de opsporingskwaliteit en vermindert irrelevante resultaten.
2. Inhoudsopvraging
Na het herschrijven van de query draait het systeem deze tegen alle kennisbronnen die je hebt ingesteld. Copilot Studio krijgt de drie belangrijkste resultaten van elke bron, waarbij de relevantie wordt afgestemd op prestaties. Het gedrag van elke kennisbron varieert afhankelijk van factoren zoals authenticatie, indexering, bestandsformaten en opslagbeperkingen.
De volgende tabel vat alle ondersteunde kennisbronnen samen en hun mogelijkheden, beperkingen en authenticatievereisten:
| Kennisbron | Beschrijving | Verificatie | Belangrijke mogelijkheden, limieten en beperkingen |
|---|---|---|---|
| Publieke gegevens (websites) | Websites geïndexeerd door Bing | Geen |
|
| SharePoint / OneDrive | Interne enterprise-inhoud (alleen intern) | Microsoft Entra ID gedelegeerde authenticatie |
|
| Geüploade bestanden | Bestanden geüpload naar Dataverse-opslag | Geen |
|
| Dataverse-tabellen | Gestructureerde bedrijfsdocumenten (alleen intern) | Microsoft Entra ID gedelegeerde authenticatie |
|
| Graafconnectoren | Enterprise-apps geïndexeerd in Microsoft Graph (alleen intern) | Microsoft Entra ID gedelegeerde authenticatie |
|
| Real-time connectors | Live data van systemen zoals Salesforce, Zendesk, SQL (alleen intern) | De gebruiker moet ingelogd zijn |
|
| Azure AI Zoeken | Vectorgebaseerde semantische zoekopdracht | Geconfigureerd eindpunt |
|
| Aangepaste gegevens | Data geleverd via API's, flows of aangepaste logica | Geen |
|
3. Samenvatting en responsgeneratie
- AI synthetiseert opgehaalde inhoud
- Past aangepaste instructies toe voor toon, opmaak, veiligheid of beknoptheid
- Genereert citaties naar de onderliggende data
- Personaliseert antwoorden door gebruik te maken van gebruikerscontext (zoals taal, afdeling of regio).
4. Veiligheid en governance validatie
Elke reactie gaat door geautomatiseerde validatielagen:
- Moderatie van schadelijke, kwaadaardige, niet-conforme of auteursrechtelijk beschermde antwoorden
- Grondvalidatie en verwijdering van onjuiste informatie
Geen klantdata traint taalmodellen.
Belangrijke overwegingen bij het gebruik van RAG
RAG werkt het beste voor feitelijke vragen en antwoorden, niet voor diepgaande documentanalyse.
RAG is ideaal voor:
- Vragen beantwoorden uit kennisbanken
- Samenvatting van beleid, veelgestelde vragen en procedurele inhoud
- Specifieke feiten ophalen uit bestanden of interne systemen
RAG is niet bedoeld voor:
- Volledige documentvergelijking
- Evaluatie van beleidsnaleving
- Complex redeneren over lange, ongestructureerde documenten
Generatieve AI-beveiligings- en compliance-overwegingen
Generatieve AI-functies in Microsoft Copilot Studio zijn ontworpen om krachtige gespreks- en redeneringsmogelijkheden te bieden met behoud van sterke beveiliging, privacy en nalevingscontroles.
Stichtingsmodellen en hosting
- Copilot Studio is afhankelijk van basismodellen die OpenAI traint.
- Copilot Studio maakt gebruik van een van de nieuwste OpenAI-modellen voor generatieve antwoorden.
- Modellen worden volledig uitgevoerd op interne Azure AI Foundry-services, afgestemd op de grens van Microsoft Services Trust.
- Al het gebruik van het model volgt de principes en beleidsregels van Microsoft Responsible AI .
Aangepaste instructies
Makers kunnen aangepaste instructies geven om modelgedrag te vormen, toon te beïnvloeden of opmaakregels toe te voegen. Deze instructies helpen de generatieve antwoorden af te stemmen op de behoeften van de organisatie, terwijl ze toch veiligheidsfilters en nalevingscontroles respecteren.
Gegevens opslaan en verwerken
- Gegevensopslag en -verwerking in Copilot Studio kan gegevens verplaatsen over regionale grenzen wanneer het hosten van lokale modellen niet beschikbaar is.
- Wanneer deze gegevensverplaatsing niet is toegestaan, kunnen beheerders omgevingsinstellingen gebruiken om specifieke functies zoals Azure taalmodellen of Bing Search uit te schakelen.
- Copilot Studio verzamelt of gebruikt geen klantgegevens voor trainingstaalmodellen.
Operationele gegevensverwerking
- Tijdens de werking slaat het systeem gesprekken tijdelijk op in een beveiligde, door Microsoft beheerde opslag.
- Geautoriseerde toegang voor Microsoft-personeel is beperkt via Secure Access Workstations (SAWs) met Just-In-Time (JIT) besturing.
- Organisaties kunnen de toegang verder controleren via Customer Lockbox, waarbij expliciete goedkeuring vereist is voordat Microsoft-supportingenieurs de gegevens kunnen bekijken.
Probleemoplossing voor telemetrie
- Generatieve AI-functies genereren extra probleemoplossingsgegevens, maar alleen voor door de maker geïnitieerde acties in het Testpaneel, specifiek wanneer de maker een duim omhoog of omlaag geeft op een reactie.
- Er worden geen extra klantgegevens geregistreerd buiten deze expliciete feedbackloop.
Misbruikmonitoring en veiligheid
Omdat meerdere veiligheidslagen al generatieve AI-functies beschermen, schakelt Copilot Studio's generatieve AI Azure AI-misbruikbewaking uit om verdere logboekregistratie van klantgegevens te voorkomen.