Melhores práticas e limitações do agente de operações

Este artigo descreve as melhores práticas e limitações ao usar agentes de operações no Real-Time Intelligence.

Práticas recomendadas

Os agentes de operações ajudam as organizações a operacionalizar metas de negócios claras monitorando continuamente os dados em tempo real, avaliando limites explícitos e recomendando ações quando as condições definidas são atendidas. Por exemplo, os agentes de operações ajudam você a responder proativamente quando a disponibilidade do inventário cai para um nível crítico. Recomendamos as práticas recomendadas a seguir para agentes de operações.

• Tabelas Eventhouse: se as tabelas Eventhouse contiverem colunas aninhadas, como JSON, achate as tabelas antes de configurar um agente. Tabelas simples com nomes de coluna descritiva melhoram a capacidade do agente de analisar e avaliar dados.

• Descrições da coluna Eventhouse: se a finalidade de uma coluna não estiver clara de seu nome, adicione uma descrição em linguagem simples usando o campo de descrição em seu esquema de tabela KQL. Isso ajuda o agente a interpretar os valores de dados corretamente.

• Identificação de objeto comercial: se o agente precisar monitorar um objeto comercial específico, como uma estação, sensor ou registro de pessoal, identifique a coluna que identifica exclusivamente o objeto (por exemplo, "StationID" ou "SensorID"). Se estiver usando uma fonte de banco de dados KQL, especifique a qual tabela ele pertence. Se estiver usando uma fonte de ontologia, especifique a entidade que o agente deve usar.

• Nome de campo entre aspas: Caso uma regra faça referência a nomes de coluna ou propriedade que contenham caracteres especiais, como sublinhados e hífens, coloque o nome da coluna entre aspas (""). Essa prática garante que o agente o identifique corretamente.

• Condições quantificáveis: se uma regra usa uma linguagem qualitativa, como "baixa disponibilidade" ou "alta temperatura", substitua-a por um limite numérico específico. Por exemplo, use uma frase como "menos de 3 bicicletas disponíveis" ou "a temperatura excede 80".

• Separação de regras: ao definir várias regras, descreva cada uma em uma linha ou ponto de marcador separado. Não combine condições de regras diferentes na mesma frase.

• Ordem de regra: se o agente precisar priorizar determinadas regras, liste as regras de prioridade mais alta primeiro. Os LLMs (modelos de linguagem grande) podem interpretar as informações de forma diferente com base em sua posição no prompt.

Exemplo de instruções

Aqui está um exemplo de como você pode apresentar suas instruções ao agente para ser claro sobre suas regras operacionais e as informações semânticas sobre os campos em seus dados.

*** 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.

Limitações

• Os agentes de operações dependem de uma LLM para criar o guia estratégico e as regras que o agente segue e para raciocinar e gerar mensagens para ações e recomendações. Como os serviços de IA baseados em LLM são probabilísticos e podem ser falíveis, é importante examinar cuidadosamente os resultados e as recomendações que eles fornecem. Para obter mais informações, consulte Privacidade, segurança e uso responsável do Copilot para Real-Time Intelligence.

  Para acompanhar quais consultas e dados o agente acessa, você pode analisar o eventhouse e o banco de dados KQL que ele monitora. Na guia Insights de consulta, você vê as consultas executadas e pode validar o KQL que usa.

  

• Atualmente, somente tabelas regulares do Eventhouse são suportadas. Não há suporte para tabelas de atalho, funções e exibições materializadas.

• Se você estiver usando uma ontologia Fabric para a fonte de dados do agente, ela precisará estar localizada no mesmo workspace que o agente de operações.

• As entidades de ontologia que você deseja que o agente monitore devem ter pelo menos uma propriedade estática a ser usada como o identificador para entidades. As propriedades de timeseries devem ser associadas aos campos da casa de eventos.

• O monitoramento de ontologias é limitado apenas a valores de propriedades básicas. Não há suporte para qualquer agregação, como um valor médio, mínimo ou máximo. O monitoramento que requer uma condição 'AND' (por exemplo, o índice de frenagem para uma pista é superior a 0,8 e a temperatura da superfície é < 40) não é suportado.

• Embora as travas de proteção do sistema estejam em vigor, o uso intenso pode resultar em restrição, o que reduz a quantidade de mensagens que o agente pode enviar. Nesses casos, você pode receber mensagens simplificadas e não geradas por um LLM por meio do Microsoft Teams.

• No momento, o agente e o LLM dão suporte apenas a instruções e metas em inglês.

• O agente opera usando a identidade delegada e as permissões de seu criador. Isso significa:

  • Consultas, acesso a dados e ações são executadas com base nas credenciais do criador.

  • Por padrão, o criador recebe mensagens de recomendação. Alterar o destinatário não altera as credenciais usadas para consultas e ações.

• O agente executa consultas de dados a cada cinco minutos quando está ativo.

• Quando o agente detecta dados que correspondem às suas regras, ele rastreia as ações recomendadas e a resposta do usuário como uma operação. Se o usuário não responder (aprovar ou rejeitar) dentro de três dias, a operação será cancelada automaticamente. Após esse período, você não poderá interagir ou aprovar a ação.

• O agente de operações está disponível nas regiões do Microsoft Fabric, excluindo o Centro-Sul dos EUA e o Leste dos EUA.

• Se o locatário e a capacidade do Fabric estiverem em regiões diferentes, você poderá ter erros ao configurar ações do Power Automate. Até que uma correção esteja disponível, para usar o agente de operações, certifique-se de que a capacidade do espaço de trabalho esteja na mesma região que o locatário do Fabric.