Använd förutsägelseåtgärden i Power Automate

Du kan använda dedikerade åtgärder för varje AI Builder modell i Power Automate. Med åtgärden predict kan du dock använda många AI Builder modelltyper.

Använd en anpassad eller förbyggd modell

  1. Logga in på Power Automate.

  2. I den vänstra rutan, välj Mina flöden och välj sedan Nytt flöde>Direkt molnflöde.

  3. Namnge ditt molnflöde.

  4. Under Välj hur du vill utlösa det här flödet, välj Utlös ett flöde manuellt och välj sedan Skapa.

  5. Select + Nytt steg och ange förutsäga i sökfältet.

  6. Välj Predict från AI Builder eller Predict med AI Builder modeller från Microsoft Dataverse. Båda åtgärderna ger samma funktioner.

    Skärmbild av åtgärden Prediktionsåtgärd.

  7. För Modell-indata, välj en anpassad modell du skapade eller välj en förbyggd modell.

Anmärkning

Läs mer om indata- och utdataparametrarna för varje modell i följande avsnitt i AI Builder i Power Automate översikt:

Använda ett ID för dynamisk modell (avancerat)

För vissa komplicerade användningsfall kan du behöva skicka ett modell-ID dynamiskt för förutsägelseåtgärden. Om du till exempel vill bearbeta olika typer av fakturor med olika modeller kanske du vill välja en modell automatiskt beroende på typen av faktura.

I det här avsnittet får du lära dig hur du konfigurerar AI Builder förutsäga åtgärden för det här specifika ändamålet beroende på modelltyp.

  1. Logga in på Power Automate.

  2. Välj Mina flöden i den vänstra rutan och välj sedan Nytt flöde>Omedelbart molnflöde.

  3. Namnge ditt molnflöde, välj Utlös flödet manuellt under Välj hur du vill utlösa det här flödet och välj sedan Skapa.

  4. Välj + Nytt steg.

  5. Ange Initiera variabel i sökfältet och markera den sedan på fliken Åtgärder.

  6. Ange modell-ID i indata Namn, Sträng i indata Typ och det faktiska modell-ID i indata Värde.

    Du hittar modell-ID:t i URL:en till modellens informationssida i Power Apps: make.powerapps.com/environment/[miljö-ID]/aibuilder/models/[modell-ID]

  7. Välj + Nytt steg, sök efter predict och välj sedan Predict från AI Builder.

  8. Välj indata >Ange Anpassat värde och ange sedan modell-ID från steg 6.

    Kolumnvärdet för Härled begäran beror på modelltypen.

Anmärkning

Det dynamiska modell-ID:t stöds endast för dokumentbearbetning. Det stöds inte för frågor.

Dokumentbearbetningsmodell

  1. I steget Utlös flödet manuellt lägger du till en Fil som indata och anger namnet till Filinnehåll.

  2. I steget Utlös flödet manuellt lägger du till en Text som indata och anger namnet till Mime-typ.

  3. I steget Initiera variabel anger du ett ID för dokumentbearbetningsmodellen.

  4. I steget Förutse, ange följande värde i kolumnen Härled begäran:

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

    Parametern sidor är valfri och kan vara i formatet ”2” eller som ett intervall som ”1–10”.

    Skärmbild av förutsägelseåtgärd med ID för dynamisk modell.

  5. Välj Spara längst upp till höger och välj sedan Testa för att testa ditt molnflöde.

    Skärmbild av att testa förutsägelseåtgärden.

  6. I molnflödeskörningsinformationen ska du hämta modellens JSON-utdata i avsnittet UTDATA för åtgärden förutsäg. Dessa utdata är användbara om du vill skapa underordnade åtgärder med hjälp av modellens värden.

    Skärmdump av att få utdata från körresultat.

  7. Gå tillbaka till molnflödet i redigeringsläge.

  8. Välj + Nytt steg och välj åtgärden Skapa (eller en annan åtgärd för att bearbeta modellresultatet). Låt säga att modellens utdata har kolumnen Totalt. Du kan få den med följande formel:

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

    Skärmbild på att använda förutsägelseutdata.

Objektidentifieringsmodell

Den här processen påminner om förfrågan i steg 4 i avsnittet om Dokumentbehandlingsmodell:

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

Modell för kategoriklassificering

Den här processen är liknande begäran om slutledning i steg 4 i avsnittet om Dokumentbearbetningsmodell:

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