Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Il modello di agente Expert Answers è un modello di agente di Microsoft 365 Copilot adattabile progettato per rispondere a domande complesse specifiche del dominio basate sul contenuto dell'organizzazione. È possibile ottimizzare ulteriormente l'agente usando i dati aziendali per migliorare la qualità, la rilevanza e la coerenza delle risposte.
Questo articolo descrive scenari comuni, opzioni di ottimizzazione, requisiti e limitazioni che consentono di implementare il modello di agente Expert Answers in modo efficace.
Importante
Microsoft 365 Copilot Tuning è attualmente disponibile per un set limitato di clienti tramite programmi di accesso anticipato. L'accesso attraverso Frontier è previsto per aprile 2026. Le funzionalità e i requisiti sono soggetti a modifiche.
Panoramica del modello dell'agente Expert Answers
Il modello di agente Expert Answers esegue ricerche approfondite nel contenuto aziendale e genera risposte basate su tali dati.
Gli scenari comuni includono:
- Risposta a domande su set di dati di base di grandi dimensioni, ad esempio repository legali o di conformità con migliaia di file
- Applicazione di toni o guardrail specifici, ad esempio per le risorse umane interne o gli agenti dei criteri
- Uso di set di dati che contengono terminologia o gergo specifico dell'azienda, ad esempio knowledge base interne
Un flusso di lavoro tipico inizia con il test dell'agente non personalizzato. È quindi possibile personalizzare l'agente usando il modello di agente Expert Answers in Agent Builder e, facoltativamente, ottimizzare l'agente per migliorarne ulteriormente le risposte.
Le risposte finali si combinano:
- Funzionalità dell'agente dichiarativo configurate in Agent Builder
- Funzionalità expert answers configurate tramite il flusso di ottimizzazione
Nella maggior parte dei casi, usare entrambi gli approcci insieme aggiungendo conoscenze in Agent Builder e affinando il comportamento tramite l'ottimizzazione dell'agente.
Flusso di ottimizzazione
Il flusso di ottimizzazione consente di valutare e migliorare le risposte degli agenti. È possibile ottimizzare un modello di agente Expert Answers in tre modi.
| Tipo di ottimizzazione | Quando si usano |
|---|---|
| Contesto | Aggiungere funzionalità di ricerca di Expert Answers oltre alle funzionalità dell'agente dichiarativo e valutare il comportamento dell'agente |
| Modello | Migliorare il modo in cui l'agente cerca e recupera i file pertinenti |
| Strumenti | Aggiungere agenti secondari per applicare guardrail, applicare il tono o generare risposte più approfondite usando Il ricercatore |
Usare l'agente non personalizzato
Prima di personalizzare l'agente, testare l'esperienza predefinita.
È necessario selezionare un sito di SharePoint prima di porre una domanda. L'agente risponde alle domande usando il contenuto del sito. Se non si seleziona un sito, l'agente cerca nei messaggi precedenti un sito a cui si fa riferimento.
Personalizzare l'agente
Per iniziare, selezionare il modello di agente Expert Answers in Agent Builder.
Fornire le seguenti informazioni:
- Nome
- Descrizione
- Istruzioni
Facoltativamente, è possibile aggiungere conoscenze e funzionalità.
Usare l'agente personalizzato
Dopo la personalizzazione, l'agente risponde alle domande usando i siti di SharePoint configurati come origini conoscenze.
Ottimizzazione del contesto
Usando l'ottimizzazione del contesto, è possibile impostare gli obiettivi dell'agente, creare dati di valutazione e migliorare il recupero delle informazioni della funzionalità di ricerca Expert Answers.
Fornire le informazioni seguenti durante questo passaggio:
| Informazioni | Pagina | Finalità |
|---|---|---|
| Obiettivo principale e dominio | Definire gli obiettivi di ottimizzazione | Guida il comportamento di ricerca e suggerisce sottogoali e metriche |
| Caricamento di file di esempio | Definire gli obiettivi di ottimizzazione | Crea dati di valutazione |
| Sottogoali | Esaminare le domande di chiarimento | Guida il comportamento e la valutazione della ricerca |
| Metriche | Esaminare le metriche | Valuta le risposte dell'agente |
| Informazioni di messa a terra | Contesto dell'agente | Definisce il comportamento di ricerca |
Definire gli obiettivi di ottimizzazione
- Obiettivo principale: affina l'obiettivo dell'agente. Usare le istruzioni esistenti come punto di partenza. L'obiettivo guida la funzionalità di ricerca Expert Answers durante l'inferenza.
- Dominio: specifica un'area dell'argomento di alto livello, ad esempio le risorse umane.
- File di esempio: file di esempio usati per generare domande e risposte di valutazione. Questi file devono rappresentare i tipi di documento e gli argomenti di cui gli utenti potrebbero chiedere.
Selezionare questi file dal set di dati di messa a terra. La disponibilità di più file (fino a 50) e l'aumento della diversità degli argomenti migliora la qualità della valutazione.
Esaminare le domande di chiarimento
Usare le sottogoali con i documenti caricati per generare coppie di domande e risposte per la valutazione. Aiutano anche a guidare la funzionalità di ricerca Expert Answers.
Concentrare queste domande sui tipi di query che gli utenti devono porre. Definire i criteri di qualità delle risposte nel passaggio delle metriche.
Esaminare le metriche
Definire come valutare l'agente. Oltre alle metriche specificate, Microsoft applica una metrica di accuratezza predefinita che confronta la risposta dell'agente con una risposta "golden" derivata dai dati.
Contesto dell'agente
Esaminare i dati di messa a terra dell'agente. La funzionalità di ricerca Expert Answers usa questi dati per generare risposte.
Giudizi
Quando si completa l'ottimizzazione del contesto e i passaggi successivi, nella home page dell'agente Tune vengono visualizzati i risultati della valutazione.
Ottimizzazione del modello
L'ottimizzazione del modello esegue il training della funzionalità di ricerca Expert Answers. L'agente usa un set di dati di training per apprendere come scrivere query migliori e selezionare documenti più pertinenti dal set di dati di base.
Anche se il set di dati di messa a terra genera principalmente risposte finali, anche le informazioni del set di dati di training possono essere visualizzate nelle risposte. Nella maggior parte dei casi, usare lo stesso set di dati per la messa a terra e il training.
L'ottimizzazione del modello è più efficace quando:
- Il set di dati di messa a terra contiene diverse centinaia o più file.
- Le query includono il linguaggio o i concetti specifici dell'azienda.
Per ottimizzare un modello:
Fornire gli output preferiti: Selezionare un set di dati di training. Nella maggior parte degli scenari usare lo stesso set di dati per la messa a terra.
Verificare l'accesso: Esaminare le raccomandazioni per l'accesso.
Ottimizzazione degli strumenti
L'ottimizzazione degli strumenti consente di aggiungere strumenti aggiuntivi che l'agente può usare quando genera risposte. Questi strumenti includono:
- Editor di stile (agente adattabile) per riscrivere le risposte in modo che corrispondano a un tono specifico
- Document Reviewer (agente tonibile) per applicare guardrail definiti
- Ricercatore per eseguire ricerche più lunghe e più approfondite
Per usare agenti tonnabili, è necessario innanzitutto ottimizzarli nel contesto.
È anche possibile fornire istruzioni di orchestrazione che definiscono il funzionamento degli strumenti. Se si selezionano tutti gli strumenti, il flusso predefinito è:
- Usare Il ricercatore come origine aggiuntiva.
- Riscrivere la risposta usando l'editor di stile.
- Convalidare la risposta usando il Revisore documenti.
Esempi di istruzioni di orchestrazione personalizzate includono:
- Se la risposta iniziale è incompleta, usare Ricercatore prima di generare la risposta finale.
- Se la domanda riguarda i vantaggi, usare l'agente di convalida.
- Usare prima l'agente di convalida, quindi applicare l'allineamento dei toni.
Limitazioni
Ottimizzazione del contesto
- Sono supportati solo file e cartelle di SharePoint.
- La ricerca di Expert Answers presenta limitazioni note per il recupero.
Ottimizzazione del modello
- Sono supportati solo file e cartelle di SharePoint.
- Tipi di file supportati: .docx, .pdf, .aspx, .doc, .html, .txt.
- Per il training viene usato solo il contenuto di testo.
- Per i file .aspx e .html, viene usato solo il testo estratto.
Ottimizzazione degli strumenti
- Se si aggiungono conoscenze o funzionalità in Agent Builder, le risposte potrebbero non seguire il tono o i guardrail definiti dall'Editor di stile o dal Revisore documenti. Questa limitazione si verifica quando si aggiungono informazioni aggiuntive dopo l'esecuzione di questi agenti.
- Per garantire l'imposizione di toni e regole, evitare di aggiungere funzionalità in Agent Builder.
Domande frequenti
Quali origini conoscenze è necessario aggiungere in Generatore agenti, ottimizzazione del contesto e ottimizzazione del modello?
Nella maggior parte dei casi, usare la stessa origine conoscenze in tutti e tre. È possibile scegliere un approccio diverso se:
- Non si vuole usare le funzionalità dell'agente dichiarativo. In questo caso, non aggiungere informazioni in Agent Builder.
- Si vuole che la funzionalità di ricerca Risposte esperte si concentri su un subset di file. In questo caso, limitare i file aggiunti durante l'ottimizzazione del contesto e del modello.
Quando è necessario ripetere il training dell'agente?
Le modifiche incrementali ai dati di messa a terra in genere non riducono significativamente le prestazioni. I nuovi file vengono inclusi automaticamente nelle risposte. Tuttavia, le informazioni dai file rimossi dopo il training potrebbero comunque essere visualizzate nelle risposte fino a quando non si ripete il training dell'agente.