skabelonen Copilot-optimering dokumentoversigtsagent (prøveversion med tidlig adgang)

Skabelonen Dokumentoversigtsagent hjælper dig med at generere oversigter, der afspejler din organisations stemme, prioriteter og kvalitetsstandarder. Ved hjælp af Copilot-optimering kan du konfigurere agenten til at tilpasse oversigter til bestemte målgrupper, formål, toner og længder uden at omskrive prompts hver gang.

Denne funktion er nyttig i forbindelse med scenarier som f.eks. direktør briefinger, juridiske og overholdelsesvurderinger, uddannelse, dokumentation til sundhedssektoren, intern kommunikation og forretningsudvikling. Ved at standardisere, hvordan teams opretter oversigter, kan de spare tid, forbedre beslutningstagningen og levere ensartede resultater.

Vigtigt!

Microsoft 365 Copilot-optimering er i øjeblikket tilgængelig for et begrænset sæt kunder via programmer med tidlig adgang. Adgang gennem Frontier er planlagt til april 2026. Funktioner og krav kan ændres.

Hvad agenten kan gøre

Ved hjælp af skabelonen Dokumentoversigtsagent kan du:

  • Generér oversigter fra understøttede filer baseret på instruktioner, du angiver for tone, målgruppe, formål, længde og fokusområder.
  • Opret specialiserede opsummeringsagenter ved at justere mål og kontekst.
  • Finjuster agenten yderligere ved hjælp af din organisations egne data for at forbedre relevansen, konsistensen og oversigtskvaliteten for dit scenarie.

Skærmbillede, der viser, at agenten kan generere oversigter, oprette opsummeringsagenter og finjustere baseret på organisationsdata.

Når du aktiverer finjustering, kan agenten:

  • Få mere at vide om, hvilke oplysninger der er vigtigst baseret på eksempler af høj kvalitet.
  • Anvend dine opsummeringsmål og -rubrikker konsekvent på tværs af dokumenter.

Skærmbillede, der viser, at agenten kan lære, hvad der er vigtigt, og anvende mål og rubrikker.

Understøttede input og output

Agenten understøtter følgende input og output:

  • Understøttede filtyper: Word (.docx) og PDF (.pdf)
  • Inputområde: Enkelte filer eller mapper, der indeholder flere filer
  • Output:
    • En oversigt, der genereres i Copilot-samtalen
    • Et kladdeoversigtsdokument, der leveres via mail

Skærmbillede, der viser understøttede filtyper, inputområder og output.

Brug agenten til at udlede

Før du finjusterer agenten, skal du teste den ved at køre inference med eksempelprompter. Prompter skal referere til en eller flere inputfiler.

Eksempelprompt:

Opsummer de vigtigste profitfaktorer og vækstområder baseret på EarningsStatement2024.docx og EarningsStatement2025.docx.

Understøttede promptmønstre

Skabelonen Dokumentoversigtsagent understøtter promptmønstre for én fil og flere filer.

  • Enkelt fil: Opsummer de vigtigste fremhævninger og lavlys for en gennemgang af ledelsen baseret på ProjectStatus.docx.

  • Flere filer: Opsummer projektrisici baseret på TeamA_Status.docx, TeamB_Status.docx og TeamC_Status.docx.

Skærmbillede, der viser understøttede promptmønstre, er enkelt fil og flere filer.

Hvorfor stille op?

Forskellige teams har brug for oversigter, der optimerer til forskellige resultater. Ledere vil måske have præcise beslutninger, juridiske teams vil måske have præcise risikofokuserede oversigter, og projektledere vil måske have handlingsorienterede opsummeringer. Justering hjælper agenten med at finde ud af, hvilke detaljer der betyder mest for dit scenarie, og anvende disse prioriteter konsekvent.

Du kan indstille agenter i to faser. Vælg den relevante fase baseret på dit scenarie:

  • Juster kontekst: Definer vedvarende mål, rubrikker og forventninger til opsummering uden modeltræning.
  • Juster model: Du kan forbedre relevansen og konsekvensen yderligere ved hjælp af din organisations data.

Tunable agents understøtter målbaserede evalueringer, så du kan måle succes ved hjælp af målepunkter, der er justeret i forhold til organisationens opsummeringsprioriteter i stedet for generiske kvalitetsscores.

Forudsætninger

Dokumentoversigt bruger en tilgang til oplæring baseret på mål og rubric. I modsætning til andre tuningopskrifter behøver du ikke at angive ideelle outputeksempler på forhånd.

Før du begynder kontekstjustering, skal du forberede følgende elementer:

  1. Ryd mål , der beskriver, hvordan en oversigt af høj kvalitet skal se ud.
  2. Kontekstinput , f.eks. formål, målgruppe, længde, tone og fokussektioner.
  3. Eksempelinputfiler , der repræsenterer de dokumenter, du vil opsummere.
  4. En proces til gennemgang og finjustering af spørgsmål og evalueringsmålepunkter.

Bemærk!

Denne opskrift bruger en begrundet finjustering. Under justeringen lærer modellen at finde årsagen til inputindhold ved at bruge dine mål, afklare spørgsmål, målepunkter for evaluering og repræsentative eksempler som rubrikker for kvalitet.

Kontekstjustering

Ved hjælp af kontekstjustering kan du angive standardfunktionsmåden for agenten, uanset kørselsprompten.

Definer mål og opgaver

Start med at definere dine opsummeringsmål. Disse mål beskriver agentens rolle, prioriteter og kvalitetsforventninger.

I følgende eksempel vises et mål:

  • Du er ekspert projektleder hos Contoso. Opret formålsbaserede, målgruppespecifikke oversigter for travle læsere, der interesserer sig for vigtige risici og afhjælpninger.

Du kan eventuelt inkludere retningslinjer til at fungere som rubrics, f.eks.:

  • Følg alle brugeranvisninger.
  • Hæd det angivne formål med oversigten.
  • Tilpas indhold til den angivne målgruppe.
  • Matcher den ønskede tone (f.eks. neutral eller juridisk).
  • Respekter omtrentlige længdekrav.
  • Medtag eller udelad sektioner som angivet.
  • Afspejler den fulde hensigt med brugerens instruktioner.

Vælg virksomhedskategorier

Angiv en eller flere virksomhedskategorier eller brancher (f.eks. Projektstyring, Juridisk eller HR). Disse kategorier hjælper systemet med bedre at fortolke dine mål og kontekst.

Upload eksempelinputfiler

Upload en eller flere filer, der repræsenterer typiske input for denne agent. Systemet bruger disse filer til at simulere evalueringer under justering. Du behøver ikke at angive eksempeloversigter i denne fase.

Gennemgå afklaring af spørgsmål

Systemet genererer afklaringsspørgsmål baseret på dine mål og input. Gennemse og rediger disse spørgsmål for at sikre, at de er i overensstemmelse med den opgave, du vil have agenten til at udføre.

Gennemse målepunkter

Gennemse de målepunkter, der bruges til at evaluere agentens ydeevne. Systemet genererer et benchmark ved hjælp af dine eksempelinput og estimerer outputkvaliteten.

Tilføj, fjern eller rediger målepunkter for bedre at afspejle dine succeskriterier i den virkelige verden.

Afslut kontekstjustering

Når evalueringerne er fuldført, modtager du en mailmeddelelse. Hvis målepunkterne opfylder dine forventninger, kan du publicere agenten eller fortsætte med modeljustering for at forbedre resultaterne yderligere.

Juster model

Tune Model er den mest avancerede tilpasningsindstilling for agentskabelonen Dokumentoversigt. Den finjusterer den underliggende model ved hjælp af din organisations data, så agenten bedre kan få mere at vide om, hvilke oplysninger der skal prioriteres, hvordan du tilpasser oversigter til din målgruppe og dit formål, og hvordan du anvender dine opsummerings rubrics mere ensartet på tværs af dokumenter.

Brug Tune Model, når:

  • Du har brug for en mere ensartet opsummeringskvalitet på tværs af komplekse dokumenter eller dokumenter med høj indsats.
  • Dit scenarie afhænger af en nuanceret prioritering, som Tune Context alene ikke på pålidelig vis opnår.
  • Du ønsker, at agenten skal lære af repræsentative oversigtsresultater af høj kvalitet for din organisation.
  • Du har tilstrækkelige oplæringsdata af høj kvalitet til dit scenarie.

Påkrævede data

Hvis du vil bruge Tune Model, skal du forberede en mappe, der indeholder mindst 20 eksempeloutputfiler i høj kvalitet, hver mindst én side lang, som repræsenterer ideelle oversigter for dit scenarie.

  • Vælg en mappe i stedet for individuelle filer.
  • Understøttede filtyper omfatter Word (.docx) og PDF (.pdf).
  • Hvis du bruger et større og mere repræsentativt datasæt, forbedres resultaterne af modeljustering typisk.
  • Brug eksempler, der afspejler de samme målgrupper, formål, toner og dokumenttyper, som du forventer på kørselstidspunktet.

Det kan en modeljusteret agent gøre

En modeljusteret agent kan:

  • Opret oversigter, der mere konsekvent afspejler organisationens prioriteter og rubrikker.
  • Gør relevansen bedre ved at lære, hvilke detaljer der betyder mest på tværs af repræsentative eksempler.
  • Tilpas bedre oversigter til almindelige kombinationer af målgrupper og formål, der bruges af dine teams.
  • Angiv en genanvendelig tilpasset opsummeringsoplevelse, som du kan dele på tværs af organisationen.

Brug Tune Model sammen med en dokumentoversigtsagent

Sådan bruger du Tune model med en dokumentoversigtsagent:

  1. Tune agent: Vælg Tune agent i den specialiserede agent til dokumentoversigt, som du oprettede ud fra skabelonen Dokumentoversigtsagent, og gå derefter til indstillingen Juster model .
  2. Angiv foretrukne output: Vælg en mappe, der indeholder mindst 20 ideelle oversigtsoutput af høj kvalitet, hver mindst én side lang, som repræsenterer den type opsummeringskvalitet, som agenten skal lære.
  3. Gennemse adgang: Vælg en eller flere Microsoft Entra sikkerhedsgrupper, eller begræns adgangen til dig selv, afhængigt af hvem der skal have tilladelse til at bruge den finjusterede agent.
  4. Begynd at finjustere: Følg vejledningen i produktet for at begynde at finjustere. Justeringsprocessen kører asynkront, mens du fortsætter med at bruge den eksisterende agent.
  5. Gennemse evalueringsmålepunkter, og beslut at publicere: Når finjusteringen er fuldført, skal du gennemse de opdaterede evalueringsmålepunkter, sammenligne resultaterne med den forrige fase og publicere den optimerede model, hvis resultaterne opfylder dine forventninger.

Bemærk!

Fuldfør Tune Context først, så dine mål, afklaring af spørgsmål og evalueringsmålepunkter allerede er defineret, før du starter modeljustering.

Brug en modeljusteret agent

Sådan bruger du en modeljusteret agent:

  • Chat med din indstillede agent, og angiv en eller flere understøttede inputfiler.
  • Du behøver ikke at angive de samme opsummeringsprioriteter i hver prompt, fordi den optimerede model allerede afspejler den funktionsmåde, der er lært under oplæringen.
  • Agenten kan stadig følge kørselsvejledningen, men dens standardfunktionsmåde er formet af de opsummeringsmønstre og evalueringsmål, der er oplært.
  • Du kan gennemse evalueringsresultater og publicere den optimerede model, når den er klar til bredere brug.

Begrænsninger for modeljusterede agenter

Modeljusterede agenter har følgende begrænsninger:

  • Du kan ikke vælge individuelle filer til modeljustering. angiv i stedet en mappe.
  • Modeloptimerede agenter afhænger af kvaliteten og repræsentativiteten af de eksempler, du angiver.
  • Det er kun Word- og PDF-filtyper, der understøttes.
  • Du bør gennemse evalueringsresultater, før du publicerer en tilpasset model til bred brug.

Evaluering af tunable agents

I hver indstillingsfase kan du evaluere agenten med brugerdefinerede kriterier baseret på organisationens forventninger til opsummeringskvaliteten.

  • Mål: Definer agentens opsummeringsopgave og prioriteter.
  • Eksempelfiler: Angiv repræsentative inputdokumenter til evaluering.
  • Afklarer spørgsmål: Gennemse og afgræns de genererede spørgsmål, der former evalueringsscenarier.
  • Målinger: Tilføj, fjern eller rediger de evalueringskriterier, der bruges til at måle kvaliteten.
  • Evalueringsresultater: Gennemse scorer og indsigter for at beslutte, om agenten er klar til at publicere eller har brug for mere afgrænsning.