M365Con 2027 – مؤتمر مجاني عبر الإنترنت · 11–22 Jan 2027 · 120 sessions m365con.net

المدونة · Mirko Peters

مطالبات Microsoft 365 Copilot: شرح Prompt Flow في Microsoft Copilot

By · · Updated

شرح موجِّهات Microsoft 365 Copilot: تعرّف على Prompt Flow! تعلّم كيف تصوغ موجّهات فعّالة لمساعدك الذكي في Microsoft 365.

Automatically translated with AI from the original post. Read the English original

غلاف: إيقاف وكلاء الذكاء الاصطناعي عن تعطيل حوكمة Microsoft 365

يُعد Microsoft Copilot Prompt Flow العمود الفقري لطريقة تقديم Copilot ردودًا ذكية ومدركة للسياق عن أسئلتك أو أوامرك اليومية. باختصار، يشير prompt flow إلى السلسلة المنظمة من إدخال المستخدم وتفسير الذكاء الاصطناعي والمخرجات والتغذية الراجعة، وهي السلسلة التي تُشغّل قدرات Copilot التفاعلية.

سيرشدك هذا الدليل إلى معنى prompt flow بالتحديد، وكيف يعمل خلف الكواليس، ولماذا يكتسب أهمية كبيرة للمختصين التقنيين ومستخدمي الأعمال على حد سواء. ستتعرّف بوضوح على كيفية تحويل prompt flow لتعليماتك إلى إجراءات فعلية، وكيف يعزز سير عملك ضمن منظومة Microsoft.

سواء كنت تبني أتمتة، أو تستخدم الذكاء الاصطناعي لتحليل البيانات، أو تبحث ببساطة عن مساعدة أذكى داخل Microsoft 365، فإن فهم prompt flow أمر أساسي. دعنا نفكك هذه العملية المعقدة إلى أجزاء بسيطة وقابلة للتطبيق، حتى تستفيد من Copilot إلى أقصى حد.

فهم أساسيات Microsoft Copilot

Microsoft Copilot مساعد يعمل بالذكاء الاصطناعي، وقد صُمّم لتبسيط المهام المعقدة وأتمتة العمليات اليومية داخل بيئة Microsoft. يقع في قلب Microsoft 365 وAzure وPower Platform والخدمات السحابية الجديدة، ويعمل بسلاسة داخل تطبيقات مثل Word وExcel وOutlook وTeams.

الغاية الأساسية من Copilot هي مساعدتك على إنجاز المزيد بجهد أقل. يحقق ذلك عبر تفسير موجّهاتك المكتوبة بلغة طبيعية وتحويلها إلى إجراءات أو تحليلات أو رؤى، دون الحاجة إلى البرمجة أو مهارات تقنية متخصصة. سواء كنت تصيغ تقريرًا، أو تلخّص سلسلة رسائل بريد إلكتروني، أو تؤتمت الموافقات متعددة الخطوات، فإن Copilot يتكيّف مع أهدافك.

يدمج Copilot قدرات الذكاء الاصطناعي مباشرة في أدوات Microsoft المألوفة. وبالنسبة للمؤسسات، يعني ذلك سير عمل أسرع وإنتاجية أعلى وتجربة مستخدم متسقة عبر الإدارات. ويساعد المستخدمين، من محللي الأعمال إلى متخصصي تقنية المعلومات، على إدارة المعلومات وتبسيط العمليات واستخراج رؤى مبنية على البيانات.

تكمن قيمة Copilot في نهاية المطاف في قدرته على فهم السياق، والتعلّم من احتياجاتك، ودعم كل شيء من المهام الروتينية إلى العمليات الأكثر تعقيدًا والمتخصصة. وتحدث السحر خلف الكواليس، حيث ينظّم prompt flow التبادل المستمر بين نيّتك وردود الذكاء الاصطناعي الديناميكية.

ما هو الموجّه في Microsoft Copilot؟

الموجّه في Microsoft Copilot هو ببساطة الإدخال أو السؤال الذي تقدّمه للذكاء الاصطناعي، كأن تكتب “أنشئ ملخصًا للمشروع استنادًا إلى هذه المستندات”، أو تقول “اعرض لي أحدث أرقام المبيعات”. تُوجّه الموجّهات Copilot من خلال التعبير عن نيّتك بلغة واضحة.

لطريقة صياغة الموجّه أثر كبير. يعتمد Copilot على كلماتك لتحديد هدفك وتقرير طريقة تنفيذه. فالموجّه الواضح والمحدد يسهّل على الذكاء الاصطناعي إنتاج نتائج دقيقة وذات صلة، في المقابل قد تؤدي الموجّهات الغامضة إلى مخرجات مربكة أو أقل فائدة. لذلك يُعد تصميم الموجّه بعناية أمرًا بالغ الأهمية للاستفادة القصوى من قدرات Copilot في الذكاء الاصطناعي.

كيف يمنح Prompt Flow Copilot ذكاءه

يتيح prompt flow لـCopilot تحويل أسئلتك المفتوحة أو تعليماتك إلى نتائج ذكية وقابلة للتنفيذ. فكّر فيه كحلقة ديناميكية: تقدّم موجّهًا إلى Copilot، فيمرّر طلبك عبر محرك الذكاء الاصطناعي الخاص به، ثم يقدّم رده، وغالبًا ما يطلب توضيحًا إضافيًا أو يتخذ إجراءً نيابةً عنك.

هذا التبادل المستمر، حيث تقود الموجّهات إلى المخرجات وتقود تغذيتك الراجعة إلى التحسينات، هو جوهر قدرة Copilot على البقاء مدركًا للسياق والاستجابة. فبدلًا من العمل في فراغ، يستخدم Copilot prompt flow لتتبع المحادثة، وتذكّر السياق المهم، وتعديل إجراءاته بناءً على المؤشرات المستمرة.

مع كل تفاعل، يستفيد Copilot من المعلومات السابقة، ويتكيّف مع التفاصيل الجديدة، ويحسّن فهمه لاحتياجاتك. هذا النهج التكراري يُبقي الذكاء الاصطناعي متصلًا بسير عملك، ويجعل كل نتيجة أقرب إلى العمل مع زميل خبير يدرك تمامًا ما تريده، وأبعد عن الإجابة الجاهزة.

المكوّنات الرئيسية لـCopilot Prompt Flow

يتكوّن prompt flow في Copilot في جوهره من عدة خطوات مترابطة تقود الذكاء الاصطناعي من استلام استفسارك حتى تقديم إجاباته وتحسينها. ولكل خطوة من هذه الخطوات دور متميز في تشكيل تجربة مستخدم سلسة وذكية.

أولاً، هناك الطريقة التي تعبّر بها عن مقصدك من خلال الإدخال، سواء كتبت أو تحدثت أو اخترت من بين الخيارات المتاحة. إن طريقة معالجة Copilot لهذا الإدخال، وإدارته للسياق، وتنسيقه لمهام الذكاء الاصطناعي الداخلية، هي ما يحدد جودة التدفق وموثوقيته. وبعد توليد المخرجات، يُكمل Copilot الدورة من خلال التعلّم من ملاحظاتك والتحسين المستمر لردوده المستقبلية.

تعمل هذه المكونات معاً: يهيّئ الإدخال المشهد، ويشكّل تنسيق الذكاء الاصطناعي التجربة، وتمنحك المخرجات قيمة، وتعلّم ملاحظاتك النظام أن يصبح أذكى يوماً بعد يوم. يُبرز هذا النظرة العامة أن تدفق المطالبات لا يقتصر على تقديم إجابات منفردة، بل يتعلق ببناء تفاعلات أكثر تكيفاً وفاعلية مع Copilot على مدى الزمن.

نية المستخدم والإدخال

تمثل نية المستخدم والإدخال نقطة البداية لكل شيء في تدفق المطالبات. ما تكتبه أو تقوله أو تختاره في Copilot هو ما يوصل أهدافك إلى الذكاء الاصطناعي. سواء كان الطلب بسيطاً مثل "أرسل دعوة إلى اجتماع غداً الساعة 10 صباحاً" أو أمراً أكثر تعقيداً يتضمن عدة نقاط بيانات، فإن الوضوح والسياق مهمان فعلاً.

يدعم Copilot أشكالاً متعددة من الإدخال، منها النص باللغة الطبيعية، والصوت، والبيانات الغنية، وحتى القوالب المنظمة. يستخدم النظام قدرات فهم اللغة المدمجة لتفسير رسالتك، فيكتشف "ما" تريده، وأحياناً "لماذا" تطرح سؤالك. وعندما يكون إدخالك واضحاً ومحدداً، يصبح Copilot أكثر قدرة على تقديم مخرجات دقيقة وقابلة للتنفيذ تتوافق مع نيتك.

تنسيق الذكاء الاصطناعي ومعالجة السياق

بمجرد أن يستلم Copilot مطالبتك، يلجأ إلى محرك تنسيق الذكاء الاصطناعي لفهم ما تريده. ويتضمن ذلك تمرير إدخالك عبر نماذج التعلم الآلي، وسحب السياق من التطبيق الحالي لديك، والتفاعلات الأخيرة، وأحياناً الرسائل الإلكترونية أو المستندات ذات الصلة.

تحافظ طبقة التنسيق على صلة المحادثة بالموضوع. فهي تقرر مهام الذكاء الاصطناعي التي يجب تشغيلها، وتدير الأسئلة اللاحقة، وتتتبع ما يهم أكثر في سير عملك. يضمن هذا التعامل مع السياق أن تكون الردود ليست "ذكية" فحسب، بل مدركة بعمق للتفاصيل المحيطة بمهمتك، ومتكيفة ديناميكياً مع تطور احتياجاتك.

توليد المخرجات والإجراءات

بعد معالجة إدخالك والسياق، يولّد Copilot المخرج أو الإجراء المناسب. قد يكون ذلك توصية نصية، أو مسودة جاهزة، أو خطوة آلية ضمن سير عمل أكبر، أو حتى ملخصاً مرئياً، وذلك بحسب المنصة (مثل Microsoft 365 أو Power Platform أو Azure).

مخرجات Copilot ليست مجرد إجابات، بل نتائج قابلة للتنفيذ يمكن استخدامها أو مشاركتها أو تحسينها أكثر. ويتكامل الذكاء الاصطناعي بشكل أصيل مع أدوات Microsoft لتقديم هذه المخرجات في المكان الذي تحتاجه تماماً، محوّلاً مطالباتك إلى تقدم ملموس في مهامك.

الملاحظات والتحسين التكراري

تُعدّ الملاحظات المحرّك الذي يدفع التحسين في تدفق المطالبات لدى Copilot. عندما تؤكد رداً من Copilot أو تصححه أو توسّعه، فإنك تساعد النظام على تعلّم ما ينجح وما لا ينجح. تتيح حلقة الملاحظات هذه لـ Copilot التكيف والتحسن وتقديم نتائج أكثر تخصيصاً كلما واصلت استخدامه.

مع كل دورة تكرارية، سواء كنت تقبل اقتراحات، أو تقدم توضيحات، أو تبلغ عن عدم تطابق، يبني Copilot فهماً أعمق لتفضيلاتك وسياق مؤسستك. وكلما زادت الملاحظات المقدمة، أصبح Copilot أفضل في توقع احتياجاتك وتلبيتها، مع تقليل الأخطاء المتكررة وسوء الفهم.

تدفق المطالبات في Power Platform وAzure Machine Learning

لا يقتصر تدفق المطالبات على تفاعلات Copilot القائمة على المحادثة، بل هو أيضاً محوري في طريقة أتمتة Power Platform وAzure Machine Learning لعمليات الأعمال وتدريب النماذج. ففي Power Platform، تحوّل تدفقات المطالبات مدخلاتك منخفضة الشيفرة أو عديمة الشيفرة إلى أتمتة خطوة بخطوة. على سبيل المثال، قد تُعدّ تدفق Power Automate تحدد فيه مطالبتك الرسائل الإلكترونية التي تُطلق ردوداً تلقائية، أو توليد المستندات، أو سير عمل الموافقات.

في Azure Machine Learning، يساعد تدفق المطالبات علماء البيانات والمطورين على صياغة مطالبات أغنى للنماذج اللغوية الكبيرة، وتدريبها بمدخلات من العالم الحقيقي، والتكرار على المخرجات لمهام مثل تلخيص المستندات واستخراج البيانات وتحليل المشاعر. يتيح تدفق المطالبات إعادة استخدام السياق، وربط استدعاءات النماذج ببعضها، وجمع الملاحظات، وهي أمور أساسية لضبط نماذج الذكاء الاصطناعي بكفاءة.

تستخدم هذه المنصات prompt flow لتبسيط المهام المملة أو المتكررة، وتحويل المهام اليدوية إلى نتائج آلية موثوقة. سواء كنت تُنشئ لوحات معلومات، أو تعالج الطلبات، أو تبني نماذج تنبؤية، فإن prompt flow يربط نية المستخدم بالذكاء الاصطناعي القوي والقابل للتكيف الذي يعمل في الخلفية.

مقارنة بين Prompt Flow في Copilot Studio وPower Automate

على الرغم من أن كلًا من Copilot Studio وPower Automate يعتمدان بشكل كبير على prompt flow، فإنهما يتعاملان معه بطرق تخدم احتياجات أعمال مختلفة. يُصمَّم Copilot Studio لبناء روبوتات محادثة مدعومة بالذكاء الاصطناعي، قادرة على التعامل مع سلسلة من المطالبات والردود، مما يوفر تجربة مستخدم تفاعلية ومرنة للغاية. يدور prompt flow في Copilot Studio حول تسلسل الحوار، وإدارة السياق، والسماح بالتوضيحات الديناميكية أو المحادثات متعددة المسارات.

أما Power Automate، فيستخدم prompt flow لتشغيل خطوات الأتمتة وترتيبها استنادًا إلى المدخلات والشروط التي يحددها المستخدمون. ورغم أن التركيز على السياق الحواري أقل، فإن Power Automate يتفوق في تنسيق سير العمل المنظم، مثل توجيه البيانات، والإشعارات، أو الموافقات متعددة الخطوات، المدفوعة بالمطالبات والمنطق الشرطي.

في كلتا الأداتين، تتوفر آليات التغذية الراجعة والتكرار بشكل مدمج، لكن Copilot Studio يركز على التعلم التكيفي داخل الحوارات، بينما يركز Power Automate على تنفيذ العمليات بموثوقية وقابلية للتكرار. ومعرفة هذه الفروق تساعد المؤسسات على اختيار المنصة المناسبة، سواء لتجارب محادثة ذكية شبيهة بالروبوتات أو لأتمتة قوية لسير العمل.

بناء مطالبات فعّالة للحصول على أفضل النتائج

  1. كن واضحًا ومحددًا: تساعد المطالبات المباشرة والواضحة Copilot على فهم ما تريده بالضبط. تجنب العبارات الغامضة. فبدلًا من «أنشئ تقريرًا»، جرّب «لخّص مبيعات الربع الثاني من ورقة Excel هذه في فقرة واحدة».
  2. حدد الهدف: اذكر النتيجة المتوقعة منذ البداية. امنح Copilot هدفًا واضحًا، مثل «أنشئ ثلاثة عناوين بريد إلكتروني لحملة التواصل مع العملاء».
  3. قدّم التفاصيل ذات الصلة: للسياق أهمية. أدرج التواريخ، وأسماء الملفات، أو غيرها من التفاصيل المحددة، مثل «أضف جميع أعضاء الفريق إلى دعوة التقويم ليوم الجمعة الساعة 9 صباحًا».
  4. استخدم لغة بسيطة: اكتب بأسلوب طبيعي، لكن التزم بالمصطلحات التي يستطيع Copilot تفسيرها بسهولة. التعليمات البسيطة والحوارية تكون عادةً أفضل من المصطلحات المعقدة أو التقنية المفرطة.
  5. قدّم أمثلة عند الحاجة: في المهام الصعبة، أرِ Copilot ما تريده. على سبيل المثال، «نسّق الملخص على هذا النحو: نقاط مختصرة للنتائج، وفقرة ختامية للتوصيات».
  6. راجع وعدّل: إذا لم يُصِب Copilot الهدف من المحاولة الأولى، فعدّل مطالبتك. غيّر الصياغة أو أضف تفاصيل أكثر للحصول على ردود أدق.
  7. تجنب تحميل مطالبة واحدة فوق طاقتها: قسّم المهام الكبيرة. فبدلًا من مطالبة ضخمة، استخدم عدة تعليمات واضحة يستطيع Copilot تنفيذها خطوة بخطوة.

حالات الاستخدام الشائعة للاستفادة من Copilot Prompt Flow

  • صياغة المستندات والرسائل الإلكترونية: يحوّل Copilot المطالبات البسيطة إلى تقارير ومقترحات ومراسلات مفصلة في Word أو Outlook أو Teams، مما يوفر ساعات من الكتابة الروتينية.
  • أتمتة الموافقات: يمكن لـ prompt flow تشغيل سلاسل موافقات متعددة الخطوات والإشعارات عبر Power Platform، مما يساعدك على تسريع اتخاذ القرارات بأقل جهد يدوي.
  • إنشاء التحليلات ولوحات المعلومات: يستخدم Copilot المطالبات لسحب البيانات المناسبة في Excel أو Power BI أو Azure، ويُنشئ فورًا المخططات والملخصات أو مؤشرات الأداء.
  • معالجة طلبات الدعم: من تذاكر تقنية المعلومات في Teams إلى أتمتة مكتب الخدمة في Power Automate، يبسّط prompt flow إنشاء الحالات وتوجيهها وتحديثها.
  • تعزيز الأمان والامتثال: يساعد Copilot على تطبيق النهج أو الإبلاغ عن المشكلات عبر ترجمة استفسارات المستخدمين إلى عمليات تدقيق، أو فحوص للحساسية، أو سير عمل للامتثال عبر Microsoft 365.

الأمان والحوكمة في تدفقات Copilot Prompt Flow

مع تزايد تغلغل Copilot وغيره من وكلاء الذكاء الاصطناعي في منصات المؤسسات، يصبح الحفاظ على أمان تدفقات prompt flow وحوكمتها أمرًا بالغ الأهمية. فالمرونة وسرعة الأتمتة المدفوعة بالذكاء الاصطناعي تُدخل مخاطر جديدة، مثل تسرب البيانات، والإجراءات غير المصرّح بها، وفجوات الامتثال، وهي مخاطر تتطلب رقابة قوية.

يضمن الحوكمة الجيدة لتدفقات مطالبات Copilot حماية المؤسسة والمستخدم النهائي معاً. فهي تحول دون إساءة التعامل مع البيانات الحساسة، وتقيّد الوصول بالشكل المناسب، وتمنع مخرجات الذكاء الاصطناعي من إحداث مشكلات أمنية أو مرتبطة بالخصوصية. وعلى مستوى عام، يعني ذلك وضع سياسات استخدام واضحة، والمراقبة المستمرة، وآليات إنفاذ تتعامل مع التهديدات الناشئة.

تستعرض الأقسام التالية بمزيد من التفصيل تحديات الحوكمة المحتملة المرتبطة بتدفقات مطالبات الذكاء الاصطناعي، ثم أفضل الممارسات المثبتة التي يمكن لمؤسستك اعتمادها لتعزيز أمن تدفقات المطالبات والامتثال، حتى تتمكن من تبني الأتمتة القوية دون قلق.

تفسير تدفق مطالبات Microsoft Copilot: 7 حقائق مفاجئة

إليكم سبع حقائق مفاجئة حول تدفق مطالبات Microsoft Copilot لا يتوقعها كثير من المستخدمين والمطورين.

  1. التنسيق المرئي للمطالبات: لا يقتصر Prompt Flow على كونه محرر نصوص، بل يوفر لوحة مرئية لربط المطالبات وتفريعها وتصحيح أخطائها، فيعامل هندسة المطالبات كسير عمل منخفض الشيفرة، ليتمكن غير الخبراء من تجربة التفاعلات متعددة الخطوات.
  2. تبديل النماذج المدمج: يمكنك توجيه أجزاء من التدفق إلى نماذج مختلفة أو مزودي نماذج مختلفين ضمن خط المعالجة نفسه، مما يتيح استراتيجيات هجينة (مثلاً: نموذج سريع واقتصادي للمعالجة الأولية، ونموذج أعلى جودة للمخرجات النهائية) دون الحاجة إلى شيفرة تكامل مخصصة.
  3. مطالبات واعية بالبيانات عبر الموصلات: يدعم Prompt Flow موصلات تربطه بمصادر البيانات وخدمات Azure، بحيث يمكن للمطالبات أن تتضمن بيانات حية وتضميناً وجلب نتائج البحث مباشرة، لا أن تقتصر على نص مطالبة ثابت.
  4. إمكانية المراقبة وتتبع المصدر: تلتقط المنصة المدخلات والاستجابات الوسيطة والمخرجات، وتوفر تتبعاً شاملاً من البداية إلى النهاية ومقاييس تجعل من الممكن التدقيق في إصدارات المطالبات ومراقبتها ومقارنتها عبر الزمن.
  5. مكونات معلمّة وقابلة لإعادة الاستخدام: تتيح لك التدفقات تعريف مكونات مطالبات قابلة لإعادة الاستخدام ومعلمّة (قوالب، وضوابط حماية، ومدققات صحة) تقلل التكرار وتحسن الحوكمة عبر الفرق.
  6. دمج الأمان وضوابط الحماية: يمكن لـ Prompt Flow دمج فحوصات الأمان والمرشحات في عدة مراحل (قبل النموذج وبعده)، مما يتيح إنفاذ النهج، وإدارة المحتوى، وفحوصات الانحياز كجزء من التدفق بدلاً من أن تكون فكرة لاحقة.
  7. قابل للتصدير وجاهز للإنتاج: صُمم للعمل ضمن دورة حياة الإنتاج، إذ يمكن تصدير التدفقات كأدوات قابلة للنشر أو ربطها بخطوط CI/CD وخطوط نشر Azure، مما يبسط الانتقال من مرحلة التجريب إلى الإنتاج.

تحديات الحوكمة المحتملة مع وكلاء الذكاء الاصطناعي

  • الأتمتة غير المصرح بها: دون إشراف صارم، قد يُطلق وكلاء الذكاء الاصطناعي إجراءات أو يصلون إلى بيانات تتجاوز دور المستخدم، مما يعرّض المؤسسة لمخاطر تكنولوجيا الظل وإخفاقات الامتثال. لمناقشة أعمق، راجع كيف يمكن لوكلاء الذكاء الاصطناعي أن يتجاوزوا الحوكمة.
  • إساءة استخدام البيانات وتعرضها: قد تصل تدفقات المطالبات سيئة الحوكمة إلى بيانات سرية أو توزعها دون قصد، خاصة في غياب منع فقدان البيانات (DLP) الفعّال أو التدقيق.
  • هجمات حقن المطالبات: يمكن للمدخلات الخبيثة أن تتلاعب بوكلاء الذكاء الاصطناعي، فتدفعهم إلى تنفيذ إجراءات غير متوقعة أو ضارة إذا كان التحقق من المدخلات غير كافٍ.
  • أذونات مُعدّة بشكل خاطئ: إن منح أذونات واسعة أو غير صحيحة، مثل تلك التي نوقشت في وهم الحوكمة في Microsoft 365، قد يخلق مخاطر خفية، لأن الضوابط الأصلية وحدها لا تضمن الإشراف الصحيح.

تظل المراقبة المستمرة والسياسات القابلة للإنفاذ ضرورية للحفاظ على السيطرة والرؤية مع تنامي الأتمتة وتبني الذكاء الاصطناعي.

أفضل الممارسات لتأمين تدفقات المطالبات

  • فرض مبدأ أقل الامتيازات: قيّد أذونات Copilot ووكلاء الذكاء الاصطناعي الآخرين باستخدام ضوابط دقيقة ومراجعات دورية، كما هو موضح في هذا الدليل حول تأمين Copilot باستخدام أذونات Microsoft Graph.
  • تطبيق مسارات تدقيق قوية: تتبّع إجراءات تدفقات المطالبات وراجعها باستخدام أدوات مثل Microsoft Purview وSentinel لاكتشاف انتهاكات السياسات أو تسرب البيانات بسرعة.
  • توسيع أدوات التحكم في البيانات وأتمتتها: ادمج قواعد DLP والتسميات التلقائية وبيانات الحساسية الوصفية عبر جميع مخرجات الذكاء الاصطناعي، مع التوصيات الواردة في قائمة التحقق هذه لحوكمة Copilot.
  • تثقيف المستخدمين والمسؤولين: وفّر تدريباً عملياً يتيح للجميع فهم مخاطر المطالبات الضعيفة، والأتمتة غير المتوقعة، ومشاركة البيانات داخل الأنظمة المعتمدة على المطالبات.
  • اعتماد إطار عمل للحوكمة: صمّم نهجاً قابلاً للتطبيق والإنفاذ، وحدّد ملكية البيانات والأدوار، وأنشئ عمليات مراجعة تشمل فرق الشؤون القانونية والأمن والتقنية، لضمان استخدام مستدام ومتوافق لـ Copilot.

مستقبل التطورات والاتجاهات في Copilot Prompt Flow

يتطور Copilot Prompt Flow بسرعة، ومن المؤكد أن دعم تعدد اللغات يتصدر قائمة الأولويات. تتوقع Gartner أنه بحلول عام 2026 سيدعم 70% من تقنيات الذكاء الاصطناعي التحادثي عدة لغات، مما يجعل تقنيات Copilot أكثر شمولاً عبر المؤسسات العالمية. وسيحقق الفرق حول العالم قيمة حقيقية عندما يفهم الذكاء الاصطناعي لديها العامية المحلية والمصطلحات المهنية منذ البداية.

يمثل التعلم السياقي المتقدم تطوراً آخر مهماً. تعمل Microsoft على بناء تكاملات مع منظومة الذكاء الاصطناعي الأوسع، عبر ربط أدوات من Azure وPower Platform. ويتوقع الخبراء أن تتيح الروابط الأوثق لـ Copilot الاستفادة من المعرفة المؤسسية، لا من البيانات العامة فقط. ويعني ذلك إجابات أدق، وسير عمل أسرع، وذكاءً اصطناعياً يفهم فعلاً طريقة عمل مؤسستك.

الأسئلة المتداولة: استخدام copilot لتدفق الدردشة وتدفق البيانات

ما هو Microsoft Copilot Prompt Flow، وما علاقته بـ Microsoft 365 Copilot؟

Prompt Flow أداة تطوير وسير عمل لتصميم المطالبات والتدفقات واختبارها وتكرارها، وهي تتفاعل مع نماذج اللغة الكبيرة (LLMs) وتجارب Microsoft 365 Copilot. تتيح لك إنشاء تدفق باستخدام المطالبات وربط العقد والخدمات معاً، ليكون Prompt Flow أصلاً تطويرياً يمكن دمجه في تطبيقات Microsoft 365 وMicrosoft Teams وغيرها من خدمات Microsoft 365.

كيف أنشئ تدفقاً باستخدام Copilot أو بوصف ما أريده؟

يمكنك إنشاء تدفق بوصف السلوك المطلوب لـ Copilot، أو بتركيب العقد يدوياً في محرر Prompt Flow. استخدم Copilot لإنشاء تدفق عبر تقديم مطالبة أو مثال أولي، ثم حسّن التدفق الناتج، وعدّل اسم التدفق، واختبر تدفق الدردشة وتنفيذ التدفق باستخدام "flow input 1" و"flow input 2" كمدخلات نموذجية.

ما المكونات الرئيسية للتدفق في Prompt Flow (العقد والمدخلات والمخرجات)؟

يتضمن التدفق عادةً عقداً، تمثل كل منها خطوة مثل إرسال مطالبة إلى نموذج اللغة الكبير أو البحث عن البيانات أو التقييم، إلى جانب قيم "flow input 1" و"flow input 2"، ونتائج "flow output 1" و"flow output 2". ويحدد التدفق بأكمله تنفيذ التدفق، حيث تعالج كل عقدة مدخلاتها وتمرر مخرجاتها إلى العقدة التالية، مما يتيح سيناريوهات معقدة لتدفق البيانات وتدفق الدردشة.

كيف أختبر التدفق وأنفّذه؟ وماذا يتضمن "اختبار تدفق الدردشة"؟

لاختبار تدفق الدردشة، قدّم مدخلات لاختبار التدفق، ثم شغّل تنفيذ التدفق، وراقب مخرجات العقد الوسيطة والمخرج النهائي للتدفق. يمكنك الرجوع إلى مدخلات التدفق في كل عقدة، ومراجعة التدفق ككل، والتكرار بتعديل المطالبات أو العقد حتى يعمل التدفق كما هو متوقع.

هل يمكن دمج Prompt Flow مع Azure Machine Learning Studio أو مع تدفقات سحابية أخرى؟

نعم. يمكن لـ Prompt Flow التفاعل مع التدفقات السحابية وAzure Machine Learning Studio لاستدعاء النماذج أو نقاط الخدمة للتسجيل والنماذج أو مسارات البيانات. ويمكنك إنشاء تكاملات مع التدفقات السحابية تمرر البيانات إلى خدمات خارجية، مما يتيح سيناريوهات تدفق بيانات هجينة، والاستفادة من Azure Machine Learning Studio في تقييم النماذج المخصصة ونشرها.

كيف يتعامل Prompt Flow مع التحديثات الأمنية، وحدود البيانات، والمخاوف المتعلقة بحدود خدمة Microsoft 365؟

يتبع Prompt Flow إرشادات Microsoft الأمنية، ويحترم حدود خدمة Microsoft 365 عند دمجه مع خدمات Microsoft 365. ينبغي للمسؤولين مراجعة التحديثات الأمنية وإعدادات الحوكمة وسياسات معالجة البيانات، للتأكد من أن البيانات التي يعالجها Copilot متوافقة مع المتطلبات. استخدم أدوات التحكم على مستوى المستأجر، واتبع مصادر Microsoft Learn للإعداد الآمن.

ما دورة التطوير الموصى بها لتطبيقات الذكاء الاصطناعي باستخدام Prompt Flow وبنية Copilot؟

تشمل دورة التطوير تصميم التدفق (فالتدفق أداة تطوير)، وتطوير متغيرات الموجّه (prompt)، واختبارها بمدخلات تدفق حقيقية، وتقييم المخرجات (تدفق التقييم)، ونشر التدفق إلى Microsoft 365 Copilot أو copilot chat، ومراقبة الأداء، وتطبيق تحديثات الأمان. تستفيد هذه الدورة من بنية Copilot، وتعتمد على النماذج اللغوية الكبيرة لإجراء تحسينات متكررة.

أين يمكنني العثور على مصادر إضافية، ودعم تقني، وإرشادات من Microsoft Learn؟

يقدّم Microsoft Learn برامج تعليمية ووحدات تدريبية حول prompt flow في Microsoft Foundry وتدفقات Microsoft Foundry portal. للحصول على الدعم التقني والمصادر الإضافية، راجِع وثائق Microsoft، ومنتديات المجتمع، وقنوات الدعم الرسمية للحصول على المساعدة في إنشاء التدفقات، واستكشاف أخطاء تشغيل التدفق وإصلاحها، والتكامل مع خدمات Microsoft 365.

كيف أقيّم التدفق وأصحّح أخطاءه؟ وكيف تبدو معلومات نظرة عامة مفصّلة على التدفق؟

استخدم نظرة عامة على التدفق لعرض معلومات مفصّلة تشمل سجلات كل عقدة، ولقطات لمدخلات التدفق ومخرجاته، وتتبعات التنفيذ. يتضمن تصحيح الأخطاء فحص الموجّه المرسل إلى النموذج اللغوي الكبير في كل عقدة، والتحقق من المخرجات الوسيطة، وتعديل موجّه الإدخال أو معلمات العقدة، ثم إعادة تشغيل التدفق للتحقق من الإصلاحات.

هل يمكنني استخدام Prompt Flow لإنشاء تجارب محادثة في Microsoft Teams وتطبيقات Microsoft 365 الأخرى؟

نعم. يمكنك تطوير prompt flow وتضمين التدفقات في Microsoft Teams أو تطبيقات Microsoft 365 الأخرى، مما يتيح استجابات Copilot وتجارب تدفق المحادثة. اضبط الحدث الذي يبدأ التدفق (مثل رسالة أو زر)، واربط مخرج التدفق 1 ومخرج التدفق 2 بالردود التي يراها المستخدم، واختبر تشغيل التدفق ضمن سياق التطبيق المستهدف للتأكد من السلوك الصحيح.

Entities in this article

مواضيع هذا المقال:

Power Automate – أداة منخفضة التعليمات البرمجية من Microsoft Microsoft 365 Copilot – مساعد ذكاء اصطناعي من Microsoft Prompt – مفهوم Power Platform – أداة منخفضة التعليمات البرمجية من Microsoft Copilot Studio – أداة منخفضة التعليمات البرمجية من Microsoft Microsoft Azure – منصة سحابية من Microsoft Microsoft Excel – أداة تحليلات وذكاء أعمال من Microsoft Microsoft Teams – أداة تعاون من Microsoft Azure Machine Learning – جزء من Microsoft Azure Microsoft Outlook – أداة تعاون من Microsoft

Related articles

مقالات أخرى عن Power Automate:

RSS