Prompt Microsoft 365 Copilot: Penjelasan Microsoft Copilot Prompt Flow

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

Microsoft 365 Copilot Prompts explained: Kuasai prompt flow! Pelajari cara menyusun prompt yang efektif untuk asisten AI Anda di Microsoft 365.

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

Microsoft Copilot Prompt Flow adalah tulang punggung cara Copilot memberikan respons cerdas dan sadar konteks atas pertanyaan atau perintah harian Anda. Singkatnya, prompt flow merujuk pada rangkaian terstruktur dari input pengguna, interpretasi AI, output, dan umpan balik yang mendorong kemampuan interaktif Copilot.

Panduan ini akan membahas secara rinci apa arti prompt flow, cara kerjanya di balik layar, dan mengapa hal ini penting bagi pengguna teknis maupun pengguna bisnis. Anda akan memahami dengan jelas bagaimana prompt flow mengubah instruksi Anda menjadi tindakan nyata, sehingga alur kerja Anda di ekosistem Microsoft menjadi lebih bertenaga.

Baik Anda membangun otomatisasi, menggunakan AI untuk menganalisis data, maupun sekadar ingin bantuan yang lebih cerdas di Microsoft 365, memahami prompt flow adalah kunci. Mari kita uraikan proses yang kompleks ini menjadi bagian-bagian sederhana dan dapat langsung diterapkan agar Anda bisa memaksimalkan manfaat Copilot.

Memahami Dasar-Dasar Microsoft Copilot

Microsoft Copilot adalah asisten bertenaga AI yang dirancang untuk menyederhanakan tugas-tugas kompleks dan mengotomatisasi proses harian dalam lingkungan Microsoft. Copilot berada di inti Microsoft 365, Azure, Power Platform, dan layanan cloud terbaru, bekerja dengan mulus di aplikasi seperti Word, Excel, Outlook, dan Teams.

Tujuan utama Copilot adalah membantu Anda melakukan lebih banyak hal dengan usaha lebih sedikit. Caranya, Copilot menafsirkan prompt bahasa alami Anda dan mengubahnya menjadi tindakan, analisis, atau wawasan, tanpa perlu coding atau keterampilan teknis khusus. Baik Anda sedang menyusun laporan, merangkum rangkaian email, maupun mengotomatisasi persetujuan multi-langkah, Copilot menyesuaikan diri dengan tujuan Anda.

Copilot mengintegrasikan kemampuan AI langsung ke dalam alat Microsoft yang sudah familiar. Bagi organisasi, hal ini berarti alur kerja yang lebih cepat, produktivitas yang lebih baik, dan pengalaman pengguna yang konsisten di seluruh departemen. Copilot membantu pengguna, mulai dari analis bisnis hingga IT pro, untuk mengelola informasi, menyederhanakan operasi, dan menghadirkan wawasan berbasis data.

Pada akhirnya, nilai Copilot terletak pada kemampuannya memahami konteks, belajar dari kebutuhan Anda, dan mendukung segala hal mulai dari tugas rutin hingga proses khusus yang lebih kompleks. Keajaibannya terjadi di balik layar, tempat prompt flow mengatur interaksi dua arah antara maksud Anda dan respons dinamis dari AI.

Apa Itu Prompt di Microsoft Copilot?

Prompt di Microsoft Copilot adalah input atau pertanyaan yang Anda berikan kepada AI, misalnya dengan mengetik, "Buat ringkasan proyek berdasarkan dokumen-dokumen ini," atau mengucapkan, "Tampilkan angka penjualan terbaru." Prompt mengarahkan Copilot dengan menyampaikan maksud Anda dalam bahasa sehari-hari.

Cara Anda menyusun prompt berpengaruh besar. Copilot mengandalkan kata-kata Anda untuk memahami tujuan dan menentukan cara bertindak. Prompt yang jelas dan spesifik memudahkan AI menghasilkan hasil yang akurat dan relevan. Sebaliknya, prompt yang samar dapat menghasilkan keluaran yang membingungkan atau kurang berguna. Perancangan prompt yang matang sangat penting untuk memperoleh nilai maksimal dari kemampuan AI Copilot.

Bagaimana Prompt Flow Menggerakkan Kecerdasan Copilot

Prompt flow adalah mekanisme yang memungkinkan Copilot mengubah pertanyaan atau instruksi terbuka Anda menjadi hasil yang cerdas dan dapat langsung ditindaklanjuti. Anggap saja sebagai lingkaran dinamis: Anda memberikan prompt kepada Copilot, Copilot memproses permintaan Anda melalui mesin AI-nya, lalu menyampaikan respons, sering kali sambil meminta klarifikasi lebih lanjut atau mengambil tindakan atas nama Anda.

Interaksi dua arah ini, ketika prompt menghasilkan output dan umpan balik Anda menghasilkan penyempurnaan, menjadi inti dari cara Copilot tetap sadar konteks dan responsif. Alih-alih beroperasi dalam ruang hampa, Copilot menggunakan prompt flow untuk melacak percakapan, mengingat konteks penting, dan menyesuaikan tindakannya berdasarkan petunjuk yang terus berkembang.

Pada setiap interaksi, Copilot memanfaatkan informasi sebelumnya, menyesuaikan diri dengan detail baru, dan memperbaiki pemahamannya tentang kebutuhan Anda. Pendekatan iteratif ini menjaga AI tetap selaras dengan alur kerja Anda, sehingga setiap hasil terasa tidak seperti jawaban baku, melainkan seperti bekerja bersama rekan yang benar-benar memahami apa yang Anda inginkan.

Komponen Utama Prompt Flow Copilot

Pada intinya, prompt flow Copilot terdiri dari beberapa langkah yang saling terkait, yang memandu AI mulai dari menerima kueri Anda hingga menyampaikan dan menyempurnakan jawabannya. Setiap langkah ini memiliki peran tersendiri dalam membentuk pengalaman pengguna yang mulus dan cerdas.

Pertama, ada cara Anda menyampaikan maksud melalui input, baik dengan mengetik, berbicara, maupun memilih dari opsi yang tersedia. Cara Copilot memproses input tersebut, mengelola konteks, dan mengatur tugas-tugas AI internalnya menentukan kualitas dan keandalan alur kerja. Setelah menghasilkan output, Copilot menutup siklus dengan belajar dari umpan balik Anda dan terus menyempurnakan respons berikutnya.

Semua bagian ini saling bekerja sama: input menyiapkan panggung, orkestrasi AI membentuk pengalaman, hasilnya memberi nilai bagi Anda, dan umpan balik Anda membuat sistem semakin cerdas dari hari ke hari. Ikhtisar ini menunjukkan bahwa prompt flow bukan sekadar menghasilkan satu jawaban, melainkan membangun interaksi dengan Copilot yang semakin adaptif dan efektif seiring waktu.

Maksud Pengguna dan Input

Maksud dan input pengguna adalah titik awal dari segala sesuatu dalam prompt flow. Apa yang Anda ketik, ucapkan, atau pilih di Copilot menyampaikan tujuan Anda kepada AI. Baik berupa permintaan sederhana seperti “Kirim undangan rapat untuk besok pukul 10 pagi” maupun perintah yang lebih kompleks dengan banyak titik data, kejelasan dan konteks sangat penting.

Copilot mendukung berbagai bentuk input, termasuk teks bahasa alami, suara, data kaya, bahkan templat terstruktur. Sistem memanfaatkan pemahaman bahasa bawaan untuk menafsirkan pesan Anda, dengan mendeteksi “apa” dan terkadang “mengapa” di balik kueri Anda. Ketika input Anda jelas dan spesifik, Copilot jauh lebih mungkin menghasilkan output yang akurat dan dapat ditindaklanjuti sesuai dengan maksud Anda.

Orkestrasi AI dan Penanganan Konteks

Setelah Copilot menerima prompt Anda, Copilot mengandalkan mesin orkestrasi AI-nya untuk memahami apa yang Anda inginkan. Proses ini mencakup pemrosesan input Anda melalui model machine learning, pengambilan konteks dari aplikasi yang sedang Anda gunakan, interaksi terkini, dan terkadang bahkan email atau dokumen terkait.

Lapisan orkestrasi menjaga percakapan tetap relevan. Lapisan ini memutuskan tugas AI mana yang perlu dipicu, mengelola pertanyaan lanjutan, dan melacak hal-hal yang paling penting bagi alur kerja Anda. Penanganan konteks ini memastikan respons tidak hanya “pintar”, tetapi juga benar-benar memahami detail seputar tugas Anda, serta menyesuaikan diri secara dinamis seiring berkembangnya kebutuhan Anda.

Pembuatan Output dan Tindakan

Setelah memproses input dan konteks Anda, Copilot menghasilkan output atau tindakan yang sesuai. Hasilnya bisa berupa rekomendasi berbasis teks, draf siap pakai, langkah otomatis dalam alur kerja yang lebih besar, atau bahkan ringkasan visual, bergantung pada platformnya (seperti Microsoft 365, Power Platform, atau Azure).

Output Copilot bukan sekadar jawaban. Output tersebut merupakan hasil yang dapat ditindaklanjuti, yang dapat digunakan, dibagikan, atau disempurnakan lebih lanjut. AI terintegrasi secara native dengan alat-alat Microsoft untuk menyajikan output ini tepat di tempat Anda membutuhkannya, sehingga prompt Anda berubah menjadi kemajuan nyata pada tugas-tugas Anda.

Umpan Balik dan Penyempurnaan Berulang

Umpan balik adalah mesin yang mendorong peningkatan dalam prompt flow Copilot. Ketika Anda mengonfirmasi, mengoreksi, atau memperluas respons Copilot, Anda membantu sistem mempelajari apa yang berhasil dan apa yang tidak. Lingkaran umpan balik ini memungkinkan Copilot untuk beradaptasi, semakin cerdas, dan memberikan hasil yang lebih sesuai seiring Anda terus menggunakannya.

Pada setiap siklus iteratif, baik saat Anda menerima saran, memberikan klarifikasi, atau menandai ketidaksesuaian, Copilot membangun pemahaman yang lebih dalam tentang preferensi dan konteks organisasi Anda. Semakin banyak umpan balik yang diberikan, semakin baik Copilot dalam memprediksi dan memenuhi kebutuhan Anda, sekaligus mengurangi kesalahan atau kesalahpahaman yang berulang.

Prompt Flow di Power Platform dan Azure Machine Learning

Prompt flow tidak hanya untuk interaksi Copilot berbasis chat; prompt flow juga menjadi pusat cara Power Platform dan Azure Machine Learning mengotomatiskan proses bisnis dan pelatihan model. Di Power Platform, prompt flow menerjemahkan input low-code atau no-code Anda menjadi otomasi langkah demi langkah. Sebagai contoh, Anda dapat menyiapkan alur Power Automate di mana prompt Anda menentukan email mana yang memicu balasan otomatis, pembuatan dokumen, atau alur persetujuan.

Di Azure Machine Learning, prompt flow membantu data scientist dan developer menyusun prompt yang lebih kaya untuk large language model, melatihnya dengan input dunia nyata, dan mengulangi penyempurnaan output untuk tugas seperti peringkasan dokumen, ekstraksi data, atau analisis sentimen. Prompt flow memungkinkan penggunaan ulang konteks, perangkaian pemanggilan model, dan pengumpulan umpan balik, yang semuanya penting untuk menyempurnakan model AI secara efisien.

Platform-platform ini memakai prompt flow untuk menyederhanakan pekerjaan yang membosankan atau berulang, mengubah tugas manual menjadi hasil otomatis yang andal. Baik Anda membuat dasbor, memproses permintaan, maupun membangun model prediksi, prompt flow menjembatani maksud pengguna dengan kecerdasan mesin yang kuat dan adaptif di balik layar.

Membandingkan Prompt Flow: Copilot Studio vs. Power Automate

Meskipun Copilot Studio dan Power Automate sama-sama banyak memanfaatkan prompt flow, keduanya menggunakannya dengan cara yang melayani kebutuhan bisnis yang berbeda. Copilot Studio difokuskan untuk membangun bot percakapan berbasis AI yang mampu menangani rangkaian prompt dan respons, sehingga menghadirkan pengalaman pengguna yang sangat interaktif dan adaptif. Prompt flow di Copilot Studio berpusat pada pengurutan dialog, pengelolaan konteks, serta dukungan untuk klarifikasi dinamis atau percakapan bercabang.

Power Automate, di sisi lain, menggunakan prompt flow untuk memicu dan mengurutkan langkah-langkah otomasi berdasarkan input dan kondisi yang ditetapkan pengguna. Meskipun konteks percakapan bukan fokus utamanya, Power Automate unggul dalam mengatur alur kerja terstruktur, seperti perutean data, notifikasi, atau persetujuan multi-langkah, yang digerakkan oleh prompt dan gerbang logika.

Di kedua alat ini, umpan balik dan iterasi sudah tersedia secara bawaan. Namun, Copilot Studio menekankan pembelajaran adaptif dalam dialog, sedangkan Power Automate berfokus pada eksekusi proses yang andal dan dapat diulang. Memahami perbedaan ini membantu organisasi memilih platform yang tepat, baik untuk pengalaman cerdas mirip chatbot maupun otomasi alur kerja yang tangguh.

Menyusun Prompt yang Efektif untuk Hasil Optimal

1. Jelas dan Spesifik: Prompt yang langsung dan tidak ambigu membantu Copilot memahami persis apa yang Anda inginkan. Hindari frasa yang samar. Alih-alih "Buat laporan", coba "Ringkas penjualan Q2 dari lembar Excel ini dalam satu paragraf."
2. Tentukan Tujuan: Nyatakan hasil yang Anda harapkan di awal. Berikan Copilot tujuan yang jelas, misalnya "Buat tiga baris subjek email untuk kampanye penjangkauan pelanggan."
3. Berikan Detail yang Relevan: Konteks itu penting. Sertakan tanggal, nama file, atau rincian spesifik lainnya, misalnya "Tambahkan semua anggota tim ke undangan rapat untuk Jumat pukul 09.00."
4. Gunakan Bahasa Sederhana: Tulis secara alami, tetapi gunakan istilah yang mudah dipahami Copilot. Instruksi yang sederhana dan percakapan biasanya lebih baik daripada jargon yang rumit atau teknis.
5. Berikan Contoh Bila Diperlukan: Untuk tugas yang rumit, tunjukkan apa yang Anda inginkan. Misalnya, "Format ringkasan seperti ini: poin-poin untuk temuan, dan satu paragraf penutup untuk rekomendasi."
6. Tinjau dan Revisi: Jika Copilot belum tepat pada percobaan pertama, sesuaikan prompt Anda. Ubah kata-katanya atau tambahkan detail agar respons lebih akurat.
7. Hindari Menjejalkan Banyak Tugas dalam Satu Prompt: Pecah pekerjaan besar. Alih-alih satu prompt yang sangat panjang, gunakan beberapa instruksi yang jelas agar Copilot dapat mengerjakannya langkah demi langkah.

Kasus Penggunaan Umum dengan Prompt Flow Copilot

• Menyusun Dokumen dan Email: Copilot mengubah prompt sederhana menjadi laporan, proposal, atau surat yang terperinci di Word, Outlook, atau Teams, sehingga menghemat berjam-jam waktu untuk penulisan rutin.
• Mengotomatisasi Persetujuan: Prompt flow dapat memicu rantai persetujuan multi-langkah dan notifikasi di seluruh Power Platform, membantu Anda mempercepat pengambilan keputusan dengan upaya manual yang minimal.
• Membuat Analitik dan Dasbor: Copilot menggunakan prompt untuk menarik data yang tepat di Excel, Power BI, atau Azure, lalu menghasilkan bagan, ringkasan, atau wawasan kinerja secara instan.
• Memproses Permintaan Dukungan: Mulai dari tiket TI di Teams hingga otomasi service desk di Power Automate, prompt flow menyederhanakan pembuatan kasus, perutean, dan pembaruan.
• Meningkatkan Keamanan dan Kepatuhan: Copilot membantu menegakkan kebijakan atau menandai masalah dengan menerjemahkan kueri pengguna menjadi audit, pemeriksaan label sensitivitas, atau alur kerja kepatuhan di seluruh Microsoft 365.

Keamanan dan Tata Kelola dalam Prompt Flow Copilot

Seiring Copilot dan agen AI lainnya semakin tertanam dalam platform perusahaan, menjaga keamanan dan tata kelola prompt flow menjadi hal yang sangat penting. Fleksibilitas dan kecepatan otomasi berbasis AI menghadirkan risiko baru, seperti kebocoran data, tindakan tanpa otorisasi, dan celah kepatuhan, yang menuntut pengawasan yang kuat.

Tata kelola yang baik dalam alur prompt Copilot melindungi organisasi sekaligus pengguna akhir. Tata kelola memastikan data sensitif tidak disalahgunakan, akses dibatasi dengan tepat, dan keluaran AI tidak menimbulkan masalah keamanan atau privasi baru. Secara garis besar, ini berarti menetapkan kebijakan penggunaan yang jelas, pemantauan berkelanjutan, dan mekanisme penegakan yang menangani ancaman yang terus bermunculan.

Bagian-bagian berikut membahas lebih dalam tantangan tata kelola potensial yang terkait dengan alur prompt AI, dilanjutkan dengan praktik terbaik yang telah terbukti yang dapat digunakan organisasi Anda untuk memperkuat keamanan dan kepatuhan alur prompt, sehingga Anda dapat memanfaatkan otomatisasi yang canggih tanpa rasa khawatir.

Berikut tujuh fakta mengejutkan tentang Microsoft Copilot Prompt Flow yang sering tidak diduga oleh banyak pengguna dan pengembang.

1. Orkestrasi visual untuk prompt: Prompt Flow bukan sekadar editor teks. Fitur ini menyediakan kanvas visual untuk merangkai, bercabang, dan melakukan debug pada prompt, sehingga rekayasa prompt diperlakukan seperti alur kerja low-code. Dengan demikian, pengguna non-ahli pun dapat bereksperimen dengan interaksi multi-langkah.
2. Pergantian model bawaan: Anda dapat mengarahkan bagian-bagian dari suatu alur ke model atau penyedia model yang berbeda dalam pipeline yang sama. Hal ini memungkinkan strategi hibrida, misalnya model cepat dan murah untuk prapemrosesan, lalu model berkualitas lebih tinggi untuk keluaran akhir, tanpa memerlukan kode integrasi khusus.
3. Prompt yang sadar data dengan konektor: Prompt Flow mendukung konektor ke sumber data dan layanan Azure, sehingga prompt dapat langsung menyertakan data langsung, embedding, dan hasil pencarian, tidak hanya teks prompt statis.
4. Observabilitas dan lineage: Platform ini mencatat input, respons antara, dan keluaran, sehingga menyediakan lineage dan metrik end-to-end. Dengan itu, Anda dapat mengaudit, memantau, dan membandingkan versi prompt dari waktu ke waktu.
5. Komponen berparameter dan dapat digunakan ulang: Alur memungkinkan Anda mendefinisikan komponen prompt berparameter yang dapat digunakan ulang (templat, pengaman, validator). Hal ini mengurangi duplikasi dan meningkatkan tata kelola lintas tim.
6. Integrasi keamanan dan pagar pembatas: Prompt Flow dapat mengintegrasikan pemeriksaan keamanan dan filter di berbagai tahap (sebelum dan sesudah model), sehingga memungkinkan penegakan kebijakan, moderasi konten, dan pemeriksaan bias sebagai bagian dari alur, bukan sebagai pemikiran belakangan.
7. Dapat diekspor dan siap produksi: Dirancang untuk siklus hidup produksi, alur dapat diekspor sebagai artefak yang siap diterapkan atau dihubungkan ke pipeline CI/CD dan penerapan Azure, sehingga memudahkan perpindahan dari eksperimen ke produksi.

Potensi Tantangan Tata Kelola pada AI Agent

• Otomatisasi Tidak Sah: Tanpa pengawasan yang ketat, AI agent dapat menjalankan tindakan atau mengakses data di luar peran pengguna, yang berisiko menimbulkan shadow IT dan kelalaian kepatuhan. Untuk pembahasan yang lebih mendalam, lihat bagaimana AI agent dapat melampaui tata kelola.
• Penyalahgunaan dan Paparan Data: Alur prompt yang kurang terkelola dapat secara tidak sengaja mengakses atau mendistribusikan data rahasia, terutama tanpa pencegahan kehilangan data (DLP) atau audit yang efektif.
• Serangan Prompt Injection: Input berbahaya dapat memanipulasi AI agent sehingga menjalankan tindakan yang tidak diharapkan atau merugikan jika validasi input tidak memadai.
• Izin yang Salah Konfigurasi: Pemberian izin yang terlalu luas atau keliru, seperti yang dibahas dalam ilusi tata kelola di Microsoft 365, dapat menciptakan risiko yang tidak terlihat, karena kontrol bawaan saja tidak menjamin pengawasan yang memadai.

Pemantauan berkelanjutan dan kebijakan yang dapat ditegakkan sangat penting untuk menjaga kendali dan visibilitas seiring meningkatnya adopsi otomatisasi dan AI.

Praktik Terbaik untuk Mengamankan Alur Prompt Anda

• Terapkan Akses Hak Istimewa Minimum: Batasi izin Copilot dan AI agent lainnya menggunakan kontrol yang terperinci dan audit berkala, sebagaimana diuraikan dalam panduan untuk mengamankan Copilot dengan izin Microsoft Graph ini.
• Terapkan Jejak Audit yang Andal: Lacak dan tinjau tindakan alur prompt dengan alat seperti Microsoft Purview dan Sentinel untuk mendeteksi pelanggaran kebijakan atau kebocoran data dengan cepat.
• Perluas dan Otomatisasi Kontrol Data: Integrasikan aturan DLP, pelabelan otomatis, dan metadata sensitivitas di seluruh output AI, dengan rekomendasi dalam daftar periksa tata kelola Copilot ini.
• Edukasi Pengguna dan Admin: Berikan pelatihan praktis agar semua orang memahami risiko prompt yang lemah, otomatisasi yang tidak terduga, dan berbagi data dalam sistem yang digerakkan oleh prompt.
• Terapkan Kerangka Tata Kelola: Rancang kebijakan yang dapat ditegakkan, tetapkan kepemilikan data dan peran, serta siapkan proses tinjauan yang melibatkan tim hukum, keamanan, dan teknologi untuk penggunaan Copilot yang berkelanjutan dan patuh.

Pengembangan Mendatang dan Tren dalam Alur Prompt Copilot

Alur Prompt Copilot berkembang dengan cepat, dan dukungan multibahasa pasti berada di urutan teratas. Gartner memprediksi bahwa pada 2026, 70% AI percakapan akan mendukung banyak bahasa, sehingga teknologi Copilot menjadi lebih inklusif di seluruh organisasi global. Tim di seluruh dunia akan merasakan nilai nyata ketika AI mereka langsung memahami bahasa gaul lokal atau istilah bisnis tanpa perlu konfigurasi tambahan.

Pembelajaran kontekstual tingkat lanjut adalah pengubah permainan lainnya. Microsoft membangun integrasi dengan ekosistem AI yang lebih luas, menyatukan alat dari Azure dan Power Platform. Para ahli memperkirakan koneksi yang lebih erat akan memungkinkan Copilot memperhitungkan pengetahuan organisasi, bukan hanya data publik. Artinya, jawaban yang lebih tepat sasaran, alur kerja yang lebih cepat, dan AI yang benar-benar memahami cara bisnis Anda berjalan.

Pertanyaan Umum: menggunakan copilot untuk alur chat dan alur data

Apa itu Microsoft Copilot Prompt Flow dan bagaimana kaitannya dengan Microsoft 365 Copilot?

Prompt Flow adalah alat pengembangan dan alur kerja untuk merancang, menguji, dan mengulang prompt serta alur yang berinteraksi dengan model bahasa besar (LLM) dan pengalaman Microsoft 365 Copilot. Anda dapat membuat alur menggunakan prompt, menghubungkan node dan layanan, sehingga prompt flow menjadi aset pengembangan yang dapat diintegrasikan ke aplikasi Microsoft 365, Microsoft Teams, dan layanan Microsoft 365 lainnya.

Bagaimana cara membuat alur menggunakan Copilot atau dengan mendeskripsikan apa yang saya inginkan?

Anda dapat membuat alur dengan mendeskripsikan perilaku yang diinginkan kepada Copilot atau dengan menyusun node secara manual di editor prompt flow. Gunakan Copilot untuk membuat alur dengan memberikan prompt masukan atau contoh, lalu sempurnakan alur yang dihasilkan, ubah nama alur, dan uji alur chat serta eksekusi alur Anda dengan contoh masukan alur 1 dan masukan alur 2.

Apa saja komponen utama alur di Prompt Flow (node, masukan, keluaran)?

Alur biasanya mencakup node (masing-masing mewakili satu langkah, seperti prompt ke LLM, pencarian data, atau alur evaluasi), nilai masukan alur 1/masukan alur 2, dan hasil keluaran alur 1/keluaran alur 2. Keseluruhan alur mendefinisikan eksekusi alur, di mana setiap node memproses masukan dan meneruskan keluaran ke node berikutnya, sehingga memungkinkan skenario alur data dan alur chat yang kompleks.

Bagaimana cara menguji dan menjalankan alur, dan apa yang dimaksud dengan "menguji alur chat Anda"?

Untuk menguji alur chat, berikan masukan untuk menguji alur (masukan untuk menguji alur), jalankan proses alur, dan amati keluaran node perantara serta keluaran alur akhir. Anda dapat merujuk masukan alur di setiap node, memeriksa alur secara keseluruhan, dan mengulanginya dengan mengedit prompt atau node hingga alur berperilaku sesuai harapan.

Apakah Prompt Flow dapat diintegrasikan dengan Azure Machine Learning Studio atau alur cloud lainnya?

Ya. Prompt Flow dapat berinteraksi dengan alur cloud dan Azure Machine Learning Studio untuk memanggil model, endpoint penilaian, atau pipeline data. Anda dapat membuat integrasi alur cloud yang meneruskan data ke layanan eksternal, memungkinkan skenario alur data hibrida serta memanfaatkan Azure Machine Learning Studio untuk evaluasi dan penerapan model kustom.

Bagaimana Prompt Flow menangani pembaruan keamanan, batas data, dan isu batas layanan Microsoft 365?

Prompt Flow mengikuti panduan keamanan Microsoft dan menghormati batas layanan Microsoft 365 ketika diintegrasikan dengan layanan Microsoft 365. Administrator sebaiknya meninjau pembaruan keamanan, pengaturan tata kelola, dan kebijakan penanganan data untuk memastikan data yang diproses Copilot sudah patuh. Gunakan kontrol tingkat penyewa dan ikuti sumber daya Microsoft Learn untuk konfigurasi yang aman.

Apa siklus pengembangan yang direkomendasikan untuk aplikasi AI menggunakan Prompt Flow dan arsitektur Copilot?

Siklus pengembangan mencakup perancangan alur (flow adalah alat pengembangan), pengembangan variasi prompt, pengujian dengan input flow yang sebenarnya, evaluasi output (evaluation flow), penerapan ke Microsoft 365 Copilot atau copilot chat, pemantauan performa, dan penerapan pembaruan keamanan. Siklus ini memanfaatkan arsitektur copilot dan didukung oleh large language model untuk perbaikan yang berulang.

Di mana saya bisa menemukan sumber daya tambahan, dukungan teknis, dan panduan Microsoft Learn?

Microsoft Learn menyediakan tutorial dan modul untuk prompt flow di Microsoft Foundry serta flow di portal Microsoft Foundry. Untuk dukungan teknis dan sumber daya tambahan, rujuklah dokumentasi Microsoft, forum komunitas, dan saluran dukungan resmi untuk mendapatkan bantuan terkait pembuatan flow, pemecahan masalah flow run, dan integrasi dengan layanan Microsoft 365.

Bagaimana cara mengevaluasi dan men-debug sebuah flow? Seperti apa tampilan informasi detail flow overview?

Gunakan flow overview untuk melihat informasi detail flow overview, termasuk log tingkat node, snapshot input/output flow, dan jejak eksekusi (execution trace). Proses debugging meliputi pemeriksaan prompt yang dikirim ke LLM pada setiap node, pengecekan output antara, penyesuaian prompt input atau parameter node, lalu menjalankan ulang flow untuk memvalidasi perbaikan.

Bisakah saya menggunakan Prompt Flow untuk membuat pengalaman percakapan di Microsoft Teams dan aplikasi Microsoft 365 lainnya?

Bisa. Anda dapat mengembangkan prompt flow dan menyematkan flow ke dalam Microsoft Teams atau aplikasi Microsoft 365 lainnya, sehingga menghasilkan respons copilot dan pengalaman chat flow. Konfigurasikan event yang memulai flow (misalnya, pesan atau tombol), petakan flow output 1/flow output 2 ke respons yang terlihat oleh pengguna, lalu uji flow run dalam konteks aplikasi target untuk memastikan perilakunya sudah benar.