Il tuo copilota non è stupido. L'hai lasciato a digiuno. Senza schema, regole o protezioni, poi ti lamenti delle allucinazioni. La verità, la maggior parte dei fallimenti dell'IA di Power Platform non dipende dal cui del modello. Dipende dal contesto che hai creato tu. Ecco cosa vedremo oggi. Un modello ripetibile di context engineering per copilot studio e power automate che elimina le allucinazioni, risolve le derive tra tena e riduce drasticamente latenza e costi. Creeremo il modello di messaggio di sistema, una checklist di grounding dello schema e un template di pipeline di recupero. C'è un livello che tutti dimenticano, quello delle policy, che previene la deriva della governance. Lo integreremo e lo dimostreremo con metriche prima e dopo. Cominciamo. Problema. Perché il tuo copilota fallisce. Debito di contesto. Definiamo il problema con precisione. Debito di contesto. È l'accumulo di contesto mancante o trascurato che costringe il modello linguistico a tirare a indovinare. Salti le regole di sistema. Non fai il grounding su dataverse. Lasci gli strumenti indefiniti e ignori le policy. Poi ti stupisci se gli output oscillano tra i tenan. Affascinante. Il debito di contesto si manifesta in quattro fallimenti. Primo. Regole di sistema mancanti. Nessuna identità, nessuno scopo, nessuna policy di rifiuto. Il modello si ottimizza per essere utile e prolisso, non conforme e preciso. Secondo. Dati non ancorati. Indichi genericamente la tabella dei prestiti senza fornire nomi di entità, definizioni di campi, relazioni o record di esempio. Terzo. Strumenti non definiti. Chiedi di aggiornare lo stato, ma non esponi un percorso di azione governato in power automate. Quarto. Assenza di policy. Ti affidi alle sensazioni invece che ha DLP, etichette di sensibilità e accesso condizionato. Questo quartetto garantisce la deriva. Le prove sono ovunque. Gli alti tassi di fallimento e abbandono nell'IA aziendale sono legati all'esecuzione e al contesto, non ai limiti del modello. I team segnalano allucinazioni, inconsistenze specifiche per ambiente e consumo eccessivo di token per il recupero massivo di intere tabelle. Non ti serve un modello più grande. Ti serve una spina dorsale. Ecco il modello mentale per risolvere il problema. Quattro livelli di contesto. Sistema. Recupero. Strumenti. Policy. Immaginalo come il registro di Windows per il tuo agente. Non è solo un database, è la spina dorsale. Il sistema dichiara chi è l'agente e cosa rifiuta. Il recupero fornisce fatti e schemi affinché smetta di inventare campi. Gli strumenti espongono le azioni esatte che può compiere secondo il principio del privilegio minimo. Le policy impongono confini a prescindere da quanto siano astuti i prompt. Rimuovi un livello qualsiasi e gli output oscilleranno. Aggiungili tutti e quattro e si stabilizzeranno. Ciò che sfugge alla maggior parte degli sviluppatori è che gli ambienti sono il confine di sicurezza in power platform. Se la tua policy DLP blocca la combinazione di connettori business e non business in produzione ma non in sviluppo, hai creato due universi distinti. Gli occhi e le mani del tuo agente cambiano in base all'ambiente. Quindi, sì, i risultati variano tra tena e ambienti perché cambiate il mondo sotto i suoi piedi. Lasciate che vi spieghi il tipico ciclo di fallimento. Create un agente in Copilot Studio. Gli date un obiettivo vago? Aiutare con le richieste di prestito. Collegate una libreria di documenti PDF senza estrarne la struttura. Non indicizzate entità dataverse, relazioni o etichette di riservatezza. Saltate il catalogo degli strumenti e date per scontato che Copilot capirà da solo. Poi ponete una domanda. Risponde con frasi generiche di circostanza e inventa un campo chiamato fase prestito che non esiste nel vostro schema. Congratulazioni, avete pagato i token per leggere il contenuto sbagliato e avete ottenuto solo assurdità. Confrontatelo con un approccio basato su dati reali. Stessa domanda, ma il vostro livello di recupero include un indice dello schema. Entità richiesta di prestito, campo stato, valori di selezione, relazioni con richiedente e documento, più record campione. La gente fa riferimento esplicito allo stato della richiesta e cita i valori consentiti, senza indovinare. La differenza non è il modello, è il contesto. Latenza e costi sono sintomi dello stesso debito tecnico. Recuperare intere tabelle perché mancano filtri a livello di campo fa esplodere token e tempi. Un recupero vago costringe il modello a vagliare frammenti irrilevanti. Argomento indefinito e nessun filtraggio dell'intento. Pagate per tutto. Non imparate nulla e continuate ad avere allucinazioni. Brutale. La deriva della governance è l'assassino silenzioso. Senza un livello di policy, DLP, etichette di riservatezza e accesso condizionale, il comportamento dell'agente diverge gradualmente. Un connettore viene riclassificato, un account guest si infiltra in un flusso, i log sono spenti e l'agente riassume felicemente note sensibili verso un connettore non aziendale. Non ve ne accorgete fino alla settimana dell'audit. Eccellente. Ecco la soluzione che costruiremo passo dopo passo in questa serie. Livello di sistema, un messaggio di sistema conciso e versionato che codifica identità, ambito, rifiuti, consapevolezza dello schema, regole di utilizzo degli strumenti e limiti di logging. Creato per ogni ambiente con token per unità aziendale e mappatura della sensibilità. Livello di recupero, una pipeline che si basa prima su Dataverse, con un indice di documenti come fonte secondaria, usando chunking basato su entità, ricerca ibrida, restrizioni di sicurezza e filtri a livello di campo. Livello strumenti, un catalogo curato di power automate con privilegi minimi, dotato di modelli di prompt che definiscono schemi di input, logiche di rifiuto e flag di sensibilità. Livello policy, gruppi DLP imposti, accesso condizionale, mascheramento in tempo reale tramite etichette e un kill switch amministrativo. Se non ricordate altro, ricordate questo. I modelli prevedono testo. Voi progettate verità, potere e confini. Il vostro compito è il contesto. Il modello è il motore di rendering. Smettetela di incolpare il motore di rendering per il vostro progetto mancante. Primo livello, il contesto di sistema che non cambia, più una checklist. Ora, smettiamo di indovinare e stabiliamo l'identità. Senza regole esplicite su identità, ambito e rifiuti, i modelli linguistici di grandi dimensioni tendono a comportarsi come simpatici Labrador. Recuperano tutto, accontentano tutti e calpestano la conformità. Ti serve un buttafuori, non un golden retriever. La verità è che, se il messaggio di sistema è vago, i risultati saranno vaghi. Se il messaggio di sistema non è coerente tra gli ambienti, i risultati varieranno in base all'ambiente. Quindi, per prima cosa, scriviamo la struttura portante. Ecco il modello che utilizzo. È breve, versionato e spietato. Ruolo. Sei il copilota delle operazioni di prestito per l'unità aziendale nell'ambiente, nome ambiente. Rispondi solo in merito a richieste di prestito e processi correlati. Ambito. Limitati alle entità dataverse e ai documenti etichettati in questo ambiente. Se la risposta richiede sistemi esterni o contenuti non etichettati, rifiuta e proponi un passo successivo sicuro. Tono. Conciso. Fattuale. Cita i campi esattamente come nello schema. Entità. Campo. Politica di rifiuto. Se viene richiesto contenuto sensibile nell'elenco etichette MIP in un contesto non lavorativo, rifiuta motivando e registra il riepilogo del rifiuto. Consapevolezza dello schema. Preferisci l'indice dello schema dataverse? Non inventare mai campi. Mappa i sinonimi ai nomi canonici usando il glossario fornito. Regole di utilizzo degli strumenti. Puoi chiamare le azioni power automate approvate solo quando un intento è classificato come azionabile con una confidenza pari a 8, altrimenti rispondi con un'analisi. Limiti di registrazione. Non ripetere dati PI. Sintetizza i valori come mascherati quando la sensibilità è elevata. Quel modello va nelle istruzioni personalizzate di Copilot Studio. E sì, viene parametrizzato con nome ambiente, unità aziendale ed elenco etichette MIP. Collegali a variabili d'ambiente in modo che DEV, UAT e PROD condividano la stessa logica con associazioni diverse. Versiona il messaggio di sistema v1.3. Apponi la versione nel piedi pagina di ogni risposta durante il test, insieme alla versione della policy v1.3, così lo scostamento è immediatamente visibile. Ora la checklist. Altrimenti dimenticherai qualcosa. Obiettivi. Cosa può ottenere la gente in una sola frase? Pubblico. Chi serve? Funzionari di prestito. Non l'intera azienda. Definizioni. Nomi canonici di entità e campi più sinonimi. Contenuto consentito. Classi di dati e fonti autorizzate. Azioni non consentite. Qualsiasi cosa cross-tenant. Non etichettata o al di fuori dei connettori aziendali. Percorso di escalation. Quando passare la palla a un essere umano. Criteri e modello di messaggio. Rubrica di valutazione. Come valutiamo i risultati. Accuratezza dei campi, correttezza del rifiuto e citazione dello schema. Scrivi questo in linguaggio semplice, poi comprimilo. L'errore più comune è seppellire i vincoli sotto un romanzo di testo normativo. Il modello leggerà in modo superficiale come uno stagista qualunque. Mantieni un approccio chirurgico. Un altro errore classico. Infilare i vincoli nel prompt dell'utente. No. I vincoli appartengono al messaggio di sistema e ai wrapper degli strumenti. Non dove capita che l'utente scriva. E versiona per ambiente. Dev può essere permissivo. Prod no. Copiare un singolo file di sistema tra tenants senza token è il modo in cui si creano universi paralleli. Una vittoria rapida che puoi ottenere oggi stesso. Trasforma il messaggio in un modello con variabili e associalo all'importazione della soluzione. Questo da solo elimina una marea di incongruenze. Aggiungi una sezione glossario che mappi i sinonimi comuni ai campi canonici. Stadio. Passo. Fase. Domanda di prestito. Stato. Vedrai sparire i campi allucinati. L'implementazione in Copilot Studio è semplice. Apri le istruzioni personalizzate. Incolla il modello. Inserisci le variabili per nome ambiente. Unità di business. Emetti l'elenco delle etichette e attiva. Includi sempre. Crea una nota di istruzioni per la canonizzazione dello schema a cui la gente fa riferimento prima di rispondere. Poi aggiungi un paragrafo modello per il rifiuto. Non posso condividere. Redatto. A causa dell'etichetta di policy. Ecco un'alternativa sicura. La coerenza non è magia. Sono modelli. Barriera finale. Limiti di logging. Specifica che la gente non ripete mai valori sensibili non elaborati. Quando deve farvi riferimento, usa segnaposti e offre un'azione strumento che gestisce i segreti tramite azioni di credenziali nei flussi. Se non ricordi altro, ricorda questo. Identità. Ambito. Rifiuto. Schema. Strumenti. Logging. Sei righe. Zero drammi. Secondo livello. Recupero che si basa su dataverse o modello di pipeline. L'identità è impostata. Ora gli diamo fatti che non può allucinare. Il recupero è dove molti di voi aprono l'idrante e lo chiamano grounding. Errato. Il recupero è selettivo? È consapevole delle entità e, sì, è prima dataverse perché è lì che risiede la vostra verità. Perché questo è importante? Le allucinazioni fioriscono quando il modello deve dedurre la struttura. Se non può vedere le definizioni canoniche di entità e campi, le inventa. Latenza e costi aumentano quando riversi intere tabelle e blob PDF perché non hai filtrato per intenzione. Il risultato? Rumore costoso. La soluzione è una pipeline che privilegia lo schema e filtra in base alla sicurezza. Ecco il modello. Due indici. Un unico cervello. Primo. Un indice di schema per entità dataverse, campi, relazioni, set di opzioni, regole aziendali, più un piccolo glossario di sinonimi. Secondo. Un indice di documenti per policy, procedure operative e documenti di riferimento, solo dopo che sono stati strutturati. Ricerca ibrida su entrambi con filtraggio di sicurezza per ambiente e utente. Il modello non vede mai ciò che all'utente non è consentito vedere. Non è un suggerimento, è il confine. Lascia che scomponga l'indice dello schema. Cattura per ogni entità, nome, descrizione, elenco campi con tipi di dati, valori del set di opzioni, relazioni 1 a molti, molti a 1 e regole aziendali che influenzano gli stati validi. Includi due record campione per entità, redatti e una query di esempio che mappi il linguaggio naturale ai campi canonici. Aggiungi una mappa dei sinonimi, stadio, passo, fase, stato della domanda di prestito. Il modello si ancorerà ai nomi canonici perché gli hai fornito la mappa. Passiamo ora all'indice dei documenti. I PDF non sono testi sacri, sono dei contenitori. Estrai la struttura prima dell'indicizzazione. I titoli diventano sezioni, le tabelle diventano coppie chiave valore. Le policy vengono tagate con le classificazioni Microsoft Purview e le etichette MIP, così la sensibilità è leggibile dalle macchine. Se un file non può essere analizzato in sezioni e campi, non appartiene all'indice. Non stai costruendo un album di ritagli. Il filtraggio della sicurezza non è negoziabile. Il livello di query dell'indice deve filtrare per identità utente, ambiente e policy di LP. Se lo sviluppo consente determinati connettori e la produzione no, il livello di recupero deve rifletterlo. Stesso utente. Ambiente diverso. Recupero diverso. Questo non è un abbellimento, è progettazione. Chunking. Smetti di affettare in base al numero di pagine. Suddividi in base alla logica dell'entità. Per lo schema, raggruppa la granularità di entità e relazione. Pensa a 500-800 token per chunk con gli elenchi dei campi intatti. Per i documenti, suddividi per sezione con le intestazioni preservate e includi i metadati di breadcrumb. Titolo, sezione, sottosezione. Il punto è restituire significato, non coriandoli. Tattiche di performance che noterai davvero. Filtraggio a livello di campo. Quando l'intento include lo stato, non estrarre l'intera definizione dell'entità. Estrai solo il blocco di campo e la relativa regola aziendale. Il top K per classificazione dell'intento in strada la query. Le query sullo schema ottengono un K piccolo, due o tre. Le ricerche nei documenti potrebbero richiederne quattro o sei. Memorizza nella cache fa che frammenti di schema frequenti con un TTL breve. Così non pagherai per le stesse ricerche tutto il giorno. Imponi limiti ai connettori e ai token, affinché un singolo prompt vago non possa scatenare una scansione dell'intera tabella. Prego. Come collegare tutto questo in Copilot Studio? Imposta dataverse come fonte di conoscenza primaria. Crea una sorgente dati che emetta schede di schema, entità, campi, relazioni, set di opzioni, regole, esempi e classificazione purview ed etichette MIP allegate come proprietà. Aggiungi il tuo indice di documenti come fonte secondaria con il contenuto delle sezioni. Configura il recupero ibrido con re-ranking che preferisca le corrispondenze di schema rispetto al testo narrativo. Se esiste una corrispondenza nello schema, dai priorità a quella. Se non ne esiste nessuna, ripiega sui documenti. Se non esiste nell'una nell'altra, rifiuta o poni una domanda di chiarimento. Sì, un rifiuto è meglio di un'invenzione. Lista di controllo per il grounding dello schema da stampare e attaccare al monitor. Nomi delle entità esattamente come in dataverse. Descrizioni dei campi in linguaggio semplice. Relazioni elencate con cardinalità. Valori e significati dei set di opzioni. Record di esempio con valori mascherati. Regole aziendali. Note sulla gestione dei null. Sinonimi dei nomi canonici e avvertenze sulla qualità dei dati. Se manca uno di questi elementi, il tuo grounding è incompleto. Errori comuni. Indicizzare PDF senza estrarne la struttura. Non farlo. Ignorare le etichette di sensibilità. Pericoloso. Mescolare connettori business e non business nella stessa chiamata di recupero. Bloccata da DLP in produzione e poi farsi trovare sorpresi. Un altro caso. Restituire 10 blocchi quasi duplicati perché non avete mai deduplicato le intestazioni. Pulite il feed. Facciamo una rapida demo mentale. Prompt. Possiamo spostare questo prestito alla revisione finale. Contesto. Dati a valle e dati di origine a monte. Una pipeline scadente recupera 3 PDF di policy generici e nessuno schema. Il modello inventa la fase del prestito. Una buona pipeline con classificatore di intenti. Indirizza lo schema e restituisce la richiesta di prestito. Stato. Transizioni consentite tramite regole aziendali e nome dell'azione Power Automate che cambia lo stato. La risposta cita i valori di stato consentiti e propone l'azione oppure rifiuta se la sensibilità la blocca. Questa è la base. Grounding. Un ultimo dettaglio. La latenza. Misurate il tempo di recupero separatamente dalla generazione. Se il recupero supera regolarmente i 300 millisecondi, i vostri filtri sono errati o l'indice è gonfio. Ottimizzate prima lì. I modelli sono veloci. La vostra indecisione no. Se non ricordate altro, ricordate questo. Il recupero non è ricerca, è curatela. Dataverse è la colonna vertebrale. I documenti sono i muscoli. Collegate entrambi. Rifinite con la sicurezza e il vostro agente smetterà di tirare a indovinare. Terzo livello. Strumenti e policy che applicano la governance. Power Automate più DLP. Lui sa cosa è vero. Ora, insegnategli cosa può fare in sicurezza. Un agente che non può agire è solo un chatbot. Un agente che agisce senza barriere è una violazione che attende solo di finire sui titoli dei giornali. Volete competenza con le cinture di sicurezza? Entrano in gioco Power Automate DLP e l'accesso condizionale. I muscoli, le recinzioni e il buttafuori alla porta. Ecco il principio. Le azioni sono esplicite, autorizzate e reversibili. Non diamo libertà al modello. Gli diamo un catalogo di verbi. Ogni verbo è un flusso con uno schema di input limitato. Riferimenti di connessione a privilegi minimi e logica di rifiuto integrata. Il modello non improvvisa mai i diritti. Richiede un verbo. Iniziate con un catalogo di strumenti. Le voci del catalogo sono fatte così. Nome visualizzato. Scopo. Schema di input. Precondizioni. Flag di sensibilità. Riferimento alla connessione e contratto di ritorno. Esempio. Aggiorna stato prestito. Scopo. Transizione richiesta di prestito. Stato. Input. I di prestito. Stringa. Stato target. Enum. Precondizioni. Lo stato target deve essere una transizione valida secondo il set di regole. Flag di sensibilità. Richiede connettore business etichettato come interno. Riferimento connessione SVC prestiti min. Stiamo insegnando a un bambino a usare le forbici dandogli quelle di sicurezza. Non una motosega. Il privilegio minimo non è opzionale. Create account di servizio dedicati con le autorizzazioni dataverse minime per eseguire solo quell'azione. Nessun diritto esteso sulle tabelle. Niente abusi di potere a livello proprietario. Archiviate le credenziali nei riferimenti di connessione vincolati per ambiente. Quindi, lo sviluppo usa dati falsi, la produzione tocca la realtà e nessuno dei due contamina l'altro. Se utilizzi connettori personalizzati, revisiona la sicurezza seriamente. Ora, crea un modello di flusso con tre livelli standard. Primo livello, convalida dell'input. Convalida i tipi, mappa i sinonimi ai campi canonici e rifiuta i parametri ambigui o mancanti con un rifiuto strutturato. Secondo livello, controlli delle policy. Valuta le etichette MIP, l'appartenenza ai gruppi DLP e qualsiasi segnale di accesso condizionale esposto tramite intestazioni o contesto di attivazione. Terzo livello, esecuzione e mascheramento. Esegui. Maschera i valori sensibili nei log e restituisci un risultato compatto con un ID di correlazione. I modelli di prompt fungono da wrapper davanti a questi flussi. Definiscono come l'agente richiede lo strumento quando lo stato dell'intento cambia e la fiducia. 8. Chiama l'aggiornamento dello stato del prestito con ID prestito e stato di destinazione. Se lo stato è in conflitto con le regole aziendali o i blocchi di sensibilità, rifiuta e cita la policy specifica. È qui che la maggior parte di voi fallisce. Passate testo a forma libera nei flussi come se fosse il 2019. Schema forte in entrata, risultato forte in uscita. Contrassegna le variabili come sensibili. Input come SSN o qualsiasi campo ad alta sensibilità risiedono in variabili sicure. Non vengono mai riportati nella cronologia di esecuzione. Usa le azioni di credenziali per qualsiasi cosa relativa all'autenticazione. Se un flusso deve recuperare un token, le credenziali vengono estratte in fase di esecuzione da un archivio sicuro, non incollate in un prompt, non inserite in variabili d'ambiente chiamate, non leggere. Sì, la gente lo fa. Non essere come loro. L'accesso condizionale è l'adulto nella stanza. Applica l'MFA. Limita l'esecuzione a dispositivi conformi o posizioni attendibili. Se la tua policy dice che gli ospiti non possono avviare azioni, il tuo rapper dovrebbe leggere l'identità del chiamante e rifiutare con un diniego chiaro. L'azione richiede un dispositivo conforme per policy. La gente rimane educato. La policy rimane ferma. DLP è la membrana. Classifica i connettori in business, non business e bloccati. I flussi in questo catalogo strumenti usano solo connettori business. Cerchi di instradare l'output verso una destinazione non business. Bloccato a livello di tenant, non solo nel tuo flusso. Il punto è rendere il percorso sbagliato fisicamente impossibile. Non dipendi dal buon senso dello sviluppatore. Dipendi dalla fisica. La segmentazione dell'ambiente mantiene la tua sanità mentale. Dev. UAT. Prod. Dati diversi. Riferimenti di connessione diversi. Stessi nomi di strumenti. Stessi schemi. Ciò significa che i prompt del tuo agente non cambiano. Solo i binding cambiano. Testi in UAT con etichette e impostazioni DLP realistiche. Così non compaiono sorprese in prod. Se dev ha un DLP permissivo e prod è rigoroso, testa entrambi. La varianza è intenzionale, non accidentale. Livello di policy integrato nel runtime. Incorpora regole di rifiuto basate sulle etichette nel contenuto recuperato. Se il recupero restituisce un record riservato e l'azione richiesta lo esporrebbe a un sistema esterno, il tool wrapper rifiuta con una motivazione basata su policy e registra l'incidente. Il masking in tempo reale sostituisce i valori con segna posto nel testo visibile dal modello. Il modello non vede mai segreti in chiaro, quindi non può divulgarli accidentalmente. Non è mancanza di fiducia, è igiene informatica. Logging e audit fanno parte della progettazione, non sono un'aggiunta successiva. Attiva i log di audit per ogni flusso. Registra chi ha richiesto l'azione, quali parametri sono stati passati, oscurati, quali controlli di policy sono stati eseguiti e l'esito. Le revisioni trimestrali individuano asset orfani, flussi condivisi eccessivamente e proliferazione di connettori. Deprovisiona tutto ciò che è di proprietà di un ex dipendente. Ignora questo aspetto e scoprirai un flusso fantasma che scrive in produzione alle 2 del mattino. Delizioso. Errori comuni. Passare segreti nei prompt utente. Rimpianto istantaneo. Registrare P nei messaggi di successo. Altro rimpianto. Creare flussi senza versionare prompt e schemi. Ora il tuo agente sta chiamando un API che è cambiata la scorsa settimana. Ambienti non gestiti senza DLP. Congratulazioni. La tua prova di concetto è una responsabilità. E il mio preferito. Mescolare connettori business e non business perché dovevamo solo inviare un email. No, usa email aziendali o non inviare nulla. Parliamo di kill switch. Ti serve un interruttore di emergenza nell'admin center o via automazione che disabiliti l'agente? La soluzione tu lo entrambi. Quando si verifica una violazione di policy, non si discute. Si ferma tutto. Si indaga e si riprende solo con un registro delle modifiche. La velocità e sicurezza. Una volta configurato, accade qualcosa di prevedibile. L'agente smette di promettere troppo e propone azioni che può effettivamente compiere. Quando una policy lo nega, il rifiuto è specifico e registrato. Gli utenti si fidano perché è coerente. E sì, il tuo team di audit smetterà di controllare ossessivamente perché finalmente hai fornito telemetria degna di lettura. Build end to end. Copilot studio più power automate con metriche prima e dopo. Costruiamo l'ossatura con una build concreta. Un copilot per il supporto ai prestiti. Copilot studio gestisce l'orchestrazione. Dataverse è la fonte della verità. Power automate è il braccio operativo. Stessa architettura in dev. UAT. Prod. Diversi binding. Stessa logica. Primo passaggio. Applica il modello di sistema. In copilot studio. Crea istruzioni personalizzate usando il nostro template di versione. Collega il nome dell'ambiente. UAT business unit retail landing. Lista etichette MIP riservato. Altamente riservato. Allo stadio del glossario. Fase stato richiesta di prestito. Attiva. Includi sempre. Apponi la policy v1.3 nel footer di test affinché lo scostamento sia visibile. Secondo passaggio. Costruisci l'indice dello schema. Genera schemi per le entità richiesta di prestito. Richiedente. Documento. Includi campi. Option set. Relazioni e due record campione mascherati per entità. Aggiungi le regole aziendale per le transizioni di stato consentite. Inviato. Revisione iniziale. Revisione finale. Approvato. Respinto. Nessuna transizione diretta da inviato ad approvato. Pubblica come fonte di conoscenza primaria all'indice dei documenti. Come secondaria le SOP. Le sezioni delle politiche di prestito per classificazione. Le etichette MIP e i titoli preservati. Fase 3. Configura il recupero. Abilita la ricerca ibrida con re-ranking che potenzia le corrispondenze di schema. Classifica l'intento. Ricerca schema. Ricerca policy. Actionable top k2 per schema. 4 per i documenti. Filtri a livello di campo per intento. Termine. Stato. Reddito. KYC. Attiva il trimming di sicurezza per utente e ambiente. Memorizza nella cache gli snippet di schema ad alta frequenza con un TTL di 10 minuti. Fase 4. Collega il catalogo degli strumenti. Importa una soluzione gestita con tre flussi. Ottieni riepilogo prestito. Aggiorna stato prestito. Richiedi documento. Ogni flusso ha schema di input. Precondizioni. Flag di sensibilità. Riferimenti di connessione a privilegio minimo vincolati all'UAT. Input contrassegnati come sensibili dove appropriato. Log abilitati con mascheramento e ID di correlazione. Fase 5. Aggiungi il wrapper di prompt. In Copilot Studio crea modelli di invocazione degli strumenti. Quando l'intento è cambiare stato e la confidenza è 8. Chiama l'aggiornamento dello stato del prestito con un ID prestito e uno stato di destinazione. Se lo stato di destinazione viola le regole aziendali, rifiuta con il codice rubrica BR per transizione di stato. Un rappresentante rifiuta con. Non posso farlo a causa del codice etichetta della policy. Ecco un passaggio successivo sicuro. Ciclo di validazione. Crea una suite di test di 25 prompt. Inclusi esempi ambigui, avversari e normali. Sposta LA 4831 a finale. Possiamo passare direttamente ad approvato. Invia via email il SSN del richiedente al suo broker. Esegui tra dev, UAT e prod. Verifica che gli output, i campi canonici del sito e le azioni siano proposti solo quando consentito e che i rifiuti delle policy siano specifici e registrati. Confronta gli ID di correlazione nei log dei flussi con le trascrizioni di Copilot per confermare la tracciabilità. Metriche prima della build non ancorata. Il 37% delle risposte faceva riferimento a campi inesistenti. Il drift tra i Tenan ha prodotto tre nomi di stato diversi. Latenza mediana di 4,2 secondi a causa delle scansioni delle tabelle. Il consumo di token per Q&A era in media di 9800 token. Due mancate violazioni delle policy in cui note sensibili sono state riepilogate verso una destinazione non aziendale, bloccate solo dal DLP del Tenan. Metriche dopo l'ingegneria del contesto. Zero campi inventati nella suite. Applicazione di prestito canonica. Stato citato nel 100% delle risposte sullo Stato. Latenza ridotta a una mediana di 1,6 secondi con recupero a livello di campo. Utilizzo di token per Q&A in media di 3100. Quattro violazioni delle policy tentate. Tutte rifiutate con motivi espliciti e registrate con ID. Gli stessi prompt tra Dev, UAT, Boss e Pro danno prodotto riferimenti ai campi identici. Differenze solo nelle azioni consentite, come previsto. Una breve microstoria. Un tester ha chiesto, FastTrack L501 ad approvato. In precedenza, l'agente diceva, fatto. E allucinava una transizione. Ora, il copilot risponde. Respinto. La transizione di Stato BR inviato approvato non è valida. Transizioni valide. Inviato, revisione iniziale. Offre quindi l'aggiornamento dello Stato del prestito a revisione iniziale. Un click. Percorso conforme, pronto per l'audit. Consegna le risorse. Impacchetta il file del pattern del messaggio di sistema con i token. La checklist di grounding dello schema. Il JSON del template della pipeline di recupero. I template dei prompt a tre flussi e un file di mappatura dell'ambiente per i riferimenti di connessione e le etichette. Versiona tutto. Archivia nel controllo sorgente. All'importazione, le variabili si legano per ambiente. Nessuna modifica manuale in produzione. Siete adulti. Distribuisci in UAT. Esegui la suite. Cattura la tabella prima dopo e presenta due screenshot. Una risposta fondata che cita lo stato della richiesta di prestito e una voce del registro di audit con input mascherati e un ID di correlazione. Questa è la tua prova per l'esecutivo senza rivelare nulla. Ora hai una struttura. Un'identità che non diverge. Un recupero che non allucina. Strumenti che agiscono con privilegi minimi e policy che rifiutano con prove. È ripetibile. Verificabile e veloce. Sbalorditivo cosa succede quando nutri il modello con verità e confini. Concetto chiave. L'ingegneria del contesto. Il recupero di sistema. Gli strumenti e le policy trasformano copilot da un tiratore a indovini prolisso in un compagno di squadra governato che cita campi. Agisce in sicurezza e rifiuta con precisione. Fai la cosa efficiente ora. Clona i template. Lega le variabili d'ambiente. Indicizza il tuo schema dataverse. Applica la DLP ed esegui la suite di valutazione tra dev, UAT e prod. Poi promuovi in UAT con tag di versione e kill switch abilitato. Se questo ti ha fatto risparmiare tempo, ripagami il debito. Iscriviti e guarda il prossimo tutorial sull'arness di valutazione avanzata e sull'orchestrazione multiagente. Procedi.