Microsoft 365 Copilot Prompts: Microsoft Copilot Prompt Flow uitgelegd

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

Microsoft 365 Copilot-prompts uitgelegd: leer werken met prompt flow! Ontdek hoe je effectieve prompts schrijft voor je AI-assistent in Microsoft 365.

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

Microsoft Copilot Prompt Flow is de ruggengraat van de manier waarop Copilot intelligente, contextbewuste antwoorden geeft op je dagelijkse vragen of opdrachten. In het kort verwijst prompt flow naar de gestructureerde keten van gebruikersinvoer, AI-interpretatie, output en feedback die Copilots interactieve mogelijkheden aansturen.

Deze gids legt uit wat prompt flow precies betekent, hoe het achter de schermen werkt en waarom het zo belangrijk is, zowel voor technische als voor zakelijke gebruikers. Je krijgt een duidelijk beeld van hoe prompt flow je instructies omzet in concrete actie en zo je werkstroom binnen het Microsoft-ecosysteem versterkt.

Of je nu automatiseringen bouwt, AI gebruikt om data te analyseren of gewoon slimmere hulp wilt in Microsoft 365, begrijpen hoe prompt flow werkt is essentieel. Laten we dit complexe proces opdelen in eenvoudige, bruikbare stukjes, zodat je het maximale uit Copilot haalt.

De basis van Microsoft Copilot begrijpen

Microsoft Copilot is een AI-assistent die is ontworpen om complexe taken te vereenvoudigen en dagelijkse processen binnen de Microsoft-omgeving te automatiseren. Hij zit in het hart van Microsoft 365, Azure, Power Platform en nieuwere cloudservices en werkt naadloos in apps zoals Word, Excel, Outlook en Teams.

Het kerndoel van Copilot is je helpen meer gedaan te krijgen met minder gedoe. Dat doet hij door je natuurlijketaalprompts te interpreteren en om te zetten in acties, analyses of inzichten, zonder dat je moet coderen of over specialistische technische vaardigheden hoeft te beschikken. Of je nu een rapport opstelt, een e-mailthread samenvat of meerstapsgoedkeuringen automatiseert, Copilot past zich aan je doelen aan.

Copilot brengt AI-mogelijkheden rechtstreeks in vertrouwde Microsoft-tools. Voor organisaties betekent dit snellere werkstromen, betere productiviteit en een consistente gebruikerservaring over alle afdelingen heen. Het helpt gebruikers, van business analisten tot IT'ers, om informatie te beheren, processen te stroomlijnen en datagedreven inzichten boven water te halen.

Uiteindelijk zit de waarde van Copilot in zijn vermogen om context te begrijpen, van je behoeften te leren en ondersteuning te bieden bij alles, van routinetaken tot complexere, gespecialiseerde processen. De magie gebeurt achter de schermen, waar prompt flow de heen-en-weer beweging tussen jouw bedoeling en de dynamische reacties van de AI regisseert.

Wat is een prompt in Microsoft Copilot?

Een prompt in Microsoft Copilot is simpelweg de invoer of vraag die je aan de AI geeft, zoals typen: “Maak een projectsamenvatting op basis van deze documenten”, of zeggen: “Laat me de laatste verkoopcijfers zien.” Prompts sturen Copilot aan door je bedoeling in gewone taal uit te drukken.

De manier waarop je je prompt opstelt, heeft een grote impact. Copilot vertrouwt op je woorden om je doel te achterhalen en te bepalen hoe het moet handelen. Een duidelijke, specifieke prompt maakt het voor de AI eenvoudiger om nauwkeurige, relevante resultaten te genereren. Vage prompts leiden daarentegen tot verwarrende of minder bruikbare output. Doordachte promptopbouw is cruciaal om het maximale uit de AI-mogelijkheden van Copilot te halen.

Hoe prompt flow de intelligentie van Copilot aandrijft

Prompt flow zorgt ervoor dat Copilot je open vragen of instructies omzet in slimme, bruikbare resultaten. Zie het als een dynamische lus: je geeft Copilot een prompt, het verwerkt je verzoek via zijn AI-engine en levert vervolgens een antwoord, vaak met een vraag om verduidelijking of door zelf actie te ondernemen namens jou.

Deze heen-en-weer beweging, waarbij prompts leiden tot output en jouw feedback leidt tot verfijningen, staat centraal in hoe Copilot contextbewust en responsief blijft. In plaats van in een vacuüm te werken, gebruikt Copilot prompt flow om het gesprek bij te houden, belangrijke context te onthouden en zijn acties aan te passen op basis van lopende signalen.

Bij elke interactie put Copilot uit eerdere informatie, past het zich aan nieuwe details aan en verbetert het zijn begrip van je behoeften. Deze iteratieve aanpak houdt de AI geworteld in je werkstroom, waardoor elk resultaat minder aanvoelt als een standaardantwoord en meer als samenwerken met een deskundige collega die echt begrijpt wat je wilt.

Belangrijkste onderdelen van Copilot prompt flow

In de kern bestaat de prompt flow van Copilot uit verschillende onderling verbonden stappen die de AI begeleiden van het ontvangen van je vraag tot het leveren en verfijnen van zijn antwoorden. Elk van deze stappen speelt een eigen rol in een naadloze, intelligente gebruikerservaring.

Eerst is er de manier waarop je je intentie kenbaar maakt via invoer: typen, spreken of kiezen uit opties. Hoe Copilot die invoer verwerkt, de context beheert en zijn interne AI-taken aanstuurt, bepaalt de kwaliteit en betrouwbaarheid van de flow. Na het genereren van de uitvoer sluit het geheel de lus: Copilot leert van je feedback en verfijnt zijn volgende antwoorden voortdurend.

De onderdelen werken samen: de invoer zet het toneel, de AI-orkestratie bepaalt de ervaring, de resultaten leveren waarde op, en je feedback leert het systeem dag na dag slimmer worden. Dit overzicht laat zien dat prompt flow niet alleen draait om losse antwoorden, maar om steeds adaptievere en effectievere interacties met Copilot in de loop van de tijd.

Intentie van de gebruiker en invoer

Intentie van de gebruiker en invoer vormen het begin van alles binnen prompt flow. Wat je typt, zegt of selecteert in Copilot laat aan de AI weten wat je wilt. Of het nu gaat om een eenvoudig verzoek als “Stuur een vergaderuitnodiging voor morgen om 10.00 uur” of om een complexere opdracht met meerdere gegevenspunten: duidelijkheid en context doen er echt toe.

Copilot ondersteunt verschillende vormen van invoer, waaronder natuurlijke taal in tekst, spraak, rijke gegevens of zelfs gestructureerde sjablonen. Het systeem gebruikt ingebouwd taalbegrip om je bericht te interpreteren en herkent het ‘wat’ en soms het ‘waarom’ achter je vraag. Als je invoer helder en specifiek is, levert Copilot veel eerder nauwkeurige, bruikbare uitvoer op die aansluit bij je intentie.

AI-orkestratie en contextverwerking

Zodra Copilot je prompt ontvangt, gaat het aan de slag met zijn AI-orkestratie-engine om te begrijpen wat je wilt. Daarvoor wordt je invoer door machine learning-modellen gehaald en wordt context opgehaald uit de app die je gebruikt, recente interacties en soms zelfs gerelateerde e-mails of documenten.

De orkestratielaag houdt het gesprek relevant. Ze bepaalt welke AI-taken worden gestart, beheert vervolgvragen en houdt bij wat het belangrijkst is voor je werkproces. Deze contextverwerking zorgt ervoor dat antwoorden niet alleen ‘slim’ zijn, maar ook echt rekening houden met de details rond je taak, en zich dynamisch aanpassen zodra je behoeften veranderen.

Uitvoer genereren en acties

Na het verwerken van je invoer en context genereert Copilot de passende uitvoer of actie. Dit kan een tekstuele aanbeveling zijn, een kant-en-klare concepttekst, een geautomatiseerde stap in een grotere workflow of zelfs een visuele samenvatting, afhankelijk van het platform (zoals Microsoft 365, Power Platform of Azure).

De uitvoer van Copilot is meer dan alleen antwoorden: het zijn bruikbare resultaten die je kunt gebruiken, delen of verder verfijnen. De AI integreert native met Microsoft-tools om deze uitvoer precies te leveren waar je hem nodig hebt, en vertaalt je prompts zo naar tastbare voortgang bij je taken.

Feedback en iteratieve verfijning

Feedback is de motor achter verbetering in de prompt flow van Copilot. Wanneer je een Copilot-antwoord bevestigt, corrigeert of aanvult, help je het systeem leren wat werkt en wat niet. Deze feedbacklus zorgt ervoor dat Copilot zich aanpast, slimmer wordt en steeds beter op maat resultaten levert naarmate je het blijft gebruiken.

Bij elke iteratieve cyclus, of je nu suggesties accepteert, verduidelijkingen geeft of afwijkingen aankaart, bouwt Copilot een dieper begrip op van je voorkeuren en de organisatorische context. Hoe meer feedback er is, hoe beter Copilot kan voorspellen en aan je behoeften kan voldoen, terwijl herhaalde fouten en misverstanden afnemen.

Prompt flow in Power Platform en Azure Machine Learning

Prompt flow is niet alleen bedoeld voor chatgebaseerde Copilot-interacties; het staat ook centraal in de manier waarop Power Platform en Azure Machine Learning bedrijfsprocessen automatiseren en modellen trainen. In Power Platform vertalen prompt flows je low-code- of no-code-invoer naar stapsgewijze automatiseringen. Je kunt bijvoorbeeld een Power Automate-flow opzetten waarin je prompt bepaalt welke e-mails automatische antwoorden, documentgeneratie of goedkeuringsworkflows activeren.

In Azure Machine Learning helpen prompt flows data scientists en ontwikkelaars om rijkere prompts te maken voor grote taalmodellen, ze te trainen met praktijkgegevens en de uitvoer te itereren voor taken zoals documentsamenvatting, gegevensextractie of sentimentanalyse. Met prompt flow kun je context hergebruiken, modelaanroepen aan elkaar koppelen en feedback verzamelen, allemaal essentieel voor het efficiënt finetunen van AI-modellen.

Deze platformen gebruiken prompt flow om vervelend of repetitief werk te stroomlijnen en handmatige taken om te zetten in betrouwbare, geautomatiseerde resultaten. Of je nu dashboards maakt, verzoeken verwerkt of voorspellingsmodellen bouwt, prompt flow verbindt de intentie van de gebruiker met krachtige, aanpasbare machine-intelligentie op de achtergrond.

Prompt flow vergeleken: Copilot Studio vs. Power Automate

Hoewel zowel Copilot Studio als Power Automate veel gebruikmaken van prompt flow, pakken ze dat op een manier aan die verschillende zakelijke behoeften dient. Copilot Studio is erop gericht om conversationele, AI-gestuurde bots te bouwen die een reeks prompts en antwoorden kunnen afhandelen, wat zorgt voor een zeer interactieve en aanpasbare gebruikerservaring. De prompt flow in Copilot Studio draait om het sequencen van dialogen, het beheren van context en het mogelijk maken van dynamische verduidelijking of vertakkende gesprekken.

Power Automate gebruikt prompt flow daarentegen om automatiseringsstappen te starten en in een volgorde te zetten op basis van invoer en voorwaarden die gebruikers instellen. Er ligt minder nadruk op conversationele context, maar Power Automate blinkt uit in het orkestreren van gestructureerde workflows, zoals gegevensroutering, meldingen of meertraps-goedkeuringen, aangestuurd door prompts en logische poorten.

In beide tools zijn feedback en iteratie ingebouwd, maar Copilot Studio legt de nadruk op adaptief leren binnen dialogen, terwijl Power Automate zich richt op betrouwbare, herhaalbare procesuitvoering. Inzicht in deze verschillen helpt organisaties de juiste platform te kiezen, voor intelligente chatbot-achtige ervaringen of voor robuuste workflowautomatisering.

Effectieve prompts bouwen voor optimale resultaten

1. Wees helder en specifiek: Directe, eenduidige prompts helpen Copilot precies te begrijpen wat je wilt. Vermijd vage formuleringen. In plaats van “Maak een rapport” kun je beter “Vat de verkoop van Q2 uit dit Excel-bestand samen in één alinea” proberen.
2. Definieer het doel: Geef vooraf aan welk resultaat je verwacht. Geef Copilot een duidelijk doel, zoals “Genereer drie onderwerpregels voor een e-mail voor een klantcampagne”.
3. Geef relevante details: Context doet ertoe. Voeg datums, bestandsnamen of andere specifieke gegevens toe, zoals “Voeg alle teamleden toe aan de agenda-uitnodiging voor vrijdag om 9:00 uur.”
4. Gebruik eenvoudige taal: Schrijf natuurlijk, maar blijf bij termen die Copilot goed kan interpreteren. Eenvoudige, conversationele instructies werken meestal beter dan complexe of technische jargon.
5. Geef waar nodig voorbeelden: Bij lastige taken laat je zien wat je wilt. Bijvoorbeeld: “Zet de samenvatting zo op: opsommingstekens voor de bevindingen en een afsluitende alinea voor de aanbevelingen.”
6. Beoordeel en pas aan: Als Copilot het de eerste keer niet goed doet, scherp dan je prompt aan. Pas de formulering aan of voeg meer details toe voor nauwkeurigere antwoorden.
7. Voorkom overbelasting van één prompt: Splits grote klussen op. In plaats van één enorme prompt gebruik je meerdere duidelijke instructies die Copilot stap voor stap kan uitvoeren.

Veelvoorkomende toepassingen van Copilot prompt flow

• Documenten en e-mails opstellen: Copilot maakt van eenvoudige prompts gedetailleerde rapporten, voorstellen of correspondentie in Word, Outlook of Teams, en bespaart uren routinematig schrijfwerk.
• Goedkeuringen automatiseren: Prompt flow kan meertraps-goedkeuringsketens en meldingen starten in Power Platform, zodat je met minimale handmatige inspanning sneller beslissingen neemt.
• Analyses en dashboards genereren: Copilot gebruikt prompts om de juiste gegevens op te halen in Excel, Power BI of Azure en genereert direct grafieken, samenvattingen of inzichten in prestaties.
• Supportverzoeken verwerken: Van IT-tickets in Teams tot servicedeskautomatisering in Power Automate: prompt flow stroomlijnt het aanmaken, routeren en bijwerken van zaken.
• Beveiliging en compliance versterken: Copilot helpt beleid af te dwingen of problemen te signaleren door gebruikersvragen te vertalen naar audits, gevoeligheidscontroles of compliance-workflows binnen Microsoft 365.

Beveiliging en governance in Copilot prompt flows

Naarmate Copilot en andere AI-agents dieper worden ingebed in enterprise-platformen, is het veilig en goed beheerd houden van prompt flows van groot belang. De flexibiliteit en snelheid van AI-gestuurde automatisering brengen nieuwe risico's met zich mee, zoals datalekken, ongeautoriseerde acties en compliancehiaten, die om robuuste controle vragen.

Goed bestuur bij Copilot-promptflows beschermt zowel de organisatie als de eindgebruiker. Het zorgt ervoor dat gevoelige gegevens niet verkeerd worden gebruikt, dat toegang goed is beperkt en dat AI-uitvoer geen nieuwe beveiligings- of privacyproblemen veroorzaakt. Op hoofdlijnen betekent dit dat je duidelijk gebruiksbeleid vastlegt, continu monitort en handhavingsmechanismen inzet die inspelen op nieuwe dreigingen.

In de onderstaande secties kijken we nader naar mogelijke governance-uitdagingen rond AI-promptflows, gevolgd door beproefde best practices waarmee je organisatie de beveiliging en compliance van promptflows kan versterken, zodat je krachtige automatisering kunt omarmen zonder zorgen.

Hier zijn zeven verrassende feiten over Microsoft Copilot Prompt Flow die veel gebruikers en ontwikkelaars niet verwachten.

1. Visuele orkestratie van prompts: Prompt Flow is meer dan een teksteditor. Het biedt een visueel canvas om prompts te koppelen, te vertakken en te debuggen. Zo wordt prompt-engineering behandeld als een low-code-workflow, waardoor niet-experts kunnen experimenteren met interacties in meerdere stappen.
2. Ingebouwde modelwisseling: Je kunt delen van een flow naar verschillende modellen of modelproviders binnen dezelfde pipeline sturen. Zo zijn hybride strategieën mogelijk, bijvoorbeeld een snel en goedkoop model voor voorbewerking en een model met hogere kwaliteit voor de einduitvoer, zonder aangepaste integratiecode.
3. Databewuste prompts met connectors: Prompt Flow ondersteunt connectors naar gegevensbronnen en Azure-services, zodat prompts live gegevens, embeddings en zoekresultaten rechtstreeks kunnen opnemen en niet alleen statische prompttekst gebruiken.
4. Observability en herkomst: Het platform registreert invoer, tussenresultaten en uitvoer. Dat geeft end-to-end herkomst en metrieken, waarmee je prompt-versies na verloop van tijd kunt controleren, monitoren en vergelijken.
5. Geparameteriseerde en herbruikbare componenten: Met flows definieer je herbruikbare, geparameteriseerde promptcomponenten (sjablonen, beveiligingen, validators). Dat vermindert dubbel werk en verbetert de governance over teams heen.
6. Integratie van veiligheid en guardrails: Prompt Flow kan veiligheidscontroles en filters op meerdere momenten integreren (vóór en ná het model). Zo kun je beleid afdwingen, content modereren en op bias controleren als onderdeel van de flow, en niet achteraf.
7. Exporteerbaar en productieklaar: Flows zijn ontworpen voor de productiecyclus. Ze kunnen worden geëxporteerd als uitrolbare artefacten of worden gekoppeld aan CI/CD- en Azure-deploymentpipelines, wat de overgang van experimenteren naar productie vereenvoudigt.

Mogelijke governance-uitdagingen bij AI-agents

• Ongeautoriseerde automatiseringen: Zonder strikt toezicht kunnen AI-agents acties uitvoeren of gegevens benaderen die verder gaan dan de rol van een gebruiker. Dat brengt shadow IT en compliance-missers met zich mee. Voor een diepere discussie, zie hoe AI-agents governance kunnen voorbijlopen.
• Misbruik en blootstelling van gegevens: Slecht beheerde promptflows kunnen per ongeluk vertrouwelijke gegevens benaderen of verspreiden, vooral zonder effectieve preventie van gegevensverlies (DLP) of auditing.
• Prompt-injectieaanvallen: Kwaadaardige invoer kan AI-agents manipuleren, waardoor ze onverwachte of schadelijke acties uitvoeren wanneer invoervalidatie ontbreekt.
• Verkeerd geconfigureerde machtigingen: Brede of onjuiste machtigingen, zoals besproken in de governance-illusie in Microsoft 365, kunnen onzichtbaar risico creëren. Native controles alleen garanderen namelijk geen goed toezicht.

Continue monitoring en afdwingbaar beleid zijn essentieel om de controle en het overzicht te behouden naarmate automatisering en AI-adoptie groeien.

Best practices om je promptflows te beveiligen

• Dwing least-privilege-toegang af: Beperk de machtigingen van Copilot en andere AI-agents met fijnmazige controles en regelmatige audits, zoals beschreven in deze gids over het beveiligen van Copilot met Microsoft Graph-machtigingen.
• Zorg voor robuuste audittrails: Registreer en controleer acties in promptflows met tools zoals Microsoft Purview en Sentinel, zodat beleidsschendingen of datalekken snel worden opgespoord.
• Breid databeheersing uit en automatiseer deze: Integreer DLP-regels, automatisch labelen en gevoeligheidsmetadata in alle AI-uitvoer, met aanbevelingen in deze Copilot-governancechecklist.
• Leid gebruikers en beheerders op: Zorg voor praktische training zodat iedereen de risico's begrijpt van zwakke prompts, onverwachte automatiseringen en het delen van gegevens binnen door prompts aangestuurde systemen.
• Hanteer een governancekader: Ontwerp afdwingbaar beleid, wijs eigenaars toe voor gegevens en rollen, en richt beoordelingsprocessen in die juridische, security- en technologieteams omvatten, zodat Copilot duurzaam en compliant wordt gebruikt.

Toekomstige ontwikkelingen en trends in Copilot Prompt Flow

Copilot Prompt Flow ontwikkelt zich snel, en meertalige ondersteuning staat zeker bovenaan de lijst. Gartner voorspelt dat in 2026 70% van de conversatie-AI meerdere talen zal ondersteunen, waardoor Copilot-technologie inclusiever wordt voor wereldwijd opererende organisaties. Teams wereldwijd halen echte waarde uit AI die lokale spreektaal en zakelijk jargon meteen begrijpt.

Geavanceerd contextueel leren is een andere gamechanger. Microsoft bouwt integraties met het bredere AI-ecosysteem en verweeft tools uit Azure en Power Platform. Experts verwachten dat strakkere verbindingen Copilot in staat stellen om organisatiekennis mee te nemen, en niet alleen publieke gegevens. Dat betekent treffendere antwoorden, snellere workflows en AI die echt begrijpt hoe jouw bedrijf werkt.

Veelgestelde vragen: Copilot gebruiken voor chatflow en dataflow

Wat is Microsoft Copilot Prompt Flow en hoe verhoudt het zich tot Microsoft 365 Copilot?

Prompt Flow is een ontwikkeltool en workflow voor het ontwerpen, testen en itereren van prompts en flows die werken met grote taalmodellen (LLM's) en Microsoft 365 Copilot-ervaringen. Je maakt er een flow mee op basis van prompts, geketende nodes en services, zodat de prompt flow een ontwikkelbaar onderdeel is dat je kunt integreren in Microsoft 365-apps, Microsoft Teams en andere Microsoft 365-diensten.

Hoe maak ik een flow met Copilot, of door te beschrijven wat ik wil?

Je kunt een flow maken door het gewenste gedrag aan Copilot te beschrijven, of door nodes handmatig samen te stellen in de editor voor prompt flow. Gebruik Copilot om een flow te maken door een invoerprompt of voorbeeld op te geven, verfijn vervolgens de gegenereerde flow, pas de flownaam aan en test je chatflow en flow-uitvoering met voorbeeldinvoer voor flow input 1 en flow input 2.

Wat zijn de belangrijkste onderdelen van een flow in Prompt Flow (nodes, invoer, uitvoer)?

Een flow bestaat doorgaans uit nodes (elk een stap, zoals een prompt naar het LLM, een gegevenszoekopdracht of een evaluatieflow), waarden voor flow input 1 en flow input 2, en resultaten voor flow output 1 en flow output 2. De volledige flow bepaalt de flow-uitvoering: elke node verwerkt invoer en geeft de uitvoer door aan de volgende node, wat complexe dataflow- en chatflow-scenario's mogelijk maakt.

Hoe test en voer ik een flow uit? Wat houdt "test your chat flow" in?

Om je chatflow te testen, geef je invoer om de flow te testen (input to test the flow), voer je de flow run uit en bekijk je de tussentijdse node-uitvoer en de uiteindelijke flow-uitvoer. Je kunt de flow-invoer op elke node gebruiken, de flow als geheel bekijken en itereren door prompts of nodes aan te passen totdat de flow zich gedraagt zoals verwacht.

Kan Prompt Flow worden geïntegreerd met Azure Machine Learning Studio of andere cloudflows?

Ja. Prompt Flow kan communiceren met cloudflows en Azure Machine Learning Studio om modellen, scoring-endpoints of datapijplijnen aan te roepen. Je kunt cloudflow-integraties maken die gegevens doorgeven aan externe services, wat hybride dataflow-scenario's mogelijk maakt en Azure Machine Learning Studio inzet voor maatwerkevaluatie en -implementatie van modellen.

Hoe gaat Prompt Flow om met beveiligingsupdates, gegevensgrenzen en de servicegrenzen van Microsoft 365?

Prompt Flow volgt de beveiligingsrichtlijnen van Microsoft en respecteert de servicegrens van Microsoft 365 wanneer het is geïntegreerd met Microsoft 365-diensten. Beheerders moeten beveiligingsupdates, governance-instellingen en beleid voor gegevensverwerking controleren om te waarborgen dat de gegevens die Copilot verwerkt compliant zijn. Gebruik controles op tenantniveau en volg de resources op Microsoft Learn voor een veilige configuratie.

Wat is de aanbevolen ontwikkelcyclus voor AI-applicaties met Prompt Flow en de Copilot-architectuur?

De ontwikkelcyclus omvat het ontwerpen van de flow (flow is een ontwikkeltool), het ontwikkelen van promptvarianten, het testen met echte flow-invoer, het evalueren van de uitvoer (evaluatieflow), het implementeren in Microsoft 365 Copilot of copilot chat, het monitoren van de prestaties en het toepassen van beveiligingsupdates. Deze cyclus maakt gebruik van de copilot-architectuur en wordt aangedreven door grote taalmodellen voor iteratieve verbeteringen.

Waar kan ik aanvullende bronnen, technische ondersteuning en begeleiding van Microsoft Learn vinden?

Microsoft Learn biedt zelfstudies en modules voor prompt flow in Microsoft Foundry en flow in de Microsoft Foundry-portal. Voor technische ondersteuning en aanvullende bronnen raadpleeg je de Microsoft-documentatie, communityforums en officiële supportkanalen. Zo krijg je hulp bij het maken van flows, het oplossen van problemen bij flowuitvoeringen en de integratie met Microsoft 365-diensten.

Hoe evalueer en debug ik een flow — hoe ziet het eruit als ik gedetailleerde flow-overzichtsinformatie bekijk?

Gebruik het flowoverzicht om gedetailleerde flow-overzichtsinformatie te bekijken, inclusief logboeken op knooppuntniveau, snapshots van flowinvoer en -uitvoer en uitvoeringstraces. Debuggen houdt in dat je de prompt naar het LLM op elk knooppunt bekijkt, tussentijdse uitvoer controleert, de invoerprompt of knooppuntparameters aanpast en de flow opnieuw uitvoert om de oplossingen te valideren.

Kan ik Prompt Flow gebruiken om gesprekservaringen te maken in Microsoft Teams en andere Microsoft 365-apps?

Ja. Je kunt prompt flow ontwikkelen en flows insluiten in Microsoft Teams of andere Microsoft 365-apps, zodat copilot-antwoorden en chatflow-ervaringen mogelijk worden. Configureer de gebeurtenis die een flow start (bijvoorbeeld een bericht of een knop), koppel de uitvoer van flow output 1/flow output 2 aan antwoorden die gebruikers zien, en test de flowuitvoering binnen de context van de doelapp om een correct gedrag te garanderen.