Prompty w Microsoft 365 Copilot: wyjaśnienie przepływu promptów w Microsoft Copilot

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

Prompty w Microsoft 365 Copilot wyjaśnione: opanuj przepływ promptów! Dowiedz się, jak tworzyć skuteczne prompty dla swojego asystenta AI w Microsoft 365.

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

Przepływ promptów w Microsoft Copilot stanowi podstawę sposobu, w jaki Copilot udziela inteligentnych, uwzględniających kontekst odpowiedzi na codzienne pytania i polecenia. Mówiąc najkrócej, przepływ promptów to uporządkowany łańcuch: dane wejściowe użytkownika, interpretacja przez AI, wyniki oraz informacja zwrotna, które napędzają interaktywne możliwości Copilota.

Ten przewodnik krok po kroku wyjaśni, co dokładnie oznacza przepływ promptów, jak działa za kulisami i dlaczego jest tak ważny zarówno dla specjalistów technicznych, jak i użytkowników biznesowych. Zobaczysz, jak przepływ promptów przekształca Twoje polecenia w konkretne działania i usprawnia pracę w ekosystemie Microsoft.

Niezależnie od tego, czy budujesz automatyzacje, wykorzystujesz AI do analizy danych, czy po prostu chcesz mądrzejszej pomocy w Microsoft 365, zrozumienie przepływu promptów jest kluczowe. Rozłóżmy ten złożony proces na proste, praktyczne elementy, abyś mógł maksymalnie wykorzystać Copilota.

Podstawy Microsoft Copilot

Microsoft Copilot to asystent oparty na AI, zaprojektowany, aby upraszczać złożone zadania i automatyzować codzienne procesy w środowisku Microsoft. Znajduje się w centrum Microsoft 365, Azure, Power Platform i nowszych usług chmurowych, a także bezproblemowo działa w aplikacjach takich jak Word, Excel, Outlook czy Teams.

Podstawowym celem Copilota jest pomaganie w osiąganiu większej liczby rezultatów przy mniejszym nakładzie pracy. Robi to, interpretując Twoje prompty w języku naturalnym i zamieniając je w działania, analizy lub wnioski, bez konieczności programowania czy specjalistycznych umiejętności technicznych. Niezależnie od tego, czy piszesz raport, podsumowujesz wątek e-mailowy, czy automatyzujesz wieloetapowe zatwierdzanie, Copilot dostosowuje się do Twoich celów.

Copilot wprowadza możliwości AI bezpośrednio do znanych narzędzi Microsoft. Dla organizacji oznacza to szybsze procesy, lepszą produktywność i spójne doświadczenie użytkownika we wszystkich działach. Pomaga użytkownikom – od analityków biznesowych po specjalistów IT – zarządzać informacjami, usprawniać operacje i wydobywać wnioski oparte na danych.

Ostatecznie wartość Copilota tkwi w jego zdolności do rozumienia kontekstu, uczenia się na podstawie Twoich potrzeb oraz wspierania wszystkiego, od rutynowych zadań po bardziej złożone, specjalistyczne procesy. Magia dzieje się za kulisami, gdzie przepływ promptów koordynuje wymianę między Twoim zamiarem a dynamicznymi odpowiedziami AI.

Czym jest prompt w Microsoft Copilot?

Prompt w Microsoft Copilot to po prostu dane wejściowe lub pytanie, które przekazujesz AI – na przykład wpisując „Utwórz podsumowanie projektu na podstawie tych dokumentów” lub mówiąc „Pokaż najnowsze dane sprzedażowe”. Prompty kierują działaniem Copilota, wyrażając Twój zamiar prostym językiem.

Sposób formułowania promptu ma ogromne znaczenie. Copilot opiera się na Twoich słowach, aby określić cel i ustalić, jak działać. Jasny, konkretny prompt ułatwia AI generowanie trafnych i przydatnych wyników. Z kolei niejednoznaczne prompty mogą prowadzić do mylących lub mniej użytecznych rezultatów. Przemyślane projektowanie promptów ma kluczowe znaczenie dla wykorzystania pełnego potencjału możliwości AI Copilota.

Jak przepływ promptów napędza inteligencję Copilota

Przepływ promptów pozwala Copilotowi przekształcić Twoje otwarte pytania lub polecenia w inteligentne, konkretne wyniki. Myśl o tym jak o dynamicznej pętli: przekazujesz Copilotowi prompt, on przetwarza Twoje żądanie w swoim silniku AI, a następnie zwraca odpowiedź – często prosząc o dodatkowe wyjaśnienia lub podejmując działanie w Twoim imieniu.

Ta wymiana, w której prompty prowadzą do wyników, a Twoja informacja zwrotna prowadzi do udoskonaleń, stanowi o tym, że Copilot zachowuje świadomość kontekstu i reaguje na sytuację. Zamiast działać w próżni, Copilot wykorzystuje przepływ promptów, aby śledzić rozmowę, zapamiętywać ważne konteksty i dostosowywać swoje działania do bieżących wskazówek.

Przy każdej interakcji Copilot korzysta z wcześniejszych informacji, dostosowuje się do nowych szczegółów i lepiej rozumie Twoje potrzeby. Dzięki takiemu iteracyjnemu podejściu AI pozostaje osadzone w Twoim procesie pracy, a każdy wynik przypomina mniej gotową odpowiedź, a bardziej współpracę z doświadczonym kolegą, który naprawdę rozumie, czego oczekujesz.

Kluczowe elementy przepływu promptów Copilota

U podstaw przepływ promptów Copilota składa się z kilku powiązanych ze sobą kroków, które prowadzą AI od odebrania zapytania do dostarczenia i doprecyzowania odpowiedzi. Każdy z tych kroków odgrywa odrębną rolę w tworzeniu płynnego, inteligentnego doświadczenia użytkownika.

Po pierwsze, jest sposób, w jaki wyrażasz swój zamiar poprzez dane wejściowe – czy to pisząc, mówiąc, czy wybierając opcje. To, jak Copilot przetwarza te dane, zarządza kontekstem i koordynuje wewnętrzne zadania AI, decyduje o jakości i niezawodności całego przepływu. Po wygenerowaniu wyników pętla się zamyka: Copilot uczy się na podstawie Twojej opinii i stale udoskonala swoje przyszłe odpowiedzi.

Wszystkie elementy współpracują ze sobą: dane wejściowe wyznaczają kontekst, orkiestracja AI kształtuje działanie, wyniki przynoszą wartość, a Twoja opinia sprawia, że system z dnia na dzień staje się mądrzejszy. Ten przegląd pokazuje, że przepływ promptów nie polega wyłącznie na dostarczaniu pojedynczych odpowiedzi, ale na budowaniu coraz bardziej elastycznych i skutecznych interakcji z Copilotem w czasie.

Zamiar użytkownika i dane wejściowe

Zamiar użytkownika i dane wejściowe są punktem wyjścia całego przepływu promptów. To, co wpiszesz, powiesz lub wybierzesz w Copilocie, przekazuje sztucznej inteligencji Twoje cele. Czy to prosta prośba w rodzaju „Wyślij zaproszenie na spotkanie jutro o 10:00”, czy bardziej złożone polecenie obejmujące wiele punktów danych – jasność i kontekst naprawdę mają znaczenie.

Copilot obsługuje różne formy danych wejściowych, w tym tekst w języku naturalnym, głos, bogate dane, a nawet ustrukturyzowane szablony. System wykorzystuje wbudowane rozumienie języka, aby interpretować Twoją wiadomość – wykrywa, „co” i czasem „dlaczego” stoi za zapytaniem. Gdy dane wejściowe są jasne i konkretne, Copilot znacznie chętniej dostarczy dokładne, użyteczne wyniki zgodne z Twoim zamiarem.

Orkiestracja AI i obsługa kontekstu

Gdy Copilot otrzyma Twój prompt, uruchamia silnik orkiestracji AI, aby zrozumieć, czego potrzebujesz. Obejmuje to przetworzenie danych wejściowych przez modele uczenia maszynowego, pobranie kontekstu z bieżącej aplikacji, ostatnich interakcji, a czasem także powiązanych wiadomości e-mail lub dokumentów.

Warstwa orkiestracji dba o trafność rozmowy. Decyduje, które zadania AI uruchomić, zarządza pytaniami uzupełniającymi i śledzi to, co jest najważniejsze dla Twojego procesu pracy. Ta obsługa kontekstu sprawia, że odpowiedzi są nie tylko „inteligentne”, ale także głęboko świadome szczegółów związanych z zadaniem – dynamicznie dostosowują się wraz ze zmianą Twoich potrzeb.

Generowanie wyników i działania

Po przetworzeniu danych wejściowych i kontekstu Copilot generuje odpowiedni wynik lub działanie. Może to być rekomendacja tekstowa, gotowa wersja robocza, zautomatyzowany krok w większym procesie, a nawet wizualne podsumowanie – w zależności od platformy (na przykład Microsoft 365, Power Platform lub Azure).

Wyniki Copilota to nie tylko odpowiedzi – są to konkretne rezultaty, które można wykorzystać, udostępnić lub dalej udoskonalać. Sztuczna inteligencja jest natywnie zintegrowana z narzędziami Microsoftu, dzięki czemu dostarcza te wyniki dokładnie tam, gdzie są potrzebne, przekształcając Twoje prompty w namacalny postęp w realizacji zadań.

Opinia i iteracyjne doskonalenie

Opinie są siłą napędową ulepszania przepływu promptów w Copilocie. Gdy potwierdzasz, poprawiasz lub rozwijasz odpowiedź Copilota, pomagasz systemowi zrozumieć, co działa, a co nie. Ta pętla sprzężenia zwrotnego pozwala Copilotowi się dostosowywać, stawać się mądrzejszym i dostarczać bardziej dopasowane wyniki w miarę dalszego korzystania z niego.

Z każdym cyklem iteracji – czy akceptujesz sugestie, udzielasz wyjaśnień, czy zgłaszasz niezgodności – Copilot buduje głębsze zrozumienie Twoich preferencji i kontekstu organizacyjnego. Im więcej opinii otrzymuje, tym lepiej przewiduje Twoje potrzeby i je spełnia, jednocześnie ograniczając powtarzające się błędy i nieporozumienia.

Przepływ promptów w Power Platform i Azure Machine Learning

Przepływ promptów nie służy wyłącznie do interakcji z Copilotem w formie czatu; jest także kluczowy dla sposobu, w jaki Power Platform i Azure Machine Learning automatyzują procesy biznesowe i trenowanie modeli. W Power Platform przepływy promptów przekształcają Twoje dane wejściowe w ramach low-code lub no-code w zautomatyzowane, krok po kroku, procesy. Na przykład możesz skonfigurować przepływ w Power Automate, w którym prompt decyduje, które wiadomości e-mail uruchamiają automatyczne odpowiedzi, generowanie dokumentów lub przepływy zatwierdzania.

W Azure Machine Learning przepływ promptów pomaga analitykom danych i deweloperom tworzyć bogatsze prompty dla dużych modeli językowych, trenować je na rzeczywistych danych wejściowych i iterować wyniki dla zadań takich jak streszczanie dokumentów, ekstrakcja danych czy analiza sentymentu. Przepływ promptów umożliwia ponowne wykorzystanie kontekstu, łączenie wywołań modeli i zbieranie opinii – wszystko to jest niezbędne do efektywnego dostrajania modeli AI.

Te platformy wykorzystują prompt flow, aby usprawnić żmudne lub powtarzalne prace, zamieniając ręczne zadania w niezawodne, zautomatyzowane wyniki. Niezależnie od tego, czy tworzysz pulpity nawigacyjne, przetwarzasz żądania, czy budujesz modele predykcyjne, prompt flow łączy zamiar użytkownika z potężną, elastyczną inteligencją maszynową działającą w tle.

Porównanie prompt flow: Copilot Studio kontra Power Automate

Chociaż zarówno Copilot Studio, jak i Power Automate intensywnie korzystają z prompt flow, podchodzą do niego w sposób dopasowany do różnych potrzeb biznesowych. Copilot Studio służy do tworzenia opartych na AI botów konwersacyjnych, które potrafią obsłużyć sekwencję pytań i odpowiedzi, zapewniając bardzo interaktywne i elastyczne doświadczenie użytkownika. Prompt flow w Copilot Studio polega przede wszystkim na sekwencjonowaniu dialogu, zarządzaniu kontekstem i umożliwianiu dynamicznych doprecyzowań lub rozgałęzionych rozmów.

Power Automate natomiast wykorzystuje prompt flow do uruchamiania i sekwencjonowania kroków automatyzacji na podstawie danych wejściowych i warunków ustawionych przez użytkowników. Choć kontekst konwersacyjny odgrywa tu mniejszą rolę, Power Automate doskonale sprawdza się w orkiestracji ustrukturyzowanych przepływów pracy, takich jak kierowanie danych, powiadomienia czy wieloetapowe zatwierdzanie, sterowanych poleceniami i bramkami logicznymi.

W obu narzędziach informacja zwrotna i iteracja są wbudowane, ale Copilot Studio kładzie nacisk na adaptacyjne uczenie się w ramach dialogów, podczas gdy Power Automate koncentruje się na niezawodnym, powtarzalnym wykonywaniu procesów. Znajomość tych różnic pomaga organizacjom wybrać właściwą platformę, zarówno do inteligentnych doświadczeń przypominających czatbota, jak i do solidnej automatyzacji przepływów pracy.

Tworzenie skutecznych promptów dla optymalnych wyników

1. Bądź jasny i konkretny: Bezpośrednie, jednoznaczne prompty pomagają Copilot zrozumieć, czego dokładnie oczekujesz. Unikaj niejasnych sformułowań. Zamiast „Przygotuj raport” spróbuj: „Podsumuj sprzedaż za drugi kwartał z tego arkusza Excel w jednym akapicie”.
2. Określ cel: Podaj od razu oczekiwany rezultat. Wyznacz Copilot wyraźny cel, na przykład: „Wygeneruj trzy tematy e-maili na potrzeby kampanii kontaktu z klientami”.
3. Podaj istotne szczegóły: Kontekst ma znaczenie. Uwzględnij daty, nazwy plików lub inne konkrety, na przykład: „Dodaj wszystkich członków zespołu do zaproszenia na spotkanie w piątek o 9:00”.
4. Używaj prostego języka: Pisz naturalnie, ale trzymaj się pojęć, które Copilot może łatwo zinterpretować. Proste, konwersacyjne polecenia zwykle działają lepiej niż złożony lub techniczny żargon.
5. Podawaj przykłady, gdy są potrzebne: W przypadku trudnych zadań pokaż, czego oczekujesz. Na przykład: „Sformatuj podsumowanie w ten sposób: wypunktowane ustalenia, a na końcu akapit z rekomendacjami”.
6. Sprawdź i popraw: Jeśli Copilot nie trafi za pierwszym razem, zmodyfikuj prompt. Zmień sformułowania lub dodaj więcej szczegółów, aby uzyskać dokładniejsze odpowiedzi.
7. Nie przeciążaj jednego promptu: Dziel duże zadania na mniejsze części. Zamiast jednego rozbudowanego promptu użyj kilku jasnych poleceń, które Copilot może wykonać krok po kroku.

Typowe przypadki użycia prompt flow w Copilot

• Tworzenie dokumentów i e-maili: Copilot zamienia proste prompty w szczegółowe raporty, oferty lub korespondencję w usługach Word, Outlook czy Microsoft Teams, oszczędzając godziny na rutynowym pisaniu.
• Automatyzacja zatwierdzania: Prompt flow może uruchamiać wieloetapowe łańcuchy zatwierdzeń i powiadomień w ramach Power Platform, pomagając przyspieszyć podejmowanie decyzji przy minimalnym nakładzie ręcznej pracy.
• Generowanie analiz i pulpitów nawigacyjnych: Copilot wykorzystuje prompty do pobierania właściwych danych w Excelu, Power BI lub Azure, generując natychmiast wykresy, podsumowania lub analizy wyników.
• Obsługa zgłoszeń wsparcia: Od zgłoszeń IT w Teams po automatyzację działu obsługi w Power Automate, prompt flow usprawnia tworzenie spraw, ich kierowanie i aktualizowanie.
• Zwiększanie bezpieczeństwa i zgodności: Copilot pomaga egzekwować zasady lub sygnalizować problemy, tłumacząc zapytania użytkowników na audyty, kontrole etykiet poufności lub przepływy zgodności w całym Microsoft 365.

Bezpieczeństwo i zarządzanie w przepływach prompt flow w Copilot

W miarę jak Copilot i inne agenty AI coraz głębiej wrastają w platformy przedsiębiorstw, zapewnienie bezpieczeństwa i dobrego zarządzania przepływami prompt flow staje się kluczowe. Elastyczność i szybkość automatyzacji opartej na AI niosą ze sobą nowe ryzyka, takie jak wycieki danych, nieautoryzowane działania i luki w zgodności, które wymagają solidnego nadzoru.

Dobre zarządzanie przepływami promptów w Copilot chroni zarówno organizację, jak i użytkownika końcowego. Dzięki niemu wrażliwe dane nie są źle wykorzystywane, dostęp jest odpowiednio ograniczony, a wyniki generowane przez AI nie wprowadzają nowych problemów z bezpieczeństwem ani prywatnością. Ogólnie oznacza to ustanowienie jasnych zasad użytkowania, ciągłego monitorowania oraz mechanizmów egzekwowania, które odpowiadają na pojawiające się zagrożenia.

Poniższe sekcje bliżej przyglądają się potencjalnym wyzwaniom związanym z zarządzaniem przepływami promptów AI, a następnie przedstawiają sprawdzone najlepsze praktyki, które Twoja organizacja może wykorzystać, aby wzmocnić bezpieczeństwo i zgodność przepływów promptów, dzięki czemu bez obaw będziesz mógł korzystać z potężnej automatyzacji.

Oto siedem zaskakujących faktów o Microsoft Copilot Prompt Flow, których wielu użytkowników i deweloperów się nie spodziewa.

1. Wizualna orkiestracja promptów: Prompt Flow to nie tylko edytor tekstu – udostępnia wizualne płótno do łączenia, rozgałęziania i debugowania promptów. Dzięki temu inżynieria promptów działa jak przepływ pracy low-code, a osoby bez specjalistycznego przygotowania mogą eksperymentować z wieloetapowymi interakcjami.
2. Wbudowane przełączanie modeli: Części przepływu można kierować do różnych modeli lub dostawców modeli w ramach tego samego potoku, co umożliwia strategie hybrydowe (np. szybki, tani model do wstępnego przetwarzania i model o wyższej jakości do wygenerowania wyniku końcowego) bez pisania niestandardowego kodu integracji.
3. Prompty świadome danych dzięki łącznikom: Prompt Flow obsługuje łączniki do źródeł danych i usług Azure, dzięki czemu prompty mogą bezpośrednio uwzględniać dane na żywo, osadzenia (embeddings) i wyniki wyszukiwania, a nie wyłącznie statyczny tekst.
4. Obserwowalność i pochodzenie danych: Platforma rejestruje dane wejściowe, pośrednie odpowiedzi i wyniki, zapewniając śledzenie pochodzenia od początku do końca oraz metryki, które umożliwiają audytowanie, monitorowanie i porównywanie wersji promptów w czasie.
5. Parametryzowane i wielokrotnego użytku komponenty: Przepływy pozwalają definiować komponenty promptów wielokrotnego użytku, z parametrami (szablony, zabezpieczenia, walidatory), które ograniczają duplikowanie i poprawiają zarządzanie w zespołach.
6. Integracja zabezpieczeń i mechanizmów ochronnych: Prompt Flow może integrować kontrole bezpieczeństwa i filtry na wielu etapach (przed i po modelu), umożliwiając egzekwowanie zasad, moderację treści i kontrolę błędów, jako część przepływu, a nie jako element dodany na końcu.
7. Gotowy do eksportu i produkcji: Zaprojektowany z myślą o cyklu życia w środowisku produkcyjnym, przepływy można eksportować jako artefakty gotowe do wdrożenia lub łączyć z potokami CI/CD i wdrożeniami w Azure, co upraszcza przejście od eksperymentów do produkcji.

Potencjalne wyzwania związane z zarządzaniem agentami AI

• Nieautoryzowana automatyzacja: Bez ścisłego nadzoru agenci AI mogą uruchamiać działania lub uzyskiwać dostęp do danych wykraczających poza rolę użytkownika, co grozi powstaniem shadow IT i naruszeniami zgodności. Więcej na ten temat znajdziesz w artykule o tym, jak agenci AI mogą wyprzedzać zarządzanie.
• Niewłaściwe wykorzystanie i ujawnienie danych: Przepływy promptów, którymi zarządza się w sposób niedostateczny, mogą przypadkowo uzyskiwać dostęp do poufnych danych lub je udostępniać, zwłaszcza bez skutecznego zapobiegania utracie danych (DLP) i audytu.
• Ataki typu prompt injection: Złośliwe dane wejściowe mogą manipulować agentami AI, skłaniając ich do wykonywania nieoczekiwanych lub szkodliwych działań, jeśli brakuje walidacji danych wejściowych.
• Błędnie skonfigurowane uprawnienia: Przypisywanie szerokich lub niewłaściwych uprawnień – takich jak te omówione w artykule o iluzji zarządzania w Microsoft 365 – może tworzyć niewidoczne ryzyko, ponieważ same natywne mechanizmy kontroli nie gwarantują właściwego nadzoru.

Ciągłe monitorowanie i egzekwowalne zasady są niezbędne do utrzymania kontroli i widoczności w miarę rozwoju automatyzacji i wdrażania AI.

Najlepsze praktyki zabezpieczania przepływów promptów

• Egzekwuj dostęp z zasadą najmniejszych uprawnień: Ograniczaj uprawnienia Copilot oraz innych agentów AI, stosując precyzyjne kontrole i regularne audyty, jak opisano w tym przewodniku po zabezpieczaniu Copilot za pomocą uprawnień Microsoft Graph.
• Wdrażaj solidne ścieżki audytu: Śledź i analizuj działania w przepływach promptów za pomocą narzędzi takich jak Microsoft Purview i Sentinel, aby szybko wykrywać naruszenia zasad lub wycieki danych.
• Rozszerz i zautomatyzuj kontrolę danych: Zintegruj reguły DLP, automatyczne etykietowanie i metadane poufności we wszystkich wynikach AI, a zalecenia znajdziesz w tej liście kontrolnej zarządzania Copilot.
• Edukuj użytkowników i administratorów: Zapewnij praktyczne szkolenia, aby wszyscy rozumieli ryzyko słabych promptów, nieoczekiwanych automatyzacji i udostępniania danych w systemach opartych na promptach.
• Przyjmij ramy zarządzania: Zaprojektuj egzekwowalne zasady, przypisz właścicieli danych i ról oraz ustaw procesy przeglądu obejmujące zespoły prawne, bezpieczeństwa i technologiczne, aby korzystanie z Copilot było trwałe i zgodne z przepisami.

Przyszły rozwój i trendy w Copilot Prompt Flow

Copilot Prompt Flow rozwija się szybko, a wsparcie dla wielu języków z pewnością znajduje się na czele listy. Gartner przewiduje, że do 2026 roku 70% konwersacyjnej AI będzie obsługiwać wiele języków, co uczyni technologie Copilot bardziej dostępnymi w globalnych organizacjach. Zespoły na całym świecie zyskają realną wartość, gdy ich AI od razu będzie rozumieć lokalny slang i żargon biznesowy.

Zaawansowane uczenie kontekstowe to kolejna przełomowa zmiana. Microsoft buduje integracje z szerszym ekosystemem AI, łącząc narzędzia z Azure i Power Platform. Eksperci prognozują, że ściślejsze powiązania pozwolą Copilot uwzględniać wiedzę organizacji, a nie tylko dane publiczne. Oznacza to trafniejsze odpowiedzi, szybsze procesy i AI, która naprawdę rozumie, jak funkcjonuje Twój biznes.

Często zadawane pytania: użycie Copilot w chat flow i data flow

Czym jest Microsoft Copilot Prompt Flow i jak wiąże się z Microsoft 365 Copilot?

Prompt Flow to narzędzie deweloperskie i przepływ pracy do projektowania, testowania i iteracyjnego ulepszania promptów oraz flow, które współpracują z dużymi modelami językowymi (LLM) i funkcjami Microsoft 365 Copilot. Pozwala tworzyć flow z użyciem promptów, łączyć węzły i usługi, dzięki czemu flow jest zasobem deweloperskim, który można zintegrować z aplikacjami Microsoft 365, usługą Microsoft Teams i innymi usługami Microsoft 365.

Jak utworzyć flow za pomocą Copilot lub opisując, czego potrzebuję?

Flow możesz utworzyć, opisując Copilot pożądane działanie lub ręcznie komponując węzły w edytorze Prompt Flow. Aby użyć Copilot, podaj prompt wejściowy lub przykład, następnie dopracuj wygenerowany flow, zmień jego nazwę i przetestuj chat flow oraz wykonanie flow, używając przykładowych danych wejściowych flow 1 i flow 2.

Jakie są kluczowe składniki flow w Prompt Flow (węzły, wejścia, wyjścia)?

Flow zazwyczaj zawiera węzły (każdy reprezentuje krok, np. prompt do LLM, wyszukiwanie danych lub ocenę), wartości flow input 1/flow input 2 oraz wyniki flow output 1/flow output 2. Całe flow określa wykonanie flow: każdy węzeł przetwarza dane wejściowe i przekazuje wyniki do kolejnego węzła, co umożliwia złożone scenariusze data flow i chat flow.

Jak przetestować i wykonać flow, czyli co oznacza „test your chat flow”?

Aby przetestować chat flow, podaj dane wejściowe do testu (input to test the flow), uruchom przebieg flow i obserwuj pośrednie wyniki węzłów oraz końcowy flow output. Możesz odwoływać się do flow input w każdym węźle, analizować flow jako całość i iterować, edytując prompty lub węzły, aż flow będzie działać zgodnie z oczekiwaniami.

Czy Prompt Flow może być zintegrowany z Azure Machine Learning Studio lub innymi chmurowymi flow?

Tak. Prompt Flow może współpracować z chmurowym flow i Azure Machine Learning Studio, aby wywoływać modele, punkty końcowe oceniania lub potoki danych. Możesz tworzyć integracje chmurowego flow, które przekazują dane do usług zewnętrznych, umożliwiając hybrydowe scenariusze data flow oraz wykorzystanie Azure Machine Learning Studio do oceny i wdrażania modeli niestandardowych.

Jak Prompt Flow obsługuje aktualizacje zabezpieczeń, granice danych i kwestie granic usługi Microsoft 365?

Prompt Flow stosuje się do wytycznych Microsoft dotyczących bezpieczeństwa i respektuje granicę usługi Microsoft 365, gdy jest zintegrowany z usługami Microsoft 365. Administratorzy powinni przeglądać aktualizacje zabezpieczeń, ustawienia zarządzania oraz zasady obsługi danych, aby upewnić się, że dane przetwarzane przez Copilot są zgodne z wymogami. Stosuj kontrolki na poziomie dzierżawy i korzystaj z materiałów Microsoft Learn, aby bezpiecznie skonfigurować środowisko.

Jaki jest zalecany cykl rozwoju aplikacji AI wykorzystujących Prompt Flow i architekturę Copilot?

Cykl tworzenia obejmuje projektowanie przepływu (flow to narzędzie deweloperskie), opracowywanie wariantów promptów, testowanie na rzeczywistych danych wejściowych przepływu, ocenianie wyników (przepływ oceny), wdrażanie w usłudze Microsoft 365 Copilot lub w czacie copilot, monitorowanie wydajności oraz stosowanie aktualizacji zabezpieczeń. Ten cykl wykorzystuje architekturę copilot i opiera się na dużych modelach językowych, dzięki czemu możliwe są iteracyjne ulepszenia.

Gdzie mogę znaleźć dodatkowe zasoby, pomoc techniczną i wskazówki w Microsoft Learn?

Microsoft Learn oferuje samouczki i moduły dotyczące Prompt Flow w usłudze Microsoft Foundry oraz przepływów w portalu Microsoft Foundry. Pomoc techniczną i dodatkowe zasoby znajdziesz w dokumentacji Microsoft, na forach społecznościowych i w oficjalnych kanałach pomocy technicznej. Pomogą one w tworzeniu przepływów, rozwiązywaniu problemów z uruchomieniami przepływów oraz integracji z usługami Microsoft 365.

Jak mam oceniać i debugować przepływ? Jak wygląda szczegółowy przegląd informacji o przepływie?

Skorzystaj z przeglądu przepływu, aby zobaczyć szczegółowe informacje o przepływie, w tym dzienniki na poziomie węzłów, migawki danych wejściowych i wyjściowych przepływu oraz ślady wykonania. Debugowanie polega na sprawdzeniu promptu wysyłanego do modelu LLM w każdym węźle, analizie wyników pośrednich, dostosowaniu promptu wejściowego lub parametrów węzła oraz ponownym uruchomieniu przepływu w celu weryfikacji poprawek.

Czy mogę używać Prompt Flow do tworzenia rozmów w usługach Microsoft Teams i innych aplikacjach Microsoft 365?

Tak. Możesz tworzyć przepływy Prompt Flow i osadzać je w usłudze Microsoft Teams lub innych aplikacjach Microsoft 365, dzięki czemu będą dostępne odpowiedzi copilot oraz doświadczenia czatu oparte na przepływach. Skonfiguruj zdarzenie uruchamiające przepływ (na przykład wiadomość lub przycisk), zmapuj wyjście przepływu 1 i wyjście przepływu 2 na odpowiedzi widoczne dla użytkownika, a następnie przetestuj uruchomienie przepływu w kontekście docelowej aplikacji, aby upewnić się, że działa poprawnie.