[中英对照]Microsoft® Copilot™ Stud

io 快速入门（中英文对照版电子书） 核心内容框架 （一）Copilot 生态系统认知（第 1 章） 基础概念普及：解释生成式人工智能（GenAI）的定义、工作原理，介绍 GenAI 模型、大型语言模型（LLMs）、训练数据、模式识别、内容创建等关键术语，同时强调 GenAI 存在偏见风险，需通过多样化训练数据降低该风险。 微软 Copilot 战略：阐述微软对 OpenAI 的战略投资，以及由此推出的 Azure OpenAI 服务，重点讲解检索增强生成（RAG）模式 —— 通过检索外部数据源、结合用户提示传递给 LLM、生成响应的流程，提升 LLM 回答准确性。还介绍了 Microsoft 365 Copilot 的架构，其遵循 RAG 模式，且在返回响应前会经过合规检查，保障企业数据安全与合规。 Copilot 产品矩阵：梳理微软 Copilot 系列产品，如适用于销售角色的 Copilot for Sales、面向客服场景的 Copilot for Service、专注 cybersecurity 的 Copilot for Security，以及 Microsoft Viva 中的 Copilot 功能等，并提供 “AI/Copilot 角色映射” 表，帮助企业根据不同部门和角色匹配合适的 Copilot 产品。 Copilot Studio 定位：指出 Copilot Studio 并非独立 Copilot 产品，而是低代码平台，可用于扩展现有微软 Copilot 功能或构建独立 Copilot 代理，能集成微软 Power Platform 系列应用，满足企业个性化 AI 需求。 （二）Copilot Studio 基础入门（第 2 章） 目标用户与价值：核心受众包括 IT 专业人员和 “平民开发者”（书中后续统一称 “创造者”）。“平民开发者” 凭借深厚业务领域知识，能开发贴合实际需求的解决方案，同时也需应对开发规范缺失、重复开发等挑战，而 Copilot Studio 通过低代码特性降低开发门槛，促进业务与 IT 协作，加速创新、节省成本。 平台核心与前提：Copilot Studio 基于 Power Virtual Agents 升级而来，为纯网页端配置式开发平台，无需大量代码编写。使用需满足两个核心许可要求：租户许可（由 M365 全局管理员获取）和用户许可（分配给需创建管理代理的用户），且部署不同渠道可能需额外许可，如部署到 M365 Copilot 需 M365 Copilot 许可。 首次代理创建：详细介绍创建首个 Copilot 代理的步骤，包括通过自然语言描述代理用途（如 “创建 IT 帮助台代理，解答密码重置、软件安装请求等问题”），配置代理名称、系统提示（设定代理行为和语气）、知识来源（支持公共网站、文档、SharePoint、Dataverse 等，需注意各来源的限制和认证方式），最后测试代理响应，验证是否符合预期。 核心功能解析：讲解 “主题” 和 “操作” 两大核心功能。主题用于组织对话逻辑，分系统主题（预置，如问候、结束对话）和自定义主题（用户创建，需设置触发短语和对话节点）；操作则扩展代理功能，支持预置连接器、自定义连接器、Power Automate 流等，以创建 “发送邮件” 操作为例，演示从选择操作、配置连接、设置输入输出到添加到主题的完整流程。 （三）代理发布与多渠道部署（第 3 章） 发布渠道与考量：Copilot Studio 支持多种发布渠道，如 Microsoft Teams + M365、自定义网站、移动应用等。不同渠道有不同技术和战略考量，例如 Teams 渠道需遵循 Teams 应用发布流程，且要注意认证方式对渠道可用性的影响，同时需评估各渠道的成本和用户体验，选择最适合目标用户的渠道组合。 Teams + M365 发布步骤：以 IT 帮助台代理 “Zoë” 为例，详细说明发布流程：在 Channels 标签选择 Teams + M365 渠道，配置是否在 M365 Copilot 中可用，编辑代理详情（名称、图标、描述、权限范围等），提交发布并等待 Teams 管理员审批，审批通过后代理将在 Teams 应用商店或 M365 Copilot 中可用。 发布后测试验证：指导用户在发布后，在 Microsoft Teams 中找到并添加代理，测试基本功能（如提问 “如何重置密码”），同时在 M365 Copilot 中确认代理可被调用，确保代理在不同渠道均能正常响应，为用户提供一致体验。 （四）M365 Copilot 声明式代理（第 4 章） 代理类型与声明式代理定义：介绍代理的三种能力类型 —— 检索型（从指定数据源获取信息并响应）、任务型（执行简单自动化任务）、自主型（半独立运行，可调用其他代理）。声明式代理是用于 M365 Copilot 的轻量级代理，基于配置文件（应用清单、代理清单等）定义功能，无需复杂代码开发。 声明式代理创建：使用 Copilot Studio Agent Builder 创建声明式代理，以 HR 福利查询代理为例，配置代理名称、描述、指令（确保回答基于指定知识源）、知识来源（如 SharePoint 中的 HR 文档）、启动提示（引导用户使用，如 “查询健康福利”），测试代理响应后，可下载代理包（含配置文件）或调整共享权限，供其他用户访问。 声明式代理与 Copilot Studio 代理对比：从代理复杂度（声明式适用于简单逻辑，Copilot Studio 代理支持复杂逻辑）、用户交互（声明式对话简短，Copilot Studio 代理支持深度对话）、维护需求（声明式维护少，Copilot Studio 代理需完整生命周期管理）、可扩展性（声明式功能局限，Copilot Studio 代理可连接多系统）等方面进行对比，帮助用户根据需求选择合适的代理类型。 （五）代理应用生命周期管理（ALM）（第 5 章） ALM 框架核心阶段：阐述 ALM 的六大核心阶段 —— 需求收集（明确代理功能、知识源、发布渠道等）、设计（确定技术架构、集成系统、项目管理方法）、开发（通过配置和代码实现代理功能，遵循最佳实践）、测试（邀请用户验证代理，收集反馈）、部署（将代理推广到生产环境）、维护与退役（持续更新功能，淘汰过时代理），确保代理从规划到下线的全流程规范可控。 Power Platform 环境策略：推荐企业采用多环境架构，包括开发者 / 沙盒环境（供开发者实验）、集成环境（验证多开发者协作和第三方集成）、用户验收测试环境（用户测试新功能）、生产环境（最终部署，确保稳定）。同时介绍托管环境的高级功能，如环境组、数据策略、备份等，帮助企业更好地管理环境资源。 解决方案打包与部署：讲解 “解决方案” 这一 Power Platform 核心概念，用于打包代理及相关组件在不同环境间迁移。区分非托管解决方案（用于开发环境，可编辑）和托管解决方案（用于测试、生产环境，不可编辑），详细演示创建解决方案、添加代理组件、导出解决方案、导入到目标环境的步骤，确保代理在不同环境间的一致性。 CI/CD 流水线介绍：介绍三种 Power Platform 部署流水线选项 ——Power Platform 托管环境流水线（集成度高，适合平民开发者）、Azure DevOps 流水线（功能强大，适合专业开发团队）、Power Platform CLI（灵活，支持脚本集成），说明各选项的特点和适用场景，帮助企业根据团队情况选择自动化部署方式，提升部署效率和稳定性。 （六）代理模板深度应用（第 6 章） 模板选择与前提：强调使用代理模板前需了解数据丢失防护（DLP）政策，DLP 政策将 Power Platform 连接器分为业务连接器、非业务连接器和被阻止连接器，防止数据意外泄露，避免因连接器分类问题导致代理功能异常。推荐选择符合业务场景的模板，如 “公民服务” 模板用于公共部门服务场景。 “公民服务” 模板应用：以 “公民服务” 模板为例，演示如何基于模板创建针对纽约市居民的服务代理 “BigAppleBuddy”。步骤包括：选择模板并修改代理名称和描述，更新知识来源（替换默认网站为纽约市官方网站），调整主题（禁用无需功能，如道路关闭主题；修改对话起始主题的欢迎语），自定义 Adaptive Card（收集用户信息，如服务类型、邮箱），添加 “发送邮件” 操作（向用户发送确认邮件，抄送共享邮箱），最后测试代理功能，确保能正常收集信息和反馈。 模板扩展与优化：介绍如何基于模板进一步扩展代理功能，如添加 SharePoint 列表集成（将用户请求记录到 SharePoint 列表，便于跟踪），优化对话流程（通过条件节点处理不同用户输入），确保代理不仅能解答问题，还能支持简单业务流程自动化，提升用户体验和工作效率。 （七）实际应用场景案例（第 7 章） 呼叫中心场景：针对呼叫中心员工面临的政策流程复杂、新人上手慢等问题，创建 “Contact Center Charlie” 代理。该代理以微软 365 许可指南为知识源，配置指令（仅基于知识源回答，不自行编造答案），帮助员工快速查询许可差异（如 E3 与 E5 许可的区别），减少员工查询时间，提升客户服务效率，同时降低新人培训成本。 公共部门场景：基于 “BigAppleBuddy” 代理扩展，解决公共部门通过共享邮箱处理居民请求时的混乱问题。添加 SharePoint 列表集成，将居民提交的服务请求（如业务许可申请）自动记录到列表，包含服务类型、申请人邮箱、状态等字段，同时配置 Power Automate 流，当有新请求时通知相关工作人员，实现请求的有序管理和跟踪，提升公共服务响应效率。 人力资源场景：升级 “Heidi from HR” 代理，实现代理到人工的无缝交接。在 “升级” 主题中添加 Adaptive Card，收集员工问题紧急程度和描述，配置 Power Automate 流，将请求发送到 HR 团队的 Microsoft Teams 频道，包含员工姓名、邮箱、问题详情等信息，便于 HR 人员及时处理敏感或复杂的 HR 问题，保障回答的准确性和合规性。 （八）自主代理构建（第 8 章） 自主与半自主代理差异：解释自主代理可独立运行、动态规划任务、调用其他工具，半自主代理需部分人工干预。强调当前 AI 存在 “幻觉”（生成错误但看似合理的内容）风险，需根据任务风险程度决定是否保留人工审核环节，如财务