Copilot Studio 上线前的六项检查

简短回答：一个 Copilot Studio Agent 要达到生产上线标准，需要具备六个条件：清晰的职责范围、可测试的指令、干净的知识库、可读取的扫描文档、与业务系统的真实连接，以及与 IT 部门商定的安全和生命周期管理机制。我是巴黎的一名自由职业 Data & AI Tech Lead。在 SUEZ，我参与了 20 个生成式 AI 用例，并将超过 200 个 AI Agent 投入生产。下面就是我采用的方法。

明确 Agent 的角色、服务对象，以及必须拒绝的请求。然后，在生成式编排（generative orchestration）和手工设计的主题（topics）之间做出选择。采用生成式编排时，你需要描述 Agent，并为它提供信息源、工具和记忆。生成式编排搭建起来更快，但行为也更难预测，因此，那些绝不能发生变化的执行路径，仍应使用预先设计的主题。

2. 编写可以测试的指令

指令就是 Agent 的行为契约。我会把指令分成五个部分：Agent 是谁、它做什么、它拒绝什么、它如何回答，以及不知道答案时该怎么办。每个部分都配有测试问题，这样，修改指令后就能通过测试验证效果，而不是靠猜。

3. 像管理数据库一样管理知识库

很多被归咎于模型的错误回答，实际上源于文档：版本过时、内容重复、文件相互矛盾。在调整其他任何东西之前，先确保 SharePoint 或其他文件源中的每份文档，都只保留一个最新版本。

4. 让扫描文档变得可读取

对 Agent 来说，只有图像的 PDF 就是一张白纸。合同和技术资料经常属于这种情况。在建立索引之前，先加入 OCR 和受控的预处理流程。

5. 将 Agent 连接到业务系统

一个能解释如何创建工单的 Agent，可以提供帮助。一个能直接创建工单的 Agent，则会改变人们的工作方式。使用 connectors、API、MCP servers 和 agent flows，并把必须确保可靠执行的任务交给 flow：模型负责推理，flow 负责执行。

6. 落实安全与工程化管理

与 IT 和安全团队就访问权限、可追溯性、环境以及 ALM（开发、测试、生产）达成一致。此后，每次变更都使用第 2 步中的同一套测试集，监控回答质量。

这些步骤无法让 Agent 永不出错，但能让错误暴露出来，并且可以修复。当你需要精细选择模型，或在大规模使用时控制成本，Azure AI Foundry 往往比 Copilot Studio 更合适。在大型企业集团中，两者通常会同时使用。

详细方法（法语），附 FAQ。

只有在信息源提供依据时才回答：基于数千份文档的 Copilot Studio 实践。

Zakaria Khchiche，巴黎自由职业 Data & AI Tech Lead，Microsoft Agent Framework 贡献者。LinkedIn · 个人网站。

想让你的团队也能构建这样的 Agent？我提供 Copilot Studio 实操培训（法语授课，与 Spar-x 合作，获得 Qualiopi 认证，在法国符合 OPCO 资助条件），以及一套免费的 AI Act 第 4 条工具包。

如需采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。