Microsoft Copilot Studio：构建企业级 AI 代理的指南

上个月，我看到一位支持经理花了三小时更新聊天机器人的意图库。有人开始说“where's my stuff?”而不是“order status”，结果机器人一直说自己听不懂。

这就是传统企业聊天机器人的旧世界。您要预判问题、撰写答案，然后祈祷用户按剧本走。而他们从不如此。

Microsoft Copilot Studio 采取了不同的方法。您描述希望代理处理的事项，指向您公司的文档与系统，AI 会自行推断如何回应。对于大多数用例，您不再需要主要依赖庞大且需人工维护的意图库或脆弱的决策树。

过去几个月我一直在这个平台上构建代理，老实说？学习曲线让我惊喜。不是因为难，而是因为比我预期更快。没有编码背景的人，大概一小时就能让一个可用的代理从 SharePoint 文档中回答问题。

本教程将介绍 Copilot Studio 是什么、如何导航，以及如何一步步构建一个代理。

如果您想要对更广泛的 Copilot 生态进行上手式了解，推荐参加我们的Introduction to Microsoft Copilot课程。

什么是 Microsoft Copilot Studio？

您可能听说过 Power Virtual Agents。微软将其更名为 Copilot Studio，并扩展了其能力，如今它处在其代理构建战略的核心。该平台可连接到Power Automate、Power Apps、Dataverse 和 Microsoft 365 Copilot 体验。

以下是 Microsoft Copilot Studio 的基本工作原理：

1. 告知系统您希望代理完成的任务。
2. 指向您的数据源（SharePoint 网站、上传的文档、Dataverse 表、通过连接器接入的外部系统）。
3. 代理基于这些信息学习回答问题。

想要一个了解福利政策的 HR 助手？做一个吧。要一个 IT 服务台机器人，在升级前先排查常见问题？也可以。能从 Salesforce 拉取订单信息的客服代理？没错。

接下来一个自然的问题是：这与五年前让大家沮丧的聊天机器人有什么不同？

那些旧系统需要您预测每个可能的问题。为每个问题编写特定意图。若遗漏某种说法，机器人就会退回到“我不明白”。

Copilot Studio 使用生成式 AI 来推理用户可能的意图。LLM 基于您的企业知识源生成回应，而不是检索预写答案。

该平台连接到微软生态：

• Microsoft 365 Copilot：代理可用自定义技能与企业数据扩展基础 Copilot 体验。
• Power Platform：连接器、流与 Dataverse 可直接集成
• Azure AI：可从 Azure AI Foundry 引入自有模型，或使用 Azure AI Search 构建自定义 RAG 场景
• Microsoft Graph：在适当权限下访问组织数据

Microsoft Copilot Studio 的访问与定价

在构建之前，您需要获得访问权限。微软根据您的情况提供多种途径。

免费试用

如果您有工作或学校账户，前往Copilot Studio 页面并用该账户注册。当前试用会提供一部分有限的 Copilot Credits 供您试验，通常足以构建代理并进行测试，但具体额度和条款可能会随时间与租户而变化。

如果您只有个人 Microsoft 账户，Copilot Studio 的访问可能会有点受限，因为试用主要面向工作/学校身份。一个实用的变通方法是使用 Microsoft 365 Business Standard 试用来搭建一个临时“沙盒”租户。

• 访问Microsoft 365 Business Standard页面。
• 点击Try for free。
• 先用您的个人邮箱开始，然后在设置过程中创建一个新域。
• 这会为该租户生成新的工作/学校管理员 ID。

使用新的管理员邮箱在Copilot Studio 页面登录并激活 Copilot Studio 试用。

付费计划

标准定价为每月 200 美元可获 25,000 Copilot Credits，不过可能适用地区定价与折扣。这些积分会根据代理的行为而消耗：

• 回答问题会消耗积分
• 调用外部系统会消耗积分
• 复杂的多步流程较之简单的问答会消耗更多

如果您需要更高吞吐或更灵活的用量，可为 Copilot Credits 启用 Azure 按用量计费，这会按实际消耗的积分计费，并避免额外的固定容量包承诺。对于不可预测的工作负载或季节性峰值，这是不错的选择。

访问级别

不同 account 类型具备不同能力：

有一点值得注意：如果您组织已拥有 Power Platform 许可证，可能已捆绑了 Copilot Studio 访问权限。单独购买前请先咨询 IT 管理员。

什么是 LLM 代理？

如今“代理”一词被频繁提及，且不同语境下含义不同。往下继续前，值得先澄清。

代理不仅仅是回答问题。它能规划步骤、推理问题并执行操作。它由大型语言模型（LLM）“大脑”、记忆、可调用的外部工具和规划能力组成。

当有人问：“我最近三笔订单的发货状态如何？”代理需要搞清楚：

1. 这个用户是谁？
2. 他最近下了哪些订单？
3. 筛选出最近三笔。
4. 分别查询每一笔的发货状态。
5. 将其整理成回复。

这需要规划。复杂问题会被拆解。代理识别子任务、排序并逐步执行。没有规划，您只能得到单轮问答。

以下是代理与传统聊天机器人的区别：

语言模型处理用户请求，确定所需信息或动作，决定调用哪些工具，并综合生成回复。但代理是多个组件协同工作的组合。

代理会在对话上下文中追踪 context。短期记忆保存当前会话中已讨论的内容。有些实现支持跨会话的长期记忆，用于用户偏好。没有记忆，每条消息都要从头开始。

这正是代理真正有用的地方。通过工具，它们可以与外部系统交互。在 Copilot Studio 中，工具包括

• 拥有数百个 API 的 Power Platform 连接器
• 用于复杂多步自动化的 Power Automate 流）
• 自定义 HTTP 端点
• Model Context Protocol（MCP） 服务器

没有工具的代理基本上只是个高级搜索界面。

想更深入了解 LLM 代理的概念性工作原理，请查看我们的Introduction to AI Agents课程。

导航 Microsoft Copilot Studio

Copilot Studio 将一切分为四个阶段：创建、自定义、部署与管理。下面我将结合具体示例带您逐一了解。

创建：构建您的第一个代理

进入 Copilot Studio 后，您有两种路径来创建代理。

1. 对话式方法：用自然语言描述您的需求。输入类似“我想要一个帮助员工查找福利政策信息的代理”，系统会为您生成初始结构。
2. 配置式方法：更“亲自动手”。从一开始就直接设置名称、描述、指令和知识源。

无论哪种方式，您最终都会进入设计画布。图形界面将对话流程显示为相连的节点。触发器引出问题；条件根据用户输入分支；消息用于发送回复；动作负责调用外部系统。

步骤 1：新建代理

1. 在主页左侧导航中点击创建。
2. 选择“Describe your agent”或“Configure manually”。
3. 为代理命名并添加描述。

步骤 2：设置配置

现在我们以创建一个简单的 HR 助手为例，定义它的名称、描述和主要指令，以及应使用的 LLM——这些是我们代理最先要配置的字段。

我们将给出如下描述：

You are an HR assistant for Contoso. You help employees find information about benefits, PTO, policies, and company procedures. Keep responses clear and practical, and ask a quick follow-up question only when needed. If you're not sure or the request involves a sensitive/employee-specific case, say so and suggest contacting HR directly at [email protected]技术支持

当然，我们的代理需要一组指令：

Role: Act as Contoso's HR assistant for employees. Provide accurate, easy-to-follow answers about benefits, PTO, leave, payroll-related HR topics (high level), workplace policies, and internal procedures.
Tone: Friendly, professional, concise. Use plain language. Avoid legalese and long lectures.

How to respond:
Start with the direct answer (1-3 sentences), then add steps, links/where to find it, or bullets if helpful.
If a policy depends on location, union status, job level, or country, ask one targeted question (e.g., "Which country are you employed in?").
When explaining a process, include the exact "what to do next" (who to contact, what form/system, what information to include).

Boundaries & escalation:
If you don't know, say you don't know. Do not guess or invent policy details.
For employee-specific requests (eligibility decisions, disciplinary issues, compensation changes, accommodations, grievances, investigations), redirect to HR: [email protected]
For emergencies or immediate safety concerns, advise contacting local emergency services and then notifying HR.

Privacy & confidentiality:
Don't request unnecessary personal data. If identity verification is required, direct the employee to the official HR channel/system.
Don't provide guidance that would help someone bypass internal controls (e.g., "how to access someone else's PTO balance").

Consistency:
Use Contoso terminology (PTO, leave of absence, employee handbook, HR portal, manager approval).
Prefer current policy sources if available; if sources conflict, flag it and route to HR.技术支持

填写完相应字段后，您应会得到如下所示界面：

向下滚动，您会看到“Suggested prompts（建议提示）”部分。在这里，您可以添加一个简短标题和用户将发送的精确提示文本。可以把它们视为人们最常用请求的起始示例。

建议提示可能如下所示：

Title: Request PTO
Prompt: How do I request PTO in Contoso, and what are the approval steps?

Title: PTO vs Sick vs Leave of Absence
Prompt: What's the difference between PTO, sick leave, and a leave of absence at Contoso?

Title: Find the Employee Handbook
Prompt: Where can I find Contoso's employee handbook, code of conduct, and key HR policies?技术支持

步骤 3：测试代理

测试面板位于画布右侧。提出问题，查看代理如何响应，微调指令，循环往复。每次更改都能立即测试。

一个实用功能是搜索来源，它会显示模型在每个答案中引用的信息来源。现在我们只填了基础配置，因此响应完全依赖于模型的一般知识，而非您连接的文档或系统。您还可以看到模型作答时采用的推理。

触发器与主题

触发器决定对话如何开始。用户可能会输入“我需要 IT 帮助”，也可能由系统事件发起（文件上传、特定频道的 Teams 消息等）。

主题是代理行为的构建模块。您可以手动创建带有特定触发器与流程的主题，或让 AI 动态编排。

Copilot Studio 支持两种编排模式：

• 经典编排：主题基于触发短语匹配而触发。更可预测、更易调试，但您需预判用户的表达方式。
• 生成式编排（新代理的默认设置）：AI 会基于对话上下文动态选择主题、工具与知识源。更灵活、能更好处理意外问题。

在合规场景（如密码重置、安全校验）中，您或许希望使用带有明确定义流程的经典主题。对于一般问答或探索性任务，生成式编排更能处理不确定性。

自定义：知识源与动作

在构建了一个简单代理后，我们来为它添加知识与工具。

检索增强生成（RAG）

默认情况下，代理只能依赖语言模型内置的一般知识。要让它在您的组织内真正有用，您需要将其连接到自有数据源。点击知识（Knowledge）顶部导航，系统会打开如下面板：

检索增强生成（RAG）是技术术语。代理不是单纯依赖训练数据，而是从您的来源检索相关信息，并据此生成有依据的回复。

添加知识的最简单方式是上传文本文件（PDF、CSV 等）。您只需从电脑中拖拽文档，Copilot Studio 就会将其摄取为上下文来源，供代理回答时引用。

上传 PDF 后，如果我们重复之前的同一测试，模型的答案现在会在“搜索来源”中引用该 PDF，如下图所示：

SharePoint 通常是最快的“收益点”，因为多数组织会在其中存放“权威来源”材料：HR 政策、内部流程、模板、入职文档与常见问答。通过连接 SharePoint 网站，您就是在告诉代理需要权威答案时应去哪里查找，而不是依赖通用的模型知识。

要添加新的 SharePoint 网站，只需再次点击Add knowledge

1. 选择SharePoint。
2. 输入网站 URL。
3. 选择特定的文档库或文件夹。

除上述来源外，Copilot Studio 还支持多种其他知识源类型：

• 公共网站：代理可搜索的 URL（需要所有权验证）
• Dataverse 表：直接查询 Power Platform 数据
• Power Platform 连接器：访问 Salesforce、ServiceNow、Zendesk、SAP 等数百种系统
• Azure AI Search：引入自有向量索引以实现自定义 RAG 场景

当用户提出问题时，代理会跨已配置的知识源进行搜索，检索相关片段，并将其作为生成回复的上下文。系统会自动添加引文，方便用户查看答案的具体出处。

一个实用提醒：知识质量非常关键。如果您的 SharePoint 网站包含过时政策或相互矛盾的信息，代理就会检索并呈现这些混乱内容。RAG 会放大数据源中“好或坏”的一切。连接之前请先清理您的知识库。

想获得更多将 RAG 应用于多种文件类型的灵感，请查看我们的Multimodal RAG教程。

添加工具

知识源让代理能检索信息。工具让它们真正“能做事”，这点差别很大。

借助工具，您的代理可以：

• 有人报告问题时在 Jira 中创建工单
• 在 Salesforce 中查询客户记录
• 发送电子邮件通知
• 更新 Dataverse 记录
• 触发执行复杂操作的 Power Automate 流

要添加新工具，您可以按以下步骤轻松完成：

步骤 1：添加预构建连接器

1. 在代理设置中进入工具。
2. 点击添加工具。
3. 浏览或搜索连接器库（提供 1,400+）。
4. 选择连接器并进行身份验证。

步骤 2：创建 Power Automate 流

对于多步逻辑（在一个系统中查数据、转换、更新到另一个系统并发送通知），请在 Power Automate 中构建一个流，并从代理中调用。

1. 在“动作”面板中，点击添加工具 > Power Automate。
2. 创建新流或选择现有流。
3. 定义代理将传给流的输入参数。
4. 定义流将返回的输出。

步骤 3：测试该动作

回到测试面板，提出应触发该动作的问题。验证其是否正确触发并返回预期结果。

部署：发布到各渠道

当您的代理在测试中表现良好后，将其发布以便用户访问。

步骤 1：发布代理

点击发布（Publish）右上角按钮，然后在“发布此代理”的确认消息中再次选择 Publish。若操作成功，页面顶部会出现绿色横幅。

这会创建一个新版本。若您之后编辑了代理但未重新发布，用户仍会与旧版本交互。

步骤 2：配置渠道

在设置中进入渠道。Copilot Studio 支持一键同时部署到多个渠道。

Microsoft Teams（内部代理最常见）：

1. 点击Microsoft Teams
2. 切换启用
3. 选择作为个人应用、团队频道或两者
4. 如组织要求，提交管理员审批

随后用户即可在 Teams 中直接与代理聊天。由于用户已认证，单点登录会自动生效。

自定义网站：

1. 点击Custom website
2. 复制嵌入代码（HTML 片段）
3. 添加到站点 HTML 中

这非常适合面向客户的自助服务场景。

其他渠道包括 Microsoft 365 Copilot Chat 与其他 Microsoft 365 界面、SharePoint、Power Pages、通过 Direct Line API 的自定义应用，以及 Facebook Messenger 或 Slack 等第三方渠道。

身份验证会因渠道而异。Teams 用户可自动认证。网站访客可能为匿名、通过您的身份提供商认证，或在访问受保护资源时被提示登录。

一些部署提示：

• 在每个计划使用的渠道中测试，体验略有差异。
• 在更大范围推广前，演示网站便于相关方评审。
• 重要更改后别忘了发布。未发布的编辑不会触达用户。

管理：分析与治理

发布代理只是开始。Copilot Studio 提供工具来监控性能并识别缺口。

性能分析

有几项非常重要的指标：

1. 解决率：用户的问题是否得到解答？
2. CSAT 评分：用户对交互的满意度如何？
3. 放弃率：用户在哪些地方选择放弃？
4. 分流：代理避免了多少支持工单或电话？

仪表板会呈现哪些主题表现良好、哪些存在困难。某个主题放弃率高？这是一个调查信号。也许知识源缺失信息，也许指令需要打磨。

知识源分析

查看哪些来源被使用以及使用频率。长期未被检索到的文档可能索引不佳或无关。持续无法找到相关内容的查询需要关注。

对话记录

审阅真实交互。真实用户的提问方式往往超出您的预期。阅读记录能暴露这些缺口。

治理控制

对于在大规模推广 Copilot Studio 的组织：

• 环境管理：区分开发、测试与生产环境。
• 访问控制：谁可编辑代理、谁可发布、谁可查看分析。
• 数据泄露防护（DLP）：防止敏感数据流向未授权连接器的策略。
• 合规：与 Microsoft Purview 集成，实现审计与数据治理。

大多数治理工作由 Power Platform 管理中心完成。如果您负责在组织内部署 Copilot Studio，那就是您的“根据地”。