Menggunakan tindakan prediksi di Power Automate
Anda dapat menggunakan tindakan khusus untuk setiap AI Builder model di Power Automate. Namun, tindakan prediksi memungkinkan Anda menggunakan banyak AI Builder jenis model.
Menggunakan model kustom atau bawaan
Masuk ke Power Automate.
Pada panel navigasi di sebelah kiri, pilih Alur saya, lalu pilih Alur baru>alur cloud instan.
Beri nama alur Anda.
Di bawah Pilih cara memicu alur ini, pilih Memicu alur secara manual, lalu pilih Buat .
Pilih + langkah baru, lalu masukkan prediksi di bilah pencarian.
Pilih Prediksi dari AI Builder atau Prediksi menggunakan AI Builder model dari Microsoft Dataverse. Kedua tindakan menawarkan fitur yang sama.
Di input Model , pilih model kustom yang Anda buat atau pilih model bawaan.
Catatan
Pelajari selengkapnya tentang parameter input dan output setiap model di bagian berikut di AI Builder ikhtisar Power Automate :
Menggunakan ID model dinamis (lanjutan)
Untuk beberapa kasus penggunaan yang kompleks, Anda mungkin perlu meneruskan ID model secara dinamis ke tindakan prediksi. Misalnya, jika Anda ingin memproses berbagai jenis faktur menggunakan model yang berbeda, Anda mungkin ingin secara otomatis memilih model tergantung pada jenis faktur.
Di bagian ini, Anda mempelajari cara mengonfigurasi AI Builder tindakan prediksi untuk tujuan khusus ini tergantung pada jenis model.
Masuk ke Power Automate.
Pilih Alur saya di panel kiri, lalu pilih Alur baru>alur cloud instan.
Beri nama alur Anda, pilih Picu alur secara manual di bawah Pilih cara memicu alur ini, lalu pilih Buat .
Pilih + langkah baru.
Masukkan Inisialisasi variabel di bilah pencarian, lalu pilih di tab Tindakan .
Masukkan id model di input Nama , String di input Jenis , dan ID model aktual di input Nilai .
Anda dapat menemukan ID model di URL halaman detail model di: Power Apps make.powerapps.com/environment/[id lingkungan]/aibuilder/models/[id model]
Pilih + Langkah baru, cari prediksi lalu pilih Prediksi dari AI Builder.
Pilih input >Masukkan nilai kustom, lalu masukkan id model dari langkah 6.
Nilai kolom permintaan Infer bergantung pada jenis model.
Model pemrosesan dokumen
Dalam langkahPemicu alur secara manual, tambahkan input File , dan atur namanya ke Konten File.
Dalam langkahPemicu alur secara manual, tambahkan input Teks , dan atur namanya ke Jenis MIME.
Dalam variabel langkahInisialisasi, masukkan ID model pemrosesan dokumen.
Di langkahPrediksi , masukkan nilai berikut di kolom Permintaan infer:
{ "version": "2.0", "requestv2": { "@@odata.type": "Microsoft.Dynamics.CRM.expando", "mimeType": "@{triggerBody()['text']}", "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}", "pages": "@{base64('1-2')}" } }
pages bersifat opsional, dan dapat dalam bentuk '2' atau sebagai rentang seperti '1-10'.
Pilih Simpan di sudut kanan atas, lalu pilih Uji untuk mencoba alur Anda:
Dalam detail eksekusi alur, dapatkan output JSON model di bagian OUTPUTS tindakan prediksi. Output ini berguna untuk membangun tindakan hilir menggunakan nilai model.
Kembali ke alur Anda dalam mode edit.
Pilih + Langkah baru , lalu pilih tindakan Tulis (atau tindakan lain untuk memproses output model Anda). Katakanlah output model Anda memiliki kolom Total . Anda bisa mendapatkannya dengan rumus berikut:
@{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
Model deteksi objek
Proses ini mirip dengan permintaan kesimpulan pada langkah 4 di bagian model pemrosesan dokumen:
{
"version": "2.0",
"requestv2": {
"@@odata.type": "Microsoft.Dynamics.CRM.expando",
"base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
}
}
Model klasifikasi kategori
Proses ini mirip dengan permintaan kesimpulan pada langkah 4 di bagian model pemrosesan dokumen:
{
"version": "2.0",
"requestv2": {
"@@odata.type": "Microsoft.Dynamics.CRM.expando",
"language": "Detect automatically",
"text": "The text to categorize"
}
}