Classic Bot 与 Modern Copilot

继续介绍 Microsoft Copilot Studio 的强大功能，以下是两种制作聊天机器人框架的最强大方法，即Classic Bot和Modern Copilot。根据您的框架，这两种方法都有细微的差别，但用途很大。

在本教程章节中，我们将了解这两种类型的机器人之间的区别、它们的工作原理、它们支持的扩展以及它们功能的详细比较。最后，您将有一个清晰的思路来决定适合您项目的完美方法。

什么是 Copilot Studio 中的Classic Bot?

Microsoft Copilot Studio 中的Classic Bot是围绕基于规则的预定义逻辑构建的。这些机器人在决策树上运行，使用固定路径来引导对话。Classic Bot对于处理常见问题、基本客户支持或预编程交互等简单、重复的任务非常可靠。

创建Classic Bot的步骤

• 打开 Microsoft Copilot Studio 并单击"创建Classic Bot"选项。
• 从可用的预建模板中进行选择，例如客户支持或常见问题机器人。
• 定义意图和话语 −
  • 意图是机器人需要响应的操作，例如"下订单"或"获取天气信息"。
  • 话语是用户可能说来触发这些意图的示例。
• 为每个意图设置响应模式:基于决策树的固定响应。
• 通过提供不同的用户输入在内置测试环境中测试机器人，并验证响应是否符合编程规则。

示例

如果用户询问"我的帐户余额是多少?"，Classic Bot可以根据固定规则返回预定义的响应，例如"您的余额为 1000 美元"。

Copilot Studio 中的 Modern Copilot 是什么?

与Classic Bot不同，Modern Copilot 采用机器学习驱动的方法进行对话。 Modern Copilots 经过了 Microsoft 提供的数据集的高度训练，其强大的 ML 模型和 AI 算法支持实时学习和情境驱动的适应性。它们由 Microsoft Graph 提供支持，可与用户数据和服务进行深度集成。

创建 Modern Copilot 的步骤

• 打开 Microsoft Copilot Studio 并导航到"创建 Modern Copilot"部分。
• 选择用于情境对话的自定义实体和机器学习模型。
• 通过允许 Copilot 使用自然语言处理 (NLP) 动态解释用户输入来定义灵活的对话路径。
• 添加情境管理，以根据用户数据提供个性化响应。
• 使用具有广泛输入的实时测试环境测试 Modern Copilot，以了解 AI 如何适应和发展。
• 使用 AI 反馈循环监控和调整响应，以提高准确性。

示例

当被问到"我的下一个会议是什么?"时，Modern Copilot 可以使用 Microsoft Graph 从用户的日历中提取数据，提供实时、个性化的响应。

Modern Copilot 可以处理模糊请求，例如"安排我的每周报告"，解释上下文，并根据用户过去的交互或日历以个性化详细信息做出响应。

Copilot 和 Classic Bot 之间的主要区别之一是生成式 AI 功能，该功能仅在 Modern Copilot 中可用。

基于 Classic Bot 和 Modern Copilot 的真实场景

1. Classic Bot 在行动

• 用户 − Sarah，一位网上银行客户。
• 场景 − Sarah 需要查看她的账户余额，并希望找到最近的银行分行进行亲自访问。她使用银行的客户服务聊天功能，该功能由 Classic Bot 提供支持。
• 启动 − Sarah 打开银行网站并点击聊天图标。

用户输入 − Sarah 输入"我需要查看我的余额"。

Classic Bot 响应 − Classic Bot 对此查询有一个预定义的规则。它会检查特定关键字(如"余额")并响应 −

• "请输入您的帐号或登录您的帐户以查看您的余额"。

用户验证 − Sarah 输入她的帐号。

Classic Bot 响应 −机器人提供静态的、预定义的响应 −

• "Your current balance is $5000".

附加请求 − 然后 Sarah 询问"最近的分行在哪里?"

Classic Bot决策树 − 机器人按照其编程路径询问 Sarah 的邮政编码。Sarah 回复了她的邮政编码。

• 根据输入，机器人获取预定义的分行位置列表并显示:最近的分行位于 Main Street 1234 号，营业时间为上午 9 点至下午 5 点。

因此，我们可以说Classic Bot可以高效处理重复、简单的查询，例如检查帐户余额或提供分行详细信息。它在固定的基于规则的框架内运行，使其可靠但仅限于预定义的交互。

如果 Sarah 需要更多动态帮助，她的互动可能会更顺畅。例如，如果她想要有关其帐户活动的个性化建议或安排会议的帮助，那么如果不为每种可能的交互添加自定义规则，机器人就无法有效地处理它。

2. Modern Copilot 在行动

• 用户 − Sam，一名远程工作的员工。
• 场景 − Sam 在家工作，需要安排与他的团队的会议，从公司的 SharePoint 中提取相关文件，并收到上次会议记录的摘要。他使用集成到公司工作流系统中的 Modern Copilot。
• 启动 − Sam 打开嵌入了 Modern Copilot 的公司内部协作应用程序。

用户输入 − Sam 输入"安排明天上午 10 点与我的团队开会"。

Copilot 响应 − Modern Copilot 使用其自然语言处理 (NLP) 功能来解释 Sam 的请求。它通过 Microsoft Graph 连接到 Sam 的日历并向团队发送会议邀请。

• "您与团队的会议已安排在明天上午 10 点"。

用户输入 − Sam 跟进，您能从 SharePoint 中提取最新的项目文件吗?

Copilot 操作 − Copilot 动态连接到 SharePoint，搜索与正在进行的项目相关的文件，并实时检索它们。

• 以下是来自 SharePoint 的最新项目文件:[File1.pdf]、[File2.docx]

用户输入 − Sam 然后问，"给我一份上次会议记录的摘要"。

Copilot 响应 − Modern Copilot 从 OneNote 中提取相关会议记录，使用其 AI 功能对其进行处理，并返回简明摘要。

• "这是上次会议的摘要:Project Alpha 进展顺利，截止日期为下周五"。

完成这些任务后，Copilot 会更新其知识库，从 Sam 的偏好和上下文中学习，以便在未来的互动中提供更高效的响应。因此，它可以动态处理信息，实时适应 Sam 的需求，而无需为每个特定操作预定义规则。

Classic Bot和Modern Copilot之间的主要区别

下表重点介绍了Classic Bot和模型副驾驶之间的主要区别 −

总之，Classic Bot和Modern Copilot都有各自的优势和用例。如果您追求简单性和可预测性，Classic Bot可能是您的最佳选择。但是，如果您需要适应性、实时学习和与现代数据源的集成，Modern Copilot是您的最佳选择。这两种方法都允许您在 Microsoft Copilot Studio 中构建强大的对话代理，但最终的选择取决于项目的复杂性和要求。