Verwenden einer Vorhersageaktion in Power Automate

Sie können dedizierte Aktionen für jedes AI Builder-Modell in Power Automate verwenden. Mit der Aktion predict können Sie jedoch viele AI Builder Modelltypen verwenden.

Verwendung eines benutzerdefinierten oder vordefinierten Modells

1. Melden Sie sich bei Power Automate an.

2. Wählen Sie im linken Navigationsbereich Meine Flows und dann Neuer Flow>Sofortiger Cloud-Flow aus.

3. Benennen Sie Ihren Cloud-Flow.

4. Wählen Sie unter Auslöser für diesen Flow auswählen die Option Flow manuell auslösen und dann Erstellen aus.

5. Wählen Sie + Neuer Schritt aus, und geben Sie dann Vorhersage in die Suchleiste ein.

6. Wählen Sie Predict aus AI Builder oder Predict mit AI Builder Modellen aus Microsoft Dataverse aus. Beide Aktionen bieten die gleichen Funktionen.

   

7. Wählen Sie in der Eingabe Modell ein von Ihnen erstelltes benutzerdefiniertes Modell oder ein vordefiniertes Modell aus.

Dynamische Modell-ID (erweitert) verwenden

In einigen komplexen Anwendungsfällen müssen Sie möglicherweise eine Modell-ID dynamisch an die Vorhersageaktion übergeben. Wenn Sie beispielsweise verschiedene Arten von Rechnungen mit verschiedenen Modellen verarbeiten möchten, möchten Sie möglicherweise automatisch ein Modell auswählen, das von der Art der Rechnung abhängt.

In diesem Abschnitt erfahren Sie, wie Sie die Vorhersageaktion des AI Builder für diesen bestimmten Zweck je nach Modelltyp konfigurieren.

1. Melden Sie sich bei Power Automate an.

2. Wählen Sie "Meine Vorgänge" im linken Bereich aus und wählen Sie dann "Neuer Ablauf>" aus.

3. Benennen Sie den Cloud-Flow. Wählen Sie unter Auslöser für diesen Flow auswählen die Option Flow manuell auslösen und dann Erstellen aus.

4. Wählen Sie + Neuer Schritt aus.

5. Geben Sie Variable initialisieren in die Suchleiste ein, und wählen Sie es dann auf der Registerkarte Aktionen aus.

6. Geben Sie die Modell-ID in der Eingabe Name, Zeichenfolge in der Eingabe Typ und die tatsächliche Modell-ID in die Eingabe Wert ein.

   Sie finden die Modell-ID in der URL der Detailseite des Modells in Power Apps: make.powerapps.com/environment/[Umgebungs-ID]/aibuilder/models/[Modell-ID]

7. Wählen Sie + Neuer Schritt aus, suchen Sie nach predict, und wählen Sie dann Predict aus AI Builder aus.

8. Wählen Sie die Eingabe >Benutzerdefinierten Wert eingeben und geben Sie dann die Modell-ID aus Schritt 6.

   Der Wert der Spalte Anfrage anzeigen hängt vom Modelltyp ab.

Dokumentverarbeitungsmodell

1. Im Schritt Flow manuell auslösen fügen Sie ein Datei-Eingabefeld hinzu und benennen es Dateiinhalt.

2. Fügen Sie im Schritt Flow manuell auslösen eine Eingabe Text hinzu und legen Sie als Namen MIME-Typ fest.

3. Im Schritt Variable initialisieren geben Sie eine Dokumentverarbeitungsmodell-ID ein.

4. Im Schritt Vorhersage geben Sie in der Spalte Anfrage stellen folgenden Wert ein:

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
       "pages": "@{base64('1-2')}"
       }
   }
   

   Der Parameter pages ist optional und kann im Format „2“ oder als Bereich wie z. B. „1-10“ angegeben werden.

   

5. Wählen Sie Speichern und Testen in der oberen rechten Ecke aus, um Ihren Cloud-Flow zu testen:

   

6. Rufen Sie in den Details zur Cloud-Flowausführung die JSON-Ausgabe des Modells im Abschnitt AUSGABEN der Vorhersageaktion ab. Diese Ausgabe ist nützlich, um nachgelagerte Aktionen mithilfe der Werte des Modells zu erstellen.

   

7. Kehren Sie im Bearbeitungsmodus zu Ihrem Cloud-Flow zurück.

8. Wählen Sie + Neuer Schritt und dann die Aktion Erstellen (oder eine andere Aktion zum Verarbeiten Ihrer Modellausgabe). Angenommen, Ihre Modellausgabe besitzt die Spalte Gesamt. Sie erhalten diesen Wert mit der folgenden Formel:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Objekterkennungsmodell

Dieser Prozess ähnelt der Infer-Anforderung in Schritt 4 im Abschnitt Dokumentenverarbeitungsmodell:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Kategorieklassifizierungsmodell

Dieser Prozess ähnelt der Infer-Anforderung in Schritt 4 im Abschnitt Dokumentenverarbeitungsmodell:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}