Skip to content
AdvancedGitHub HarnessLab G11

Lab G11 - Rilascio: memoria, Teams e monitoraggio ​

Tempo stimato: ~40 minuti · Harness: GitHub Copilot

Scenario ​

Il sistema del PMO è completo: un orchestratore con le sue skill e il Dataverse MCP Server, l'Agente Comitato e l'Agente Pianificazione connessi, i workflow per le email e per il via libera. I set di valutazione sono già stati eseguiti nei laboratori precedenti.

Resta da metterlo nelle mani di analisti e sponsor. In questo laboratorio:

  1. si attiva la memoria, così l'agente ricorda le preferenze di ogni analista;
  2. si pubblica l'Agente Demand IT in Microsoft Teams e lo si condivide;
  3. lo si prova dal canale pubblicato e si leggono le sessioni in Monitor.
Perché questa scelta
  • Memoria per le preferenze, non per i dati. La memoria ricorda ciò che l'utente dice di sé ("seguo il programma PG-300") e lo riapplica nelle sessioni successive. Codici, importi e stati si leggono sempre da Dataverse.
  • Pubblicare non è condividere. La pubblicazione rende l'agente disponibile in un canale; la condivisione decide chi può usarlo.
  • Monitor dopo il rilascio. Evaluate dice se l'agente risponde bene ai casi che si conoscono; Monitor mostra che cosa succede con le persone vere.

Che cosa si costruisce ​

Lo schema mostra l'Agente Demand IT - GH nelle mani degli utenti: con la memoria attiva, pubblicato nel canale Teams e letto in Monitor, dove le reazioni degli utenti diventano nuovi casi del set di valutazione.

Agente Demand IT - GHorchestratore (G01-G10)Publish agentversione pubblicata (G11)Analisti e sponsorchat dell'agente in TeamsSet di valutazionenuovo caso da MonitorcondivisioneEvaluate
Passa il mouse su un riquadro o selezionalo per vederne il dettaglio.

Prerequisiti ​

Per svolgere questo lab occorre avere:

  • completato i laboratori G01-G10, con l'Agente Demand IT - GH pubblicato;
  • un tenant di laboratorio in cui si può pubblicare un agente in Teams.

Nota

Copilot Credits

Le sezioni Memoria, Testare l'agente e Monitor usano Copilot Credits.

Memoria ​

La memoria permette all'agente di ricordare le preferenze di lavoro di ogni analista e di riapplicarle nelle sessioni successive. Le istruzioni ne delimitano l'uso: preferenze sì, dati del PMO no. Le impostazioni dell'agente sono descritte in Configure settings for GitHub Copilot agents.

Attivare la memoria ​

  1. Aprire l'Agente Demand IT - GH, scheda Build. Nella sezione Memory attivare l'interruttore.

  1. Aggiungere in fondo alle Instructions:
text
# Memoria
- Ricorda solo preferenze di lavoro che l'utente dichiara: programmi che segue, formato di risposta preferito, lingua.
- Non usare la memoria al posto dei dati: codici, importi, stati e punteggi si leggono sempre da Dataverse.
- Non memorizzare dati personali dei proponenti.

  1. Selezionare Save.

Provare la memoria ​

  1. In Preview scrivere:
text
Per le prossime richieste ricorda che seguo il programma PG-300 e preferisco risposte brevi, in elenco puntato.

  1. Avviare una New chat e scrivere:
text
Quali criteri devo guardare per le mie proposte?

Risultato atteso: i criteri di PG-300, in elenco puntato, senza che il programma sia ripetuto. Se non succede, riprovare dopo qualche minuto: il salvataggio della memoria non è immediato.

Pubblicazione in Teams ​

Pubblicare rende l'agente disponibile in un canale, e il canale Teams + Microsoft 365 lo rende apribile in Teams. In questo lab l'agente viene installato solo per sé, senza condividerlo. Per i canali disponibili vedere Available channels for agents (GitHub Copilot) e Connect and configure an agent for Teams and Microsoft 365.

Aggiungere il canale Teams ​

  1. Se l'agente è stato modificato, selezionare Publish e Publish agent. Poi nella scheda Build trovare Channels e selezionare Add channel, poi Teams + Microsoft 365 e Add channel.

  1. In Availability scegliere Microsoft Teams e lasciare disattivato Microsoft 365 Copilot, che richiede la licenza Microsoft 365 Copilot. Questa impostazione non si può cambiare dopo la pubblicazione.

Compilare le informazioni dell'agente ​

  1. In About info lasciare Website e Terms of use con i valori predefiniti e compilare:

Short description:

text
Proposte di progetto IT per il PMO di Zava

Long description:

text
Agente Demand IT del PMO di Zava: registra i business case delle proposte di progetto IT, prepara valutazioni con i criteri pesati del programma, dossier e sessioni di revisione per il Comitato.

Developer name:

text
PMO Zava S.p.A.

Installare l'agente in Teams ​

  1. Selezionare Save. Nella scheda Use and share selezionare View in Teams e poi Add: l'agente viene installato solo per sé.

Nota

Condividere l'agente

Pubblicare non è condividere: la condivisione decide chi può usare l'agente. Per le opzioni vedere Share agents with other users and makers (GitHub Copilot).

Testare l'agente ​

L'agente pubblicato si prova dalla sua chat in Teams, con una richiesta di sola lettura e una valutazione senza registrazione.

Chat dell'agente in Teams ​

Si prova dalla chat dell'agente in Teams.

  1. Scrivere:
text
Quali programmi di investimento sono attivi? Elenca codice e nome.

Risultato atteso: i programmi da PG-100 a PG-500, letti da Dataverse.

  1. Con il codice della proposta di BC-04 (Migrazione data center Bologna, registrata in G10):
text
Valuta la proposta PP-####.

Risultato atteso: la tabella dei criteri di PG-500 e l'indicazione Needs Further Review, perché il budget richiesto (950.000 euro) supera quello del programma. L'agente chiede se registrare la valutazione: rispondere di no.

Monitor ​

Evaluate dice se l'agente risponde bene ai casi che si conoscono; Monitor mostra che cosa succede con le persone vere. Le reazioni degli utenti chiudono il ciclo con i set di valutazione. Per i dettagli vedere Monitor agent performance overview (GitHub Copilot).

Attenzione

Tempi di comparsa delle sessioni

Le sessioni di Teams possono comparire in Monitor anche molto tempo dopo la conversazione: a volte pochi minuti, a volte diverse ore. Se Monitor è vuoto non si è sbagliato nulla: aspettare e ricontrollare più avanti. Le conversazioni di Preview non compaiono mai.

Leggere le sessioni e le reazioni ​

  1. Nell'Agente Demand IT aprire la scheda Monitor.

  1. In Overview leggere Total sessions, Total users, Average duration e Success rate, e la scheda dei crediti stimati.
  2. In Teams lasciare un pollice giù con un commento su una risposta, ad esempio:
text
La tabella non riporta l'evidenza per un criterio.

  1. Quando il commento compare in Reactions, riprodurre il caso in Preview: se rivela un problema reale, aggiungerlo come nuovo caso al set di valutazione.

Suggerimento

Una reazione è un segnale

Una reazione è un segnale da indagare, non un punteggio: il commento dice che cosa l'utente si aspettava, il caso di valutazione impedisce che il problema ritorni.

Importante

Lab Completato

L'Agente Demand IT - GH ora ricorda le preferenze di lavoro degli analisti, è pubblicato in Teams e le sue sessioni si leggono in Monitor. Il percorso GitHub Copilot è completo. In questo lab si è visto:

  • come attivare la memoria e delimitarne l'uso con le istruzioni;
  • come pubblicare in Teams e condividere in modo consapevole;
  • come Monitor e le reazioni chiudono il ciclo con i set di valutazione.

Per confrontare le due harness sullo stesso caso, vedere i Concetti chiave della panoramica della GitHub Harness.