Week 9 · Fase 3: Bouwen STRETCH

Kennisbank-agent: SharePoint bevraagbaar

Losse prompt werkt voor jou. Agent werkt voor je team en de collega die morgen begint.

Tijd
25 min
Level
Level 4 🔥🔥🔥🔥
  • Copilot Studio
  • SharePoint grounding
Wat je leert

Van losse prompt naar deelbare agent in vier stappen

Een losse Copilot-prompt is eenmalig en persoonlijk: jij weet de URL, jij formuleert de vraag, en de collega die morgen begint weet niets van die aanpak. Een agent pakt diezelfde prompt en maakt hem hergebruikbaar, deelbaar en persistent: een naam, een afgebakende SharePoint-scope, en instructies die het antwoord-gedrag bepalen ongeacht wie de vraag stelt.

Op niveau 4 is dat de sleutel: je productiviteits-aanpak verpakken zodat anderen er ook van profiteren. Agent Builder in Microsoft 365 Copilot doet dat via twee bouw-routes: de Describe-tab (natural language, aanbevolen voor eerste agents) en de Configure-tab (handmatig per veld). Deze MW loopt de Describe-route.

Twee velden bepalen het agent-gedrag. De description stuurt de Large Language Model-orchestrator: welke vragen matchen deze agent versus andere agents. De instructions sturen het antwoord: toon, structuur, grenzen, en fallback bij out-of-scope vragen. De SharePoint-URL is je enige knowledge source; de rest zit in die twee tekstvelden.

Nog nooit een agent gebouwd? De Describe-tab stelt je naam, description, instructions en knowledge source automatisch voor op basis van jouw natural-language-beschrijving. Je corrigeert en scherpt aan; Agent Builder doet de bouw-techniek. Bouwtijd voor eerste versie: tien minuten.

Voorbereiding · open als je wil checken Wat je vooraf klaar wil hebben
  • Een coherente SharePoint-site of -map waar jij eigenaar of editor van bent (agent kan niet bouwen op content waar je alleen lezen mag)
  • Minstens tien bron-documenten op die site (onder die grens mist de agent ondersteuning voor variatie in vragen)
  • Microsoft 365 Copilot licentie (Agent Builder en SharePoint grounding vereisen Copilot Premium)
  • Een coherente doelgroep om mee te delen (team, afdeling, projectgroep) plus drie typische vragen die zij dagelijks stellen
De bouw-stappen

De agent-bouw in vijf stappen

Vijf stappen van idee naar deelbare kennisbank-agent. Stappen 1 en 2 zijn de kern: scope kiezen en agent beschrijven. Stap 3 voegt de SharePoint-bron toe. Stap 4 test en stuur bij. Stap 5 voegt starter-prompts toe en deelt met de doelgroep.

  1. Stap 1 · Scope kiezen

    Besluit welke SharePoint-site of -map de scope wordt. Kies één coherent kennisdomein, niet de hele tenant. HR-beleid is een coherente scope; 'alles op SharePoint' is geen scope. Check dat je eigenaar of editor bent op die site: zonder schrijftoegang kun je de agent niet koppelen.

  2. Stap 2 · Agent beschrijven via Describe-tab

    Open Microsoft 365 Copilot, klik rechtsboven op Create agent of ga via de Copilot Studio-integratie. Kies de Describe-tab. Plak prompt 1 (hieronder) met jouw doelgroep, scope, bron-URL, toon en fallback ingevuld. Agent Builder genereert automatisch een naam, description, instructions en voegt de SharePoint-URL toe als knowledge source. Controleer elk veld; stuur bij waar nodig.

  3. Bekijk screenshots Describe-tab met natural-language beschrijving
    1. Plak je beschrijving in het Describe-veld. Agent Builder genereert naam, description, instructions en knowledge source automatisch.
    Microsoft Learn: Build agents using Agent Builder

  4. Stap 3 · Knowledge source toevoegen of controleren

    Ga naar het Knowledge-tabblad in Agent Builder. Controleer dat de SharePoint-URL correct is toegevoegd. Wacht tot de status Ready is (kan enkele minuten duren na eerste toevoeging). Maximaal twintig knowledge sources per agent; een SharePoint-site telt als één bron ongeacht het aantal bestanden.

  5. Stap 4 · Test in Try it-tab met in-scope vragen en instinkers

    Open de Try it-tab rechtsboven in Agent Builder. Stel drie vragen die in scope zitten en drie instinkers: vragen die logisch klinken voor de doelgroep maar net buiten scope vallen. Als de agent een instinker probeert te beantwoorden met generieke taal: stuur de instructions aan via prompt 2 (expliciete fallback-regel toevoegen). Herhaal tot de fallback consistent werkt.

  6. Bekijk screenshots Try-it-tab met in-scope vraag en fallback-gedrag
    1. Test drie in-scope vragen plus drie instinkers. De fallback-zin hoort letterlijk te verschijnen als de vraag buiten scope valt.
    Microsoft Learn: Test your agent in Try it

  7. Stap 5 · Starter-prompts instellen en delen

    Voeg drie tot vijf starter-prompts toe via de Configure-tab → Starter prompts. Gebruik prompt 3 (hieronder) voor de tekst. Klik Publish en kies de doelgroep. Stuur de agent-link naar de doelgroep via Teams-chat met een korte intro: welke vragen de agent pakt en wat er buiten scope valt.

De Try it-tab is de veilige bouw-ruimte. Test breed voor je publiceert; een agent die één keer raar antwoordt verliest meer vertrouwen dan je met tien goede antwoorden terugwint.

Prompts voor je agent

Prompts per bouw-stap

Drie prompts voor drie van de vijf bouw-stappen. Stap 1 (scope kiezen) en stap 3 (knowledge source controleren) hebben geen prompt: stap 1 is een keuze die jij maakt, stap 3 is een UI-check in Agent Builder. De natural-language-prompts zitten bij de stappen waar je Agent Builder instrueert: beschrijven (stap 2), bijsturen (stap 4) en starter-prompts instellen (stap 5).

Stap 2 : Agent beschrijven via natural language in Agent Builder 
Ik wil een agent bouwen die [doelgroep, bijvoorbeeld collegas van ons kantoor] kan helpen met vragen over [scope, bijvoorbeeld ons HR-beleid]. De bron is deze SharePoint-site: [volledige URL]. De agent moet vriendelijk-zakelijk antwoorden, altijd een bron-link bij het antwoord zetten, en als een vraag buiten scope valt de gebruiker doorverwijzen naar [fallback, bijvoorbeeld hr@bedrijfsdomein]. Genereer de agent-naam, description en instructions op basis van deze beschrijving en voeg de SharePoint-URL toe als knowledge source.
Waarom werkt dit

Deze prompt gebruikt de Describe-tab van Agent Builder (natural language mode, recommended pad). De structuur doelgroep plus scope plus bron plus toon plus fallback matcht wat Agent Builder nodig heeft om automatisch naam, description, instructions en knowledge sources te genereren. De expliciete fallback-regel voorkomt dat de agent out-of-scope-vragen probeert te beantwoorden met generieke taal.

Stap 4 : Instructions bijsturen na een instinker die de agent liet struikelen 
Voeg de volgende regel toe aan de agent-instructions: 'Als een vraag niet te beantwoorden is op basis van de documenten op de SharePoint, antwoord letterlijk: deze vraag valt buiten het kennisdomein van deze agent, neem contact op met [fallback-kanaal]. Probeer geen algemene LLM-kennis in te zetten voor deze agent.' Test daarna opnieuw met de instinker [de vraag die de agent liet struikelen] om te checken of de fallback nu werkt.
Waarom werkt dit

Instructions worden iteratief verfijnd, niet in een keer geschreven. Deze expliciete fallback-regel is een veelvoorkomende fix voor een te ruim antwoordende agent. De expliciet-letterlijk-zinnetje maakt de fallback consistent in plaats van dat de agent zijn eigen interpretatie schrijft.

Stap 5 : Starter-prompts instellen voor gebruiker-sturing 
Voeg drie starter-prompts toe aan deze agent, gebaseerd op de drie meest gestelde vragen uit mijn doelgroep: 1) [vraag 1], 2) [vraag 2], 3) [vraag 3]. Voor elke prompt: een korte naam (maximaal drie woorden) plus de volledige prompt-tekst. Deze prompts verschijnen als suggesties als een collega de agent voor het eerst opent.
Waarom werkt dit

Starter-prompts zijn het belangrijkste onboarding-signaal voor nieuwe gebruikers. Ze bepalen welke vraag een gebruiker als eerste stelt, en tonen impliciet waar de agent sterk in is. Drie prompts is de sweet spot; meer wordt onoverzichtelijk, minder geeft te weinig richting.

AAN DE SLAG

Oefeningen

Discovery · Oefening 01

Wat isoleer je?

Variabele: scope

Draai de oefening eerst met de standaardwaarde. Wijzig dan alleen deze variabele en draai opnieuw. Leg beide outputs naast elkaar; benoem de delta in één zin.

Jouw principe
De scope-keuze bepaalt direct de antwoord-kwaliteit. Twee hoofdmappen in scope geven scherpere antwoorden dan de hele tenant-SharePoint; smal plus coherent slaat breed plus gemengd op alle gebruiker-scenarios.

Pak een SharePoint-site of -map die je dagelijks onderhoudt. Voer stap 1 tot en met 4 uit: scope kiezen, agent beschrijven via natural language in Agent Builder, test met drie in-scope vragen en drie instinkers, en stuur de instructions bij. Meet hoeveel tijd van idee tot werkende agent.

Werkblad 4 stappen
  1. Scope Stap 1 van 4

    SharePoint-scope kiezen en eigenaar-check

    Kies één coherent kennisdomein als scope. Check dat je eigenaar of editor bent op die SharePoint-site of -map. Als je alleen lees-rechten hebt, kun je de agent niet koppelen aan die bron. Scenario A: HR-beleidsagent; verlof, onkosten, thuiswerk als scope, doelgroep is het hele kantoor. Scenario B: Projectnavigator-agent; een lopende project-SharePoint als scope, doelgroep is het projectteam van twaalf mensen.
  2. Agent Builder Stap 2 van 4

    Agent beschrijven via Describe-tab

    Open Microsoft 365 Copilot, klik op Create agent. Kies de Describe-tab. Plak prompt 1 met jouw doelgroep, SharePoint-URL, toon en fallback ingevuld. Controleer het gegenereerde resultaat: naam (max 30 tekens), description (max 1000), instructions (max 8000). Stuur bij waar het genereerde resultaat te generiek is.
  3. Knowledge Stap 3 van 4

    Knowledge source controleren op Ready-status

    Ga naar het Knowledge-tabblad in Agent Builder. Controleer dat de SharePoint-URL zichtbaar is. Wacht tot de status-indicator Ready is. Als de status nog Preparing is: wacht twee minuten en ververs de pagina. Publiceer of test pas na Ready-status.
  4. Test Stap 4 van 4

    In-scope vragen en instinkers testen in Try it-tab

    Open de Try it-tab in Agent Builder. Stel drie vragen die in scope zijn. Controleer: geeft de agent een antwoord met een clickable bronverwijzing naar jouw SharePoint? Stel daarna drie instinkers. Als de agent generieke antwoorden geeft: plak prompt 2 (instructions bijsturen) en test opnieuw.

Hint: Als de agent in de Try it-tab rare antwoorden geeft, ligt dat meestal aan een te brede description of te weinig expliciete fallback in de instructions. Voer niet meer bronnen toe; scherp eerst de tekst aan.

Formuleer drie instinkers: vragen die net buiten de scope van je agent vallen. Test ze in de Try it-tab. Als de agent ze te serieus beantwoordt: voeg een expliciete fallback-regel toe aan de instructions en test opnieuw. Als de agent ze correct als out-of-scope herkent: ga door naar deelbaar maken.

Werkblad 2 stappen
  1. Instinkers Stap 1 van 2

    Drie out-of-scope vragen formuleren

    Bedenk drie vragen die logisch klinken voor de doelgroep maar net buiten de scope vallen. Voor HR-agent: 'wat is mijn eindejaarsbonus', 'hoe verander ik mijn wachtwoord', 'wanneer is de volgende kantooretentie'. Voor Project-navigator: 'wat is het budget van dit project', 'wie is de eindverantwoordelijke bij de klant', 'wanneer is de volgende borrel'. Niet te exotisch kiezen; de meest verleidelijke instinkers zijn die welke de doelgroep echt zal stellen.
  2. Test Stap 2 van 2

    Fallback-gedrag meten in Try it-tab

    Stel de drie instinkers in de Try it-tab. Kijk per vraag: geeft de agent de expliciete fallback-zin ('deze vraag valt buiten het kennisdomein'), of geeft hij een algemeen antwoord op basis van LLM-kennis? Als het laatste: de instructions zijn te open. Gebruik prompt 2 om de fallback-regel toe te voegen.

Hint: Een instinker-test is een korte check dat de agent weet wat hij NIET doet. Dat is minstens zo belangrijk als weten wat hij wel doet; collegas die een out-of-scope antwoord krijgen verliezen vertrouwen in de agent, ook voor in-scope-vragen.

Waarom dit werkt

Waarom een agent, niet een goede prompt

Een goede prompt is een eenmalige oplossing: jij weet de URL, jij schrijft de vraag, jij krijgt het antwoord. Een agent is diezelfde oplossing verpakt in een naam, een scope en instructies; hij is deelbaar met iedereen die de agent-link heeft. Dat is de hefboom op niveau 4: je werkt niet harder, je verpakt je werkpatroon zodat anderen het ook kunnen gebruiken.

  • Vaste scope in Agent Builder Agent antwoordt alleen over één coherent kennisdomein; geen generieke LLM-ruis, geen antwoorden buiten het beleid
  • Description voor de orchestrator Large Language Model weet welke vragen naar deze agent gaan versus andere agents; vaag description leidt tot vage matches
  • Instructions voor het antwoord Toon, structuur, bron-verwijzing en fallback zijn consistent; elke gebruiker krijgt hetzelfde antwoord-patroon
  • SharePoint-permissions gerespecteerd Agent geeft nooit content terug die de vragende collega niet mag zien; veilig uitrollen zonder extra access-configuratie

Vijf stappen, tien tot vijftien minuten voor de eerste werkende versie. De iteratie zit in de Try it-tab, niet in een deploy-cyclus: scherp aan, test opnieuw, publiceer als het werkt.

Een agent is een prompt die andere mensen kunnen gebruiken zonder dat ze de prompt kennen. Je bent niet meer de vraagbaak; de agent is het.
Tips

Tips die het verschil maken

Probeer: description schrijven als orchestrator-signaal, niet als marketing. De description is geen pitch maar een matchregel voor de Large Language Model: honderd tot driehonderd karakters die beschrijven welke vragen deze agent moet pakken. Voorbeeld voor HR: 'Beantwoordt vragen over verlof-regelingen, onkosten-procedures, thuiswerk-guidelines en leaseplan-voorwaarden. Gebaseerd op het actuele HR-beleid.' Geen superlatieven, geen tone-of-voice. Alleen scope.

Probeer: twee hoofdmappen als scope in plaats van de hele site. Een agent met twee hoofdmappen in scope is scherper dan een agent met de hele tenant-SharePoint. Smalere scope betekent meer coherente matches en minder kans op generieke antwoorden. Begin smal, breid pas uit als de agent consistent goed werkt. Nooit andersom.

Probeer: instinker-test als kwaliteits-benchmark. Test niet alleen vragen die in scope zitten. Test ook drie vragen die net buiten scope vallen. Als de agent die probeert te beantwoorden met generieke taal, is de description te breed of de instructions te open. Voeg de expliciete fallback-zin toe aan de instructions (zie prompt 2) en test opnieuw.

Probeer: starter-prompts als onboarding-signaal voor nieuwe gebruikers. De drie starter-prompts die een collega ziet als hij de agent voor het eerst opent, bepalen hun eerste indruk van wat de agent kan. Kies de drie meest gestelde vragen uit je doelgroep. Goede prompts werken als impliciete instructie: ze tonen scope zonder uitlegparagraaf te vereisen.

Let op

Wat vaak misgaat bij autonome agents

Morgen anders

Kies een SharePoint-scope, bouw in dertig minuten, deel met drie mensen

Kies een SharePoint-scope waar collegas regelmatig naar vragen. Bouw de eerste versie in dertig minuten via Agent Builder en deel met drie mensen voor breder uitrollen:

  1. Scope kiezen: één coherent kennisdomein waar jij eigenaar van bent en dat collegas dagelijks bevragen.
  2. Agent beschrijven: Describe-tab, prompt 1 invullen met URL plus fallback, gegenereerde velden controleren.
  3. Knowledge source checken: Ready-status bevestigen voor je test.
  4. Testen en bijsturen: drie in-scope vragen plus drie instinkers in Try it-tab; instructions aanpassen tot fallback consistent werkt.
  5. Delen: starter-prompts instellen, publiceren, link sturen naar drie teamleden met korte intro van de scope.

Meet na twee dagen: hoeveel 'kun jij even...'-vragen heb je minder gekregen? Dat is je eerste kwaliteitsmeting voor de agent.

Check jezelf
Kernboodschap

Scope-coherent, description voor orchestrator, instructions voor antwoord, test met drie instinkers voor je deelt. Een agent is een hergebruikbare, deelbare prompt met vaste SharePoint-scope.

Volgende les
MW-36: Klantenservice-agent: automatische antwoorden uit je kennisbank
Je kennisbank-agent informeert. Een service-agent handelt af: actie-link bij elk antwoord, escalatiepad voor buiten-scope vragen, en Agent 365-principes voor governance. De volgende stap in agent-bouw.
Inleveren

Lever je werk in

Kies wat je wil inleveren voor MW-35.

Rubric
Output
Reflectie
Morgen
Rubric

Werkt het bij jou?

Drie korte vragen op je eigen output.