Oriëntatie
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.
Live case
Verdieping Voorbereiding
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 deze licentie)
- Een coherente doelgroep om mee te delen (team, afdeling, projectgroep) plus drie typische vragen die zij dagelijks stellen
Doen
De bouw-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.
-
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.
-
Stap 2 · Agent beschrijven via Describe-tab
Open Microsoft 365 Copilot, klik in het linkerpaneel op New 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.
-
-
Plak je beschrijving in het Describe-veld. Agent Builder genereert naam, description, instructions en knowledge source automatisch.
-
-
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.
-
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.
-
-
Test drie in-scope vragen plus drie instinkers. De fallback-zin hoort letterlijk te verschijnen als de vraag buiten scope valt.
-
-
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
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).
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.
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.
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.
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.
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.
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.