使用 Power Platform 构建低代码生成式 AI 应用：Copilot 与 AI Builder 全流程实战指南

使用 Power Platform 构建低代码生成式 AI 应用：Copilot 与 AI Builder 全流程实战指南

【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners

本篇文章是开源课程《Generative AI for Beginners》（21 课）中第 10 课"构建低代码 AI 应用程序"的深度实战指南。它以一间高速扩张的在线教育初创公司为业务背景，带领读者在Power Apps、Power Automate、Dataverse 与 AI Builder四大工具链上，零代码搭建"学生作业跟踪应用"与"发票智能处理工作流"两个完整解决方案。读完本文，你将掌握 Copilot 的自然语言驱动式应用/流程搭建方法、Dataverse 低代码数据建模、预构建 AI 模型选型，以及 GPT 文本生成模型在自动化流程中的集成思路。

课程背景：这篇指南在仓库中的定位

本课对应的英文原版文档位于 10-building-low-code-ai-applications/README.md，并随仓库提供 50+ 语言翻译版本（本文参考的希伯来语版位于 translations/he/10-building-low-code-ai-applications/README.md）。在课程总目录 README.md 中，第 10 课被标记为"Build: A Generative AI application using Low Code tools"（使用低代码工具构建生成式 AI 应用），紧接第 9 课"图像生成应用"，并为第 11 课"函数调用集成"做铺垫。

与课程中其他以 Python / TypeScript 代码为主的"Build"课不同，本课几乎不写代码——它的核心是把你在前几课学到的生成式 AI 能力，通过微软 Power Platform 的可视化环境落地到真实业务中。课程配套的界面截图资源统一存放在 10-building-low-code-ai-applications/images/，下文实战环节会逐一引用。

认识低代码：让非开发者也能构建应用

低代码开发平台（Low Code Development Platform）让传统开发者与完全不懂编程的人，都能用极少量甚至零代码构建应用与解决方案。其实现方式是为开发者提供一套可视化开发环境：通过"拖拽组件"的方式拼装应用界面、数据表与流程，从而以更少的资源、更快的速度完成交付。

Power Platform 正是这类平台的典型代表。它为组织提供了一个直观的低代码/无代码环境，让团队能够自助构建解决方案——原本需要几个月甚至几年才能落地的系统，现在可以在几天或几周内完成。Power Platform 由五个核心产品构成：

本课聚焦其中两个产品——Power Apps 与 Power Automate，并辅以底层数据平台 Dataverse 与 AI 能力层 AI Builder。

Power Platform 中的生成式 AI：Copilot 与 AI Builder 两大引擎

Power Platform 把生成式 AI 集成进低代码开发体验的最终目标非常明确：让每个人——无需任何数据科学专业知识——都能构建 AI 驱动的应用、网站、仪表盘并自动化业务流程。实现这一目标靠的是两大利器：Copilot与AI Builder。

Copilot 是什么，它是如何工作的

Copilot 是一个 AI 助手，允许你用自然语言、以一系列对话步骤描述需求，从而构建 Power Platform 解决方案。例如：

• 你告诉 AI 助手应用将使用哪些字段，它会同时生成应用和底层数据模型；
• 你描述希望在 Power Automate 中如何配置流程，它会按你的描述生成流程骨架；
• 你还可以把 Copilot 驱动的能力作为功能嵌入应用屏幕，让最终用户通过对话式交互自行挖掘洞察。

Copilot 在 Power Platform 全部五个产品中均可用（Power Apps、Power Automate、Power BI、Power Pages、Copilot Studio）；而 AI Builder 目前仅在Power Apps 与 Power Automate中可用。本课聚焦的正是 Copilot 与 AI Builder 在这两个产品中的配合使用。

Power Apps 中的 Copilot

Power Apps 是 Power Platform 的低代码应用开发产品，提供了一套应用开发服务、一个可扩展的数据平台，并支持连接云服务与本地（on-premises）数据。它构建的应用可运行在浏览器、平板与手机上，并能方便地分享给同事；简洁的界面让业务用户和专业开发者都能上手。

Power Apps 中的 Copilot 助手工作流程为：

1. 你描述需要什么类型的应用，以及应用要跟踪、收集或展示哪些信息；
2. Copilot 基于描述生成一个响应式 Canvas 应用；
3. Copilot 同时生成并建议一张Dataverse 表，包含存储所需数据的字段与示例数据；
4. 你可以通过对话步骤，随时对应用与数据表进行二次定制。

该功能直接从 Power Apps 首页即可调用，不需要任何代码基础。

Power Automate 中的 Copilot

Power Automate 让用户在应用与服务之间创建自动化工作流，用于自动化通信、数据收集、决策审批等重复性业务流程。其简洁界面适合从初学者到资深开发者的所有技术水平。

Power Automate 中的 Copilot 助手工作流程为：

1. 你描述需要什么类型的流程，以及流程要执行哪些操作；
2. Copilot 基于描述生成流程，并建议执行任务所需的动作（Actions）；
3. 你可以通过对话步骤增删、调整这些动作。

同样，该功能可直接从 Power Automate 首页调用。

业务场景：为在线教育初创公司构建低代码解决方案

我们的初创公司为学生提供在线课程，业务快速扩张后难以满足课程需求，急需一套低代码方案来管理两件事：

• 学生作业：通过一个应用跟踪、管理学生作业；
• 发票：通过一个工作流自动化发票处理过程。

公司聘请你作为 Power Platform 开发者，并要求使用生成式 AI 来开发这套解决方案。

在开始使用 Copilot 之前，可以借助Power Platform Copilot Prompt Library（Power Platform Copilot 提示词库）获取现成的提示词范例。该库汇集了用 Copilot 构建应用和流程的常用提示词，也帮助新手理解"如何向 Copilot 描述需求"这一关键技能。下文三个实战任务将展示完整的提示词用法。

实战一：用 Copilot 构建学生作业跟踪应用

业务痛点：教育工作者一直用电子表格跟踪学生作业，随着学生数量增长，管理越来越困难。他们需要一个应用，能够新增、查看、更新、删除作业，并让教师与学生都能看到已评分和未评分的作业。

按以下步骤在 Power Apps 中用 Copilot 完成应用搭建：

1. 进入 Power Apps 首页（make.powerapps.com）。
2. 在首页文本区域描述你想构建的应用，例如输入提示词："我想构建一个应用来跟踪和管理学生作业"（I want to build an app to track and manage student assignments），点击Send按钮将提示词发送给 AI Copilot。

3. Copilot 会建议一张Dataverse 表，包含存储所需数据的字段及示例数据，之后你可以通过对话步骤定制这张表。

   重要：认识 Dataverse。Dataverse 是 Power Platform 的底层数据平台，一种用于存储应用数据的低代码数据平台。它是一个完全托管的服务，将数据安全地存储在 Microsoft 云中，并在你的 Power Platform 环境内完成预配置。它内置了数据分类、数据沿袭（data lineage）、细粒度访问控制等数据治理能力——你无需关心存储与管理细节。

4. 教师希望给已提交作业的学生发邮件、同步作业进度。继续用 Copilot 给表添加"学生邮箱"字段，输入提示词："我想添加一个列来存储学生电子邮件"（I want to add a column to store student email），点击Send。
5. Copilot 生成新字段，你可以按需定制该字段（类型、必填、默认值等）。
6. 表格就绪后，点击Create app（创建应用）按钮。
7. Copilot 基于你的描述生成一个响应式 Canvas 应用，之后可按需定制界面布局、控件与数据绑定。
8. 为了让教师能够向学生发邮件，用 Copilot 给应用添加新屏幕，输入提示词："我想添加一个屏幕来向学生发送电子邮件"（I want to add a screen to send emails to students），点击Send。
9. Copilot 生成新屏幕，按需定制屏幕内容。
10. 完成应用后点击Save保存。
11. 点击Share分享按钮，再次点击Share，输入教育工作者的邮箱地址即可共享应用。

课后延伸（家庭作业）：当前应用的邮件功能只能让教师手动输入学生邮箱逐一发送。能否用 Copilot 构建自动化，让学生在提交作业时自动收到邮件？提示：借助合适的提示词，使用 Power Automate 中的 Copilot 就能实现这条自动化链路——这正是后文实战三的思路原型。

实战二：用 Copilot 在 Dataverse 中创建发票信息表

业务痛点：财务团队用电子表格跟踪发票，随着发票数量增加难以管理。他们需要一张表来存储、跟踪和管理收到的发票信息，既要支撑"自动提取发票信息并入库"的自动化，也要让财务团队能查看已付款/未付款状态。

为什么选择 Dataverse

Dataverse 中的标准表与自定义表为数据提供安全、云原生的存储。可以把表理解为"Excel 工作簿中的多个工作表"——每种表存储一类业务数据。对本项目而言，Dataverse 的价值集中在四点：

• 易于管理：元数据与数据都存储在云中，无需关心底层存储与管理细节，专注构建应用与解决方案；
• 安全：基于角色的安全性（role-based security），精确控制谁能访问表中数据、以何种方式访问；
• 丰富的元数据：数据类型与表间关系可被 Power Apps 直接使用；
• 逻辑与校验：支持业务规则（business rules）、计算字段（calculated fields）与验证规则，强制执行业务逻辑并保证数据准确性。

创建表的七个步骤

提示：本节创建的发票表将在实战三中用于承载自动化提取出的发票数据。

1. 进入 Power Apps 首页。
2. 在左侧导航栏选择Tables（表），然后点击Describe the new Table（描述新表）。

3. 在Describe the new Table页面，用文本区域描述要创建的表，例如输入："我想创建一个表来存储发票信息"（I want to create a table to store invoice information），点击Send发送给 AI Copilot。
4. Copilot 会建议一张包含所需字段与示例数据的 Dataverse 表，你可以通过对话步骤定制表结构与示例数据。
5. 财务团队需要向供应商发送邮件、同步发票当前状态，因此用 Copilot 添加"供应商邮箱"字段，输入提示词："我想添加一个列来存储供应商电子邮件"（I want to add a column to store supplier email），点击Send。
6. Copilot 生成新字段，按需定制。
7. 表结构确认后，点击Create创建表。

AI Builder：预构建 AI 模型与自定义 AI 模型

AI Builder是 Power Platform 中的低代码 AI 能力，允许你使用 AI 模型自动化流程、预测结果。通过 AI Builder，可以把 AI 引入到连接 Dataverse 数据或各类云数据源（如SharePoint、OneDrive、Azure）的应用与流程中。它提供两类模型：

预构建 AI 模型（Prebuilt AI Models）

由 Microsoft 训练并托管在 Power Platform 中的开箱即用模型。你无需收集数据、训练、发布自己的模型，即可为应用和流程添加智能。Power Platform 中常见的预构建模型包括：

自定义 AI 模型（Custom AI Models）

自定义模型允许你将自己的模型引入 AI Builder，使其像任何 AI Builder 自定义模型一样工作，从而用自己的数据训练模型。这类模型同样可用于 Power Apps 与 Power Automate 的流程自动化与结果预测。需要注意的是，使用自有模型存在一些平台限制，动手前应查阅 AI Builder 官方文档中的"Limitations"章节确认适用边界。

实战三：构建发票处理自动化工作流

业务痛点：财务团队处理发票困难，需要一条工作流：从发票中提取信息 → 存入 Dataverse 表 → 向财务团队发送包含提取结果的邮件。这正是上一节提到的Invoice Processing（发票处理）预构建模型的用武之地。

按以下步骤在 Power Automate 中构建工作流：

1. 进入 Power Automate 首页（make.powerautomate.com）。
2. 在首页文本区域描述要构建的流程，例如输入："当发票到达我的邮箱时处理发票"（Process an invoice when it arrives in my mailbox），点击Send。

3. Copilot 会建议完成该任务所需的动作，点击Next进入下一步。
4. 下一步 Power Automate 会提示你配置流程所需的连接（连接器凭据），完成后点击Create flow创建流程。
5. Copilot 生成流程骨架，之后逐步定制。
6. 更新触发器：将Folder设置为存放发票的文件夹（例如Inbox）；点击Show advanced options（显示高级选项），将Only with Attachments（仅限带附件）设为Yes。这样流程只在收到带附件的邮件时触发，避免无关邮件空转。
7. 从流程中删除用不到的动作：HTML to text、Compose、Compose 2、Compose 3、Compose 4。
8. 同时删除用不到的Condition（条件）动作。删除后流程应只保留触发器与核心处理动作。
9. 点击Add an action（添加操作），搜索Dataverse，选择Add a new row（添加新行）动作。
10. 在Extract Information from invoices（从发票中提取信息）动作中，将Invoice File指向邮件中的Attachment Content（附件内容），确保流程从发票附件中提取数据。
11. 选择实战二中创建的Invoice Information表，用上一步动作的动态内容（Dynamic Content）填充各字段：

12. 流程完成点击Save保存。测试方法：向触发器中指定的文件夹发送一封带发票附件的邮件，观察流程是否自动提取并入库。

课后延伸（家庭作业）：当前流程是良好开端，接下来思考——如何让财务团队在发票状态变化时自动给供应商发送状态更新邮件？提示：这条新流程必须以"发票状态变更"作为触发条件。

使用 Create Text with GPT 文本生成模型

Create Text with GPT是 AI Builder 提供的文本生成模型，基于提示词生成文本，由Microsoft Azure OpenAI 服务驱动。借助它，你可以把 GPT（Generative Pre-Trained Transformer，生成式预训练变换器）技术集成进应用与流程，构建各类自动化流程与智能应用。

GPT 模型在海量数据上经过广泛训练，能够生成高度接近人类语言的文本；当它与工作流自动化结合时，可以显著简化并自动化大量任务。典型应用场景包括：

• 自动生成文本：邮件草稿、产品描述等内容的批量生成；
• 智能对话应用：聊天机器人、客户服务应用——让客服代理基于模型生成的回复，高效响应客户咨询。

对应本课学习目标"在使用 Create Text with GPT 模型时应用最佳实践"，课程也提供了微软 Learn 上的配套模块《为 AI Builder 和 GPT 添加智能》（Add intelligence with AI Builder and GPT）作为深入学习的路径。关于提示词设计本身的最佳实践，可回看本课程第 4 课《提示工程基础》（04-prompt-engineering-fundamentals/README.md）与第 5 课《高级提示词》（05-advanced-prompts/README.md），将文本生成模型的提示词质量与工程方法衔接起来。

小结与下一步

本课展示了生成式 AI 在低代码开发中的完整闭环：Copilot 负责"说人话就能建应用/建流程"的搭建体验，AI Builder 提供"开箱即用的预构建智能模型"，Dataverse 则作为统一的数据底座。三个实战任务从应用层（Power Apps）到数据层（Dataverse）、再到自动化层（Power Automate）与 AI 层（AI Builder、GPT），覆盖了一个真实初创公司从"跟踪学生作业"到"处理发票"的完整业务链路。

完成本课后，可以继续第 11 课，学习如何将生成式 AI 与**函数调用（Function Calling）**集成——参见 11-integrating-with-function-calling/README.md。如果你想对比"低代码"与"传统编码"两种构建方式的差异，本课程前几课（如第 6 课文本生成应用、第 7 课聊天应用）中的 Python/TypeScript 示例正好提供了参考。

【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners