用 C# 扩展 Dynamics 365 Copilot：自定义插件与场景

优质文章学习记录

— 7 min read

Dynamics 365 Copilot 作为基于 AI 的智能助手，为企业用户提供了自动化流程、智能分析和自然语言交互的能力，但通用功能往往无法满足特定行业或企业的定制化需求。本文将详细介绍如何通过 C# 编写自定义插件，扩展 Dynamics 365 Copilot 的能力，并结合实际业务场景实现定制化 AI 交互。

一、核心基础：Dynamics 365 Copilot 扩展架构

Dynamics 365 Copilot 的扩展主要依赖于 Power Platform 插件框架 和 Copilot Studio 的自定义连接器，核心技术栈包括：

  • C# (.NET Framework 4.8 或 .NET 6+)：编写业务逻辑插件
  • Dynamics 365 SDK：与 Dataverse 数据交互
  • Azure OpenAI / 自定义 LLM 接口：扩展 AI 生成能力
  • Power Platform 注册工具：部署插件到 Dynamics 365 环境

扩展的核心逻辑是：通过 C# 插件拦截 Copilot 的交互请求，注入自定义业务规则，调用外部 AI 服务或 Dataverse 数据，最终返回定制化的 AI 响应。

二、环境准备

  1. 安装必备工具：
    • Visual Studio 2022（带 .NET 桌面开发和 Azure 开发工作负载）
    • Dynamics 365 SDK（最新版本）
    • Power Platform CLI（用于插件注册）
    • 有效的 Dynamics 365 环境（带 Copilot 启用权限）

创建 Dynamics 365 插件项目：

# 通过 Power Platform CLI 创建插件项目 pac plugin init --name CopilotCustomPlugin --template ClassLibrary

三、核心示例：自定义客户服务 Copilot 插件

场景描述

某零售企业需要定制 Copilot 能力：当用户通过 Copilot 查询客户订单状态时，Copilot 能自动从 Dataverse 中读取该客户的订单数据，并结合 AI 生成结构化、个性化的回复（而非通用话术）。

核心源代码实现

1. 插件核心类（CustomerOrderCopilotPlugin.cs）
using Microsoft.Crm.Sdk.Messages; using Microsoft.Xrm.Sdk; using Microsoft.Xrm.Sdk.Query; using System; using System.Linq; // 插件入口类，继承 IPlugin 接口 public class CustomerOrderCopilotPlugin : IPlugin { // 插件执行方法（核心入口） public void Execute(IServiceProvider serviceProvider) { // 1. 获取插件执行上下文 IPluginExecutionContext context = (IPluginExecutionContext) serviceProvider.GetService(typeof(IPluginExecutionContext)); // 2. 获取组织服务（用于操作 Dataverse 数据） IOrganizationServiceFactory serviceFactory = (IOrganizationServiceFactory) serviceProvider.GetService(typeof(IOrganizationServiceFactory)); IOrganizationService service = serviceFactory.CreateOrganizationService(context.UserId); try { // 3. 从 Copilot 请求中提取参数（客户名称/ID、查询类型） string customerId = context.InputParameters["CustomerId"]?.ToString(); string queryType = context.InputParameters["QueryType"]?.ToString(); // 校验必填参数 if (string.IsNullOrEmpty(customerId) || queryType != "OrderStatus") { throw new InvalidPluginExecutionException("无效的查询参数：请提供客户ID并选择订单状态查询"); } // 4. 从 Dataverse 查询客户订单数据 var orderData = GetCustomerOrders(service, customerId); // 5. 构建定制化的 Copilot 响应内容 string copilotResponse = BuildCopilotResponse(orderData); // 6. 将响应写入输出参数，返回给 Copilot context.OutputParameters["CopilotResponse"] = copilotResponse; } catch (Exception ex) { // 插件异常处理（Dynamics 365 标准规范） throw new InvalidPluginExecutionException("客户订单查询插件执行失败：" + ex.Message, ex); } } /// <summary> /// 从 Dataverse 查询指定客户的订单数据 /// </summary> /// <param name="service">Dynamics 365 组织服务</param> /// <param name="customerId">客户GUID</param> /// <returns>订单数据集合</returns> private EntityCollection GetCustomerOrders(IOrganizationService service, string customerId) { // 构建查询表达式（查询 salesorder 实体） QueryExpression query = new QueryExpression("salesorder") { ColumnSet = new ColumnSet("name", "salesorderid", "statuscode", "totalamount", "createdon"), Criteria = new FilterExpression { Conditions = { new ConditionExpression("customerid", ConditionOperator.Equal, new Guid(customerId)) } }, // 按创建时间降序排列 Orders = { new OrderExpression("createdon", OrderType.Descending) } }; // 执行查询并返回结果 return service.RetrieveMultiple(query); } /// <summary> /// 构建 Copilot 定制化响应内容 /// </summary> /// <param name="orders">订单数据</param> /// <returns>结构化的 AI 回复文本</returns> private string BuildCopilotResponse(EntityCollection orders) { if (orders.Entities.Count == 0) { return "未查询到该客户的任何订单记录。"; } // 构建结构化回复（结合业务规则定制话术） var responseBuilder = new System.Text.StringBuilder(); responseBuilder.AppendLine($"为您查询到 {orders.Entities.Count} 条订单记录：\n"); foreach (var order in orders.Entities) { string orderName = order["name"].ToString(); string orderStatus = GetOrderStatusText(order.GetAttributeValue<OptionSetValue>("statuscode").Value); decimal totalAmount = order.GetAttributeValue<Money>("totalamount").Value; DateTime createDate = order.GetAttributeValue<DateTime>("createdon"); responseBuilder.AppendLine($"订单编号：{orderName}"); responseBuilder.AppendLine($"状态：{orderStatus}"); responseBuilder.AppendLine($"金额：{totalAmount:C}"); responseBuilder.AppendLine($"创建时间：{createDate:yyyy-MM-dd HH:mm}\n"); } responseBuilder.AppendLine("如需了解某笔订单的详细进度，可直接说出订单编号，我会为您进一步查询。"); return responseBuilder.ToString(); } /// <summary> /// 将订单状态码转换为易读文本（适配中文场景） /// </summary> /// <param name="statusCode">订单状态码</param> /// <returns>状态文本</returns> private string GetOrderStatusText(int statusCode) { return statusCode switch { 1 => "草稿", 2 => "已提交", 3 => "已批准", 4 => "已发货", 5 => "已完成", 6 => "已取消", _ => "未知状态" }; } }
2. 插件注册配置（PluginRegistration.cs）
using Microsoft.Xrm.Sdk; using Microsoft.Xrm.Sdk.Client; using System; using System.ServiceModel; // 插件注册辅助类（用于Power Platform CLI部署） public class PluginRegistrationHelper { /// <summary> /// 注册插件到 Dynamics 365 环境 /// </summary> /// <param name="serviceUri">Dynamics 365 服务地址</param> /// <param name="username">管理员账号</param> /// <param name="password">密码</param> /// <param name="domain">域名（如适用）</param> public static void RegisterPlugin(Uri serviceUri, string username, string password, string domain) { // 构建认证凭据 ClientCredentials credentials = new ClientCredentials(); credentials.UserName.UserName = username; credentials.UserName.Password = password; // 创建组织服务代理 using (OrganizationServiceProxy serviceProxy = new OrganizationServiceProxy( serviceUri, null, credentials, null)) { serviceProxy.EnableProxyTypes(); // 注册插件步骤（绑定到 Copilot 自定义消息） CreatePluginStep(serviceProxy, "new_CopilotCustomerOrderQuery", "CustomerOrderCopilotPlugin", "Microsoft.Crm.Sdk.Messages.ExecutePluginRequest"); } } private static void CreatePluginStep(IOrganizationService service, string messageName, string pluginTypeName, string requestType) { // 插件步骤创建逻辑（简化版，实际部署建议使用Power Platform CLI） Entity pluginStep = new Entity("sdkmessageprocessingstep") { ["name"] = $"Copilot_{messageName}_Step", ["sdkmessageid"] = new EntityReference("sdkmessage", new Guid("替换为实际消息ID")), ["pluginassemblyid"] = new EntityReference("pluginassembly", new Guid("替换为程序集ID")), ["plugintypeid"] = new EntityReference("plugintype", new Guid("替换为插件类型ID")), ["stage"] = 40, // 操作后执行 ["mode"] = 0, // 同步模式 ["rank"] = 1 }; service.Create(pluginStep); } }

四、插件部署与集成到 Copilot

1. 插件编译与签名

  • 在 Visual Studio 中编译项目，生成强名称签名的 DLL（右键项目 → 属性 → 签名 → 选择强名称密钥文件）。

使用 Power Platform CLI 将 DLL 注册到 Dynamics 365 环境：

# 登录 Dynamics 365 环境 pac auth create --url https://your-org.crm.dynamics.com # 注册插件程序集 pac plugin register --assembly "bin\Debug\CopilotCustomPlugin.dll" --serviceprincipalid "你的SPN ID" --serviceprincipalsecret "你的SPN密钥"

2. Copilot Studio 集成

  1. 打开 Copilot Studio，创建新的自定义主题 “客户订单查询”；
  2. 添加 “调用自定义插件” 操作，绑定上述 C# 插件；
  3. 配置输入参数（客户 ID）和输出参数（Copilot 响应）；
  4. 发布自定义主题，关联到 Dynamics 365 应用。

五、进阶场景：集成外部 LLM 增强 Copilot 能力

如果需要进一步增强 AI 生成能力，可以在插件中调用 Azure OpenAI API，结合业务数据生成更自然的回复：

// 新增方法：调用 Azure OpenAI 生成定制化回复 private string GenerateAiResponseWithOpenAI(string orderData) { var openAIClient = new Azure.AI.OpenAI.OpenAIClient( new Uri("https://your-openai-resource.openai.azure.com/"), new Azure.AzureKeyCredential("你的 OpenAI API 密钥")); var chatCompletionsOptions = new Azure.AI.OpenAI.ChatCompletionsOptions() { DeploymentName = "gpt-35-turbo", Messages = { new Azure.AI.OpenAI.ChatMessage(Azure.AI.OpenAI.ChatRole.System, "你是零售企业的客户服务助手，需基于提供的订单数据生成友好、简洁的中文回复，避免技术术语。"), new Azure.AI.OpenAI.ChatMessage(Azure.AI.OpenAI.ChatRole.User, $"基于以下订单数据生成回复：{orderData}") }, Temperature = 0.7f, MaxTokens = 500 }; var response = openAIClient.GetChatCompletions(chatCompletionsOptions); return response.Value.Choices[0].Message.Content; }

六、关键注意事项

  1. 性能优化：插件执行超时时间默认 2 分钟，需优化 Dataverse 查询（使用分页、索引）；
  2. 权限控制：插件以当前用户身份执行，需为用户分配 salesorder 实体的读取权限；
  3. 异常处理：必须捕获并抛出 InvalidPluginExecutionException，确保错误信息能返回给 Copilot；
  4. 版本管理：插件更新需通过 Power Platform CLI 重新注册，建议保留历史版本。

总结

  1. Dynamics 365 Copilot 可通过 C# 插件扩展，核心是实现 IPlugin 接口并拦截 Copilot 交互请求，结合 Dataverse 数据定制 AI 响应；
  2. 自定义插件的核心流程为：提取请求参数 → 查询业务数据 → 构建定制化响应 → 返回给 Copilot；
  3. 进阶场景可集成 Azure OpenAI 等外部 LLM，进一步增强 Copilot 的自然语言生成能力，同时需注意插件的性能、权限和异常处理。

Read more

AI数据标注平台的选型与实践：效率提升背后的技术逻辑

AI数据标注平台的选型与实践：效率提升背后的技术逻辑

👋 大家好，欢迎来到我的技术博客！ 📚 在这里，我会分享学习笔记、实战经验与技术思考，力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕人工智能这个话题展开，希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手，还是正在进阶的开发者，希望你都能有所收获！ 文章目录 * AI数据标注平台的选型与实践：效率提升背后的技术逻辑 🚀 * 引言：为什么标注平台的选型决定了你与竞品的差距？ * 第一部分：选型核心：超越表面的功能清单 * 1. 架构模式：SaaS vs. 私有化部署 ⚖️ * 2. 实时性与并发：WebSocket的魔法 ✨ * 3. 标注格式的“中间态”设计 🎨 * 第二部分：效率提升背后的技术架构 * 数据流转与任务分发架构 * 实战：构建一个智能预标注控制器 (Python示例) * 第三部分：不同数据类型的效率优化技术细节 * 1. 计算机视觉 (CV)：交互方式的降维打击 * 2. 自然语言处理 (NLP)：LLM如何改变标注剧本？ * 第四
算力调度算法：基于AI的智能算力分配方法

算力调度算法：基于AI的智能算力分配方法

算力调度算法：基于AI的智能算力分配方法 📚 本章学习目标：深入理解基于AI的智能算力分配方法的核心概念与实践方法，掌握关键技术要点，了解实际应用场景与最佳实践。本文属于《云原生、云边端一体化与算力基建：AI时代基础设施革命教程》云原生技术进阶篇（第二阶段）。 在上一章，我们学习了"边缘节点节能技术：算力与功耗的平衡策略"。本章，我们将深入探讨基于AI的智能算力分配方法，这是云原生与AI基础设施学习中非常重要的一环。 一、核心概念与背景 1.1 什么是基于AI的智能算力分配方法 💡 基本定义： 基于AI的智能算力分配方法是云原生与AI基础设施领域的核心知识点之一。掌握这项技能对于提升云原生架构设计能力和AI应用落地效果至关重要。 # 云原生基础命令示例# Docker容器操作docker run -d--name myapp nginx:latest dockerpsdocker logs myapp # Kubernetes基础操作 kubectl get pods -n default kubectl describe pod myapp-pod kubectl

llama.cpp本地部署性能调优指南：从启动瓶颈到推理效率的全方位优化

llama.cpp本地部署性能调优指南：从启动瓶颈到推理效率的全方位优化 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 在本地部署大语言模型时，你是否经常遇到启动缓慢、资源占用过高的问题？模型加载时间过长不仅影响开发效率，更会降低用户体验。本文将通过"问题诊断→核心原理→分级优化→场景适配"的框架，帮助你系统性解决llama.cpp的启动性能瓶颈，实现模型加载速度与资源占用的双重优化。我们将深入分析性能瓶颈的根本原因，提供分级优化策略，并针对不同使用场景给出定制化解决方案，让你的本地大模型部署既高效又稳定。 问题诊断：llama.cpp启动性能瓶颈分析 症状识别：常见性能问题表现 启动llama.

《LLaMA-Factory WebUI 快速上手：常见模型加载问题解决技巧》

LLaMA-Factory WebUI 快速上手：常见模型加载问题解决技巧 在人工智能领域，模型加载是使用大型语言模型的关键第一步。LLaMA-Factory作为一款开源工具，提供了直观的Web用户界面（WebUI），帮助用户轻松管理和部署模型。然而，许多新手在加载模型时遇到各种问题，导致效率低下或失败。本文将从快速上手开始，逐步介绍常见模型加载问题的解决技巧，确保您能顺利启动项目。文章基于实际经验原创撰写，内容实用可靠。 一、LLaMA-Factory WebUI 快速入门 LLaMA-Factory的WebUI设计简洁，适合初学者快速掌握。以下是最基本的操作步骤： 1. 模型加载流程：在WebUI中： * 选择“模型加载”选项卡。 * 输入模型名称或路径（如 llama-2-7b）。 * 点击“加载”按钮。系统会自动处理依赖和配置。 整个过程通常只需几分钟，界面会显示进度条和状态提示。 首次使用建议：为节省时间，优先加载小型模型（如 llama-2-7b），避免资源占用过大。加载成功后，您可立即测试推理功能： # 示例代码：简单文本生成