CopilotStudioSamples
CopilotStudioSamples 是微软官方提供的开源资源库，专为 Microsoft Copilot Studio 开发者打造。它汇集了丰富的示例代码、可导入的解决方案模板以及最佳实践指南，旨在帮助用户快速构建、扩展和部署智能代理（Agents）。
对于正在使用或计划使用 Copilot Studio 的技术人员而言，从零开始搭建复杂功能往往面临诸多挑战。CopilotStudioSamples 通过提供涵盖联系人中心集成、单点登录（SSO）、自定义用户界面嵌入、功能与负载测试等场景的现成案例，有效解决了开发过程中的重复造轮子问题，显著降低了学习曲线和实施难度。
这套资源特别适合开发者、系统架构师以及 Power Platform 进阶用户。无论是需要快速原型验证，还是寻求企业级部署参考，都能从中找到有价值的素材。其独特的技术亮点在于不仅包含传统的对话主题片段，还前瞻性地集成了 M365 Agents SDK（支持 C#、JavaScript、Python）、MCP 服务器示例以及 A2A 协议实现，展示了如何突破标准功能限制，构建高度定制化且具备互操作性的智能应用。此外，仓库将旧版 Power Virtual Agents 内容归档至独立分支，确保当前样本始终聚焦于最新技术栈，是探索微软智能代理生态不可或缺的实战宝典。
使用场景
某大型制造企业的 IT 团队正试图为内部员工构建一个能连接 HR 系统（Workday）并支持单点登录的智能客服助手，以处理请假和设施报修请求。
没有 CopilotStudioSamples 时
- 开发团队需从零编写复杂的 Entra ID 单点登录（SSO）代码，耗时数周调试身份验证流程，极易出现安全漏洞。
- 缺乏现成的 HR 系统对接模板，开发人员不得不手动研究 Workday API 文档，导致数据交互逻辑频繁出错。
- 自定义聊天界面嵌入 SharePoint 时缺少参考范例，UI 风格与公司门户严重割裂，用户体验极差。
- 无法快速搭建功能测试框架，每次更新机器人逻辑后只能依靠人工反复对话验证，回归测试效率低下。
- 遇到技术瓶颈时只能在通用论坛盲目搜索，难以找到针对 Microsoft Copilot Studio 特定版本的权威最佳实践。
使用 CopilotStudioSamples 后
- 直接复用
sso/目录下的成熟示例，半天内即可配置好安全的单点登录流程，大幅降低开发门槛。 - 利用
EmployeeSelfServiceAgent/中的预置主题和代码片段，快速实现与 Workday 系统的无缝数据互通。 - 参考
ui/文件夹中嵌入 SharePoint 的完整案例，迅速打造出风格统一、交互流畅的定制化聊天窗口。 - 引入
testing/提供的 pytest 和 JMeter 脚本，建立起自动化测试流水线，确保版本迭代的质量与稳定性。 - 依托
guides/和官方分类样本库，团队能立即获取经过验证的实施指南，避免走弯路并加速项目交付。
CopilotStudioSamples 通过提供开箱即用的代码资产与最佳实践，将企业智能助手的开发周期从数月缩短至数周，显著降低了技术试错成本。
运行环境要求
快速开始
title: 首页 layout: home nav_order: 0 description: Microsoft Copilot Studio 的示例和工件
Microsoft Copilot Studio 示例
概述
此仓库包含 Microsoft Copilot Studio 的示例和工件。
较旧的示例和实验，主要聚焦于 Power Virtual Agents，已被移至本仓库的 Legacy 分支。
Microsoft Copilot Studio 的实用链接
| 描述 | 链接 |
|---|---|
| 主页 | aka.ms/CopilotStudio |
| 官方博客 | aka.ms/CopilotStudioBlog |
| 社区论坛 | aka.ms/CopilotStudioCommunity |
| 产品文档 | aka.ms/CopilotStudioDocs |
| 指导文档 | aka.ms/CopilotStudioGuidance |
| 试用 Copilot Studio | aka.ms/TryCopilotStudio |
| Copilot 加速团队技术博客 | aka.ms/TheCustomEngine |
| 示例浏览器 | microsoft.github.io/CopilotStudioSamples |
Microsoft Copilot Studio 和 Agents SDK 链接
| 描述 | 链接 |
|---|---|
| M365 Agents SDK | M365 Agents SDK 的 GitHub 仓库 |
| M365 Agents SDK - C# | C# M365 Agents SDK 的 GitHub 仓库 |
| M365 Agents SDK - JavaScript | M365 Agents SDK 的 GitHub 仓库 |
| M365 Agents SDK - Python | M365 Agents SDK 的 GitHub 仓库 |
| 自适应卡片 | 自适应卡片文档及构建器 |
| Web Chat | Web Chat GitHub 仓库 |
| Power Platform 片段 | Copilot Studio 片段 |
按类别划分的示例
| 文件夹 | 描述 |
|---|---|
| authoring/ | 可导入的解决方案（PnP 格式）以及主题和自适应卡片的复制粘贴片段 |
| contact-center/ | 联系中心集成与人工客服转接 |
| extensibility/ | MCP 服务器、A2A 协议及 M365 Agents SDK 示例 |
| guides/ | 实施指南与最佳实践 |
| infrastructure/ | 部署模板与 VNet 配置 |
| sso/ | 使用 Entra ID 和 Okta 的单点登录 |
| testing/ | 功能测试（pytest）与负载测试（JMeter） |
| ui/ | 自定义聊天 UI 以及平台嵌入示例（ServiceNow、Power Apps、SharePoint） |
| EmployeeSelfServiceAgent/ | Workday 和设施管理主题 (即将弃用) |
贡献
本项目欢迎贡献和建议。大多数贡献都需要您签署贡献者许可协议（CLA），声明您有权并确实授予我们使用您贡献的权利。有关详情，请访问 https://cla.opensource.microsoft.com。
当您提交拉取请求时，CLA 机器人会自动判断您是否需要提供 CLA，并相应地标记 PR（例如状态检查、评论）。只需按照机器人提供的指示操作即可。对于使用我们 CLA 的所有仓库，您只需执行一次此操作。
本项目已采用 Microsoft 开源行为准则。更多信息请参阅 行为准则常见问题解答，或如有任何其他疑问或意见，请联系 opencode@microsoft.com。
支持
尽管用于构建这些示例的基础功能和组件均受全面支持（如 Copilot Studio 机器人、Power Platform 产品及功能等），但这些示例本身只是这些功能的示例实现。我们的客户、合作伙伴和社区可以使用并自定义这些功能，以在各自组织中实现所需的能力。
如果您遇到以下问题：
- 使用示例时：请在此处报告问题：aka.ms/CopilotStudioSamplesIssues。（Microsoft 支持不会协助解决与示例相关的问题，但会帮助处理相关的底层平台和功能问题。）
- 核心 Microsoft 功能：请通过标准渠道联系 Microsoft 支持：Microsoft Copilot Studio 社区帮助和支持。
Microsoft 开源行为准则
本项目已采用 Microsoft 开源行为准则。
资源：
- Microsoft 开源行为准则
- Microsoft 行为准则常见问题解答
- 如有任何疑问或顾虑，请联系 opencode@microsoft.com
商标
本项目可能包含项目、产品或服务的商标或标识。微软商标或标识的授权使用须遵守并遵循微软的商标与品牌指南。在本项目的修改版本中使用微软商标或标识时，不得造成混淆或暗示微软的赞助。任何第三方商标或标识的使用均须遵守该第三方的相关政策。
安全性
微软高度重视软件产品和服务的安全性，这包括通过我们的 GitHub 组织管理的所有源代码仓库，其中包括 Microsoft、Azure、DotNet、AspNet、Xamarin 以及 我们的 GitHub 组织。
如果您认为在任何微软拥有的仓库中发现了符合 微软安全漏洞定义 的安全漏洞，请按照以下说明向我们报告。
安全问题报告
请勿通过公共 GitHub 问题报告安全漏洞。
请改向 Microsoft 安全响应中心 (MSRC) 报告，地址为 https://msrc.microsoft.com/create-report。
如果您希望在不登录的情况下提交，请发送电子邮件至 secure@microsoft.com。如有可能，请使用我们的 PGP 密钥对邮件进行加密；请从 Microsoft 安全响应中心 PGP 密钥页面下载该密钥。
您应在 24 小时内收到回复。若因某些原因未收到回复，请通过电子邮件跟进，以确保我们已收到您的原始邮件。更多信息请参阅 microsoft.com/msrc。
Microsoft 遵循【协调漏洞披露】原则（Coordinated Vulnerability Disclosure）。
版权所有 © Microsoft Corporation。保留所有权利。
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。