微软刚刚为 Power Apps MCP server 发布了**闭环学习（Closed-Loop Learning）**能力——这是对 5 月 1 日 Business Skills 功能的重大升级，让 AI Agent 不再是"教一遍忘一遍"，而是从每次用户纠错中自动积累经验，越用越聪明。
▸ 先说 Business Skills 是什么
简单回顾一下：Business Skills 把公司里的"隐性经验"（审批规则、判断标准、流程规范）变成 AI Agent 可以理解的语言存在 Dataverse 里。业务人员直接用自然语言描述规则，不需要数据科学家写代码。
▸ 闭环学习解决了什么问题？
Business Skills 解决了"规则定义"的问题，但还有一个痛点没解决：纠错如何积累？
传统的 Agent 工作流：用户纠错 → 这次好了 → 下次还是老样子
闭环学习模式：用户纠错 → 自动记录为结构化记忆 → 下次自动应用 → 积累形成组织级模式
▸ 具体怎么工作？
以财务团队的发票处理 Agent 为例：
- Agent 用 Power Apps MCP server 的 data entry 工具从 PDF 中提取供应商信息
- 文档写"UK"，Agent 填"UK"
- 用户在 Agent feed 里手动改成"United Kingdom"
- 闭环学习启动：纠错被自动记录为结构化记忆存入 Dataverse
- 几次类似纠错后，系统识别出"UK → United Kingdom"的模式
- 后续所有"UK"自动变成"United Kingdom"，且缩写如"USA""DE"也会被自动展开
- Agent 还会主动关联相似记忆，应用之前处理过的同类步骤
整个过程零配置，不需要建数据管道，不需要写代码。反馈循环在生产环境自动运行。
▸ 这对国内企业意味着什么？
- 低代码 + AI 的真正落地：不用等数据科学家，Power Platform 开发者搭好 Agent 后，终端用户自己训练
- 本土化适配神器：企业的地址格式、公司简称、内部编码规则——Agent 自动学会，不用每次都手动纠正
- 与简道云/宜搭的关键差异：这类闭环学习能力在国内低代码平台中目前还没有对等实现
▸ 适用场景
- 供应商信息标准化（地址、国家/地区缩写）
- 财务报销规则适配（发票类型、税率计算）
- CRM 数据清洗（客户名称去重、状态码规范化）
- 供应链文档处理（货代信息、关务编码）
💬 简单说：以前每次纠错都是"一次性纠正"，闭环学习把每次纠错变成了 Agent 的"肌肉记忆"。你公司有没有什么重复性极高的数据处理场景，适合用这种方式让 AI Agent 自我进化？
#PowerPlatform #微软 #AI #Agent #PowerApps #低代码 #MCP #Dataverse
