Sdílet prostřednictvím

Koncepty datového agenta Fabric (Preview)

Datový agent v Microsoft Fabric je nová funkce Microsoft Fabric, která umožňuje vytvářet vlastní konverzační systémy Q&A pomocí generování umělé inteligence. Datový agent Fabric zpřístupňuje přehledy dat a umožňuje přístupnější informace pro všechny uživatele ve vaší organizaci. S datovým agentem Fabric může váš tým vést konverzace s prostými otázkami v angličtině, daty, která vaše organizace uložila v Fabric OneLake, a pak přijímat relevantní odpovědi. Díky tomu můžou přesné a kontextové odpovědi získat i lidé bez technických odborných znalostí a umělé inteligence nebo hluboké porozumění datové struktuře.

Můžete také přidat pokyny specifické pro organizaci, příklady a pokyny k vyladění datového agenta Fabric. Tento přístup zajišťuje, aby odpovědi odpovídaly potřebám a cílům vaší organizace, což všem umožňuje efektivnější zapojení dat. Datový agent Fabric podporuje kulturu rozhodování řízeného daty, protože snižuje bariéry pro získání přehledu o přístupnosti, usnadňuje spolupráci a pomáhá vaší organizaci extrahovat z dat větší hodnotu.

Důležité

Tato funkce je ve verzi Preview.

Požadavky

Jak funguje datový agent Fabric

Datový agent Fabric používá velké jazykové modely (LLM), které uživatelům pomáhají přirozeně pracovat se svými daty. Datový agent Fabric používá rozhraní API pomocníka Azure OpenAI a chová se jako agent. Zpracovává dotazy uživatelů, určuje nejrelevantnější zdroj dat (Lakehouse, Warehouse, datová sada Power BI, databáze KQL, ontologie) a vyvolá příslušný nástroj pro generování, ověření a spouštění dotazů. Uživatelé pak můžou klást otázky ve formátu prostého jazyka a přijímat strukturované, čitelné odpovědi pro člověka – eliminují potřebu psát složité dotazy a zajistit přesný a zabezpečený přístup k datům.

Tady je postup, jak funguje podrobně:

Analýza a ověření otázek: Datový agent Fabric používá rozhraní API nástroje Azure OpenAI Assistant jako základního agenta ke zpracování dotazů uživatelů. Tento přístup zajišťuje, že otázka splňuje protokoly zabezpečení, zodpovědné zásady AI (RAI) a uživatelská oprávnění. Datový agent Fabric striktně vynucuje přístup jen pro čtení a udržuje datová připojení jen pro čtení ke všem zdrojům dat.

Identifikace zdroje dat: Datový agent Fabric používá přihlašovací údaje uživatele pro přístup ke schématu zdroje dat. Tento přístup zajišťuje, že systém načte informace o datové struktuře, které má uživatel oprávnění k zobrazení. Následně vyhodnotí otázku uživatele vůči všem dostupným zdrojům dat, včetně relačních databází (Lakehouse a Warehouse), datových sad Power BI (sémantických modelů), databází KQL a ontologií. Může také odkazovat na pokyny uživatelského agenta pro určení nejrelevavantnějšího zdroje dat.

Vyvolání nástroje a generování dotazů: Jakmile se identifikuje správný zdroj dat nebo zdroje, agent dat Fabric znovu přehraje otázku pro srozumitelnost a strukturu a potom vyvolá odpovídající nástroj pro vygenerování strukturovaného dotazu:

  • Přirozený jazyk SQL (NL2SQL) pro relační databáze (Lakehouse/Warehouse).
  • Přirozený jazyk DAX (NL2DAX) pro datové sady Power BI (sémantické modely).
  • Převod přirozeného jazyka do KQL (NL2KQL) pro databáze KQL.

Vybraný nástroj vygeneruje dotaz na základě zadaného schématu, metadat a kontextu, který pak předá agent, na kterého se váže datový agent Fabric.

Ověření dotazu: Nástroj provádí ověření, aby se zajistilo, že je dotaz správně vytvořený a dodržuje vlastní protokoly zabezpečení a zásady RAI.

Spouštění dotazů a odpověď: Po ověření agent dat Fabric provede dotaz na zvolený zdroj dat. Výsledky jsou naformátované do odpovědi čitelné člověkem, která může zahrnovat strukturovaná data, jako jsou tabulky, souhrny nebo klíčové přehledy.

Tento přístup zajišťuje, že uživatelé můžou pracovat se svými daty pomocí přirozeného jazyka, zatímco agent dat Fabric zpracovává složitost generování dotazů, ověřování a spouštění – to vše bez nutnosti psát SQL, DAX nebo KQL sami.

Konfigurace datového agenta Fabric

Konfigurace datového agenta Fabric se podobá vytvoření sestavy Power BI – začnete tím, že ji navrhnete a zpřesníte, abyste zajistili, že splňuje vaše potřeby, pak ji publikujete a sdílíte s kolegy, aby mohli s daty pracovat. Nastavení datového agenta Fabric zahrnuje:

Výběr zdrojů dat: Agent Fabric dat podporuje až pět zdrojů dat v libovolné kombinaci, včetně lakehouse, datových skladů, KQL databází, sémantických modelů Power BI a ontologií. Například nakonfigurovaný datový agent Fabric může obsahovat pět sémantických modelů Power BI. Může obsahovat kombinaci dvou sémantických modelů Power BI, jednoho jezera a jedné databáze KQL. Máte mnoho dostupných možností.

Výběr relevantních tabulek: Jakmile vyberete zdroje dat, přidejte je po jednom a definujte konkrétní tabulky z každého zdroje, který používá agent dat Fabric. Tento krok zajistí, že datový agent fabric načte přesné výsledky tím, že se zaměří jenom na relevantní data.

Přidání kontextu: Pro zlepšení přesnosti datového agenta Fabric poskytněte více kontextu prostřednictvím pokynů k datovému agentu Fabric a ukázkovým dotazům. Jako podkladový agent pro datového agenta Fabric pomáhá rozhraní API pomocníka Azure OpenAI provádět informovanější rozhodnutí o zpracování otázek uživatelů a určení, který zdroj dat je pro jejich odpověď nejvhodnější.

  • Pokyny k datovému agentu: Přidejte pokyny pro průvodce agentem, který je základem datového agenta Fabric, při určování nejlepšího zdroje dat pro zodpovězení konkrétních typů otázek. Můžete také zadat vlastní pravidla nebo definice, které objasňují terminologii organizace nebo konkrétní požadavky. Tyto pokyny můžou poskytnout více kontextu nebo předvoleb, které ovlivňují, jak agent vybírá a dotazuje zdroje dat.

    • Přímé dotazy týkající se finančních metrik do sémantického modelu Power BI
    • Přiřaďte dotazy zahrnující průzkum nezpracovaných dat do jezera.
    • Dotazy vyžadující analýzu protokolů směrujte do databáze KQL.

  • Ukázkové dotazy: Přidejte ukázkové páry dotazů na otázky, které ilustrují, jak by měl datový agent Fabric reagovat na běžné dotazy. Tyto příklady slouží jako průvodce pro agenta, který pomáhá pochopit, jak interpretovat podobné otázky a generovat přesné odpovědi.

Poznámka:

Přidání ukázkových párů dotazů/otázek není v současné době podporováno pro zdroje dat sémantických modelů Power BI.

Kombinací jasných instrukcí umělé inteligence a relevantních ukázkových dotazů můžete lépe sladit datového agenta systému Fabric s potřebami dat vaší organizace a zajistit přesnější a kontextově uvědomělé odpovědi.

Rozdíl mezi datovým agentem Fabric a copilotem

I když datové agenty Fabric i kopiloti Fabric používají generativní umělou inteligenci k zpracování a analyzování dat, v jejich funkcích a případech použití existují klíčové rozdíly:

Flexibilita konfigurace: Můžete vysoce konfigurovat datové agenty Fabric. Můžete zadat vlastní pokyny a příklady pro přizpůsobení jejich chování konkrétním scénářům. Na druhou stranu jsou fabric copiloti předkonfigurovaní a nenabízejí tuto úroveň přizpůsobení.

Rozsah a případ použití: Asistenti Fabric pomáhají s úlohami na platformě Microsoft Fabric, jako je generování kódu notebooku nebo dotazů na datový sklad. Datoví agenti pro fabric jsou naproti tomu samostatné artefakty. Aby byli agenti pro zpracování dat Fabric všestrannější pro širší případy použití, mohou se integrovat s externími systémy, jako jsou Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams, nebo jiné nástroje mimo Fabric.

Vyhodnocení datového agenta Fabric

Produktový tým pečlivě vyhodnotil kvalitu a bezpečnost odpovědí agenta dat Fabric:

Testování srovnávacích testů: Produktový tým testoval datové agenty Fabric napříč celou řadou veřejných a privátních datových sad, aby se zajistily vysoce kvalitní a přesné odpovědi.

Vylepšené zmírnění škod: Produktový tým implementoval bezpečnostní opatření, aby se zajistilo, že výstupy datového agenta Fabric zůstanou zaměřené na kontext vybraných zdrojů dat, což minimalizuje riziko irelevantních nebo zavádějících odpovědí.

Omezení

Datový agent Fabric je aktuálně ve verzi Public Preview a má omezení. Aktualizace vylepší datového agenta Fabric v průběhu času.

  • Datový agent Fabric generuje pouze dotazy SQL, DAX a KQL jen pro čtení. Nevygeneruje dotazy SQL, DAX ani KQL, které vytvářejí, aktualizují nebo odstraňují data.
  • Datový agent Fabric nepodporuje nestrukturovaná data, jako jsou .pdf, .docxnebo .txt soubory. K přístupu k nestrukturovaným datovým prostředkům nemůžete použít datového agenta Fabric.
  • Datový agent Fabric v současné době nepodporuje jiné než anglické jazyky. Pokud chcete dosáhnout optimálního výkonu, zadejte dotazy, pokyny a ukázkové dotazy v angličtině.
  • LLM, který používá datový agent Fabric, nemůžete změnit.
  • Historie konverzací v datovém agentu Fabric nemusí vždy trvat. V některých případech, například změny back-endové infrastruktury, aktualizace služeb nebo upgrady modelů, může dojít k resetování nebo ztrátě historie minulých konverzací.

Související obsah

  • Last updated on