Hvad er Copilot i data warehouse-arbejdsbelastningen (forhåndsvisning)?

Gælder for: ✅ SQL analytics endpoint og Warehouse i Microsoft Fabric

Copilot i Fabric data warehouse er en AI-assistent, der er designet til at strømline dine datalageropgaver. Copilot integreres problemfrit med dit data warehouse i Fabric, hvilket giver intelligent indsigt, der hjælper dig med hvert trin på vejen i dine T-SQL-udforskninger.

Copilot i Fabric data warehouse bruger tabel- og visningsnavne, kolonnenavne, primærnøgle og fremmednøglemetadata til at generere T-SQL-kode. Copilot i Fabric data warehouse bruger ikke data i tabeller til at generere T-SQL-forslag.

Funktioner i Copilot i Fabric data warehouse

Copilot i Fabric data warehouse tilbyder følgende funktioner:

  • Naturligt sprog til SQL: Bed Copilot om at generere SQL-forespørgsler ved hjælp af simple spørgsmål om naturligt sprog.
  • Kodefuldførelse: Gør kodningen mere effektiv med fuldførelse af ai-drevet kode.
  • Hurtige handlinger: Ret hurtigt og forklar SQL-forespørgsler med let tilgængelige handlinger.
  • Intelligent indsigt: Få intelligente forslag og indsigt baseret på dit lagerskema og dine metadata.

Der er tre måder at interagere med Copilot på i Fabric Warehouse-editoren.

  • Copilot chatpanel: Brug chatpanelet til at stille spørgsmål til Copilot via naturligt sprog. Copilot svarer med en genereret SQL-forespørgsel eller et naturligt sprog baseret på det stillede spørgsmål.

    • Naturligt sprog til SQL: Generér T-SQL-kode, og få forslag til spørgsmål, du kan stille for at fremskynde din arbejdsproces.

  • Copilot-kodefuldførelse: Begynd at skrive T-SQL i SQL-forespørgselseditoren, og Copilot genererer automatisk et kodeforslag for at hjælpe med at fuldføre din forespørgsel. tab-tasten accepterer kodeforslaget eller bliver ved med at skrive for at ignorere forslaget.

  • Copilot hurtige handlinger: I båndet i SQL-forespørgselseditoren er Fix og Forklar valgmulighederne hurtige handlinger. Fremhæv en SQL-forespørgsel efter eget valg, og vælg en af hurtig handlingsknapperne for at udføre den valgte handling i forespørgslen.

    • Forklar: Copilot kan give forklaringer på naturligt sprog for sql-forespørgsels- og lagerskemaet i kommentarformat.
    • Rettelse: Copilot kan rette fejl i din kode, når der opstår fejlmeddelelser. Fejlscenarier kan inkludere forkert eller ikke-understøttet T-SQL-kode, forkerte stavemåder og mere. Copilot indeholder også kommentarer, der forklarer ændringerne og foreslår bedste praksis for SQL.

Aktivér Copilot

Bedste praksis for brug af Copilot i Fabric data warehouse

Her er nogle tip til at maksimere produktiviteten med Copilot.

  • Når du laver prompts, skal du starte med en klar og præcis beskrivelse af den specifikke information, du leder efter.
  • Naturligt sprog til SQL afhænger af udtryksfulde tabel- og kolonnenavne. Hvis din tabel og dine kolonner ikke er udtryksfulde og beskrivende, kan Copilot muligvis ikke oprette en meningsfuld forespørgsel.
  • Brug naturligt sprog, der gælder for dine tabel- og visningsnavne, kolonnenavne, primærnøgler og fremmednøgler i dit lager. Denne kontekst hjælper Copilot med at generere nøjagtige forespørgsler. Angiv så eksplicit som muligt, hvilke kolonner du vil se, aggregeringer og eventuelle filtreringskriterier. Copilot skal kunne rette stavefejl eller forstå konteksten i forhold til skemakonteksten.
  • Opret relationer i lagerstedets modelvisning for at øge nøjagtigheden af JOIN sætninger i dine genererede SQL-forespørgsler.
  • Når du bruger kodefuldførelser, skal du skrive en kommentar øverst i forespørgslen med -- for at hjælpe Copilot med konteksten for den forespørgsel, du forsøger at skrive.
  • Undgå tvetydigt eller alt for komplekst sprog i dine prompter. Forenkle spørgsmålet, samtidig med at dens klarhed bevares. Denne redigering sikrer, at Copilot effektivt kan oversætte den til en meningsfuld T-SQL-forespørgsel, der henter de ønskede data fra de tilknyttede tabeller og visninger.
  • I øjeblikket understøtter naturligt sprog til SQL engelsk til T-SQL.

Eksempler på prompter

  • Følgende eksempelprompter er tydelige, specifikke og skræddersyede til egenskaberne for dit skema og data warehouse, hvilket gør det nemmere for Copilot at generere nøjagtige T-SQL-forespørgsler:
    - Show me all properties that sold last year
    - Count all the products, group by each category
    - Show all agents who sell properties in California
    - Show agents who have listed more than two properties for sale
    - Show the rank of each agent by property sales and show name, total sales, and rank

Note

AI driver Copilot, så overraskelser og fejl er mulige.

Ansvarlig AI-brug af Copilot

For at se Microsoft's retningslinjer for ansvarlig AI i Fabric data warehouse, se Privatliv, sikkerhed og ansvarlig AI-brug af Copilot.

Microsoft er forpligtet til at sikre, at vores AI-systemer styres af vores AI-principper og Responsible AI Standard. Disse principper omfatter at gøre det muligt for vores kunder at bruge disse systemer effektivt og i overensstemmelse med deres tilsigtede anvendelse. Vores tilgang til ansvarlig kunstig intelligens udvikler sig hele tiden for proaktivt at løse nye problemer.

Limitations

Her er de aktuelle begrænsninger for Copilot i Fabric i data warehouse:

  • Copilot forstår ikke tidligere input og kan ikke fortryde ændringer, efter en bruger har foretaget en ændring under forfatterskabet, hverken via brugergrænsefladen eller chatpanelet. For eksempel kan du ikke bede Copilot om at fortryde mine sidste fem input. Du kan dog stadig bruge de eksisterende brugergrænsefladeindstillinger til at slette uønskede ændringer eller forespørgsler.
  • Copilot kan ikke foretage ændringer af eksisterende SQL-forespørgsler. Hvis du f.eks. beder Copilot om at redigere en bestemt del af en eksisterende forespørgsel, fungerer den ikke.
  • Copilot kan give unøjagtige resultater, når det er hensigten at evaluere data. Copilot har kun adgang til lagerskemaet og ingen af dataene indeni.
  • Copilot-svar kan indeholde unøjagtigt eller lavkvalitetsindhold, så sørg for at gennemgå output, før du bruger dem i dit arbejde.
  • Personer, der meningsfuldt kan evaluere indholdets nøjagtighed og hensigtsmæssighed, bør gennemse outputtet.

Relateret indhold

  • Last updated on