Del via


Oversigt over chat-magi i Microsoft Fabric-notesbøger (prøveversion)

Vigtigt

Denne funktion er en prøveversion.

Python-biblioteket Chat-magi forbedrer din datavidenskab og tekniske arbejdsproces i Microsoft Fabric-notesbøger. Det integreres problemfrit med Fabric-miljøet og muliggør udførelse af specialiserede IPython-magiske kommandoer i en notesbogcelle for at levere output i realtid. IPython magiske kommandoer og mere baggrund om brug kan findes her: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Bemærk

Funktioner i chat-magi

Oprettelse af øjeblikkelig forespørgsel og kode

Kommandoen %%chat giver dig mulighed for at stille spørgsmål om tilstanden for din notesbog. %%code aktiverer generering af kode for datamanipulation eller -visualisering.

Beskrivelser af dataramme

Kommandoen %describe indeholder oversigter og beskrivelser af indlæste datarammer. Dette forenkler dataudforskningsfasen.

Kommentering og fejlfinding

Kommandoerne %%add_comments og %%fix_errors hjælper med at føje kommentarer til din kode og rette fejl. Dette hjælper med at gøre din notesbog mere læsevenlig og fejlfri.

Kontrolelementer til beskyttelse af personlige oplysninger

Chat-magi tilbyder også detaljerede indstillinger for beskyttelse af personlige oplysninger, som giver dig mulighed for at styre, hvilke data der deles med Azure OpenAI-tjenesten. Kommandoerne %set_sharing_level og %configure_privacy_settings giver f.eks. denne funktionalitet.

Hvordan kan Chat-magi hjælpe dig?

Chatmagi forbedrer din produktivitet og arbejdsproces i Microsoft Fabric-notesbøgerDet fremskynder dataudforskningen, forenkler navigationen i notesbogen og forbedrer kodekvaliteten. Den tilpasser sig flersprogede kodemiljøer og prioriterer beskyttelse af personlige oplysninger og sikkerhed. Gennem kognitive belastningsreduktioner giver det dig mulighed for at fokusere mere på problemløsning. Uanset om du er dataspecialist, datatekniker eller forretningsanalytiker, integrerer Chat-magics problemfrit robuste Azure OpenAI-funktioner på virksomhedsniveau direkte i dine notesbøger. Det gør det til et uundværligt værktøj til effektive og strømlinede datavidenskabs- og tekniske opgaver.

Kom i gang med Chat-magi

  1. Åbn en ny eller eksisterende Microsoft Fabric-notesbog.
  2. Vælg knappen Copilot på båndet i notesbogen for at sende initialiseringskoden Chat-magics til en ny notesbogcelle.
  3. Kør cellen, når den tilføjes øverst i notesbogen.

Bekræft installationen af Chat-magics

  1. Opret en ny celle i notesbogen, og kør %chat_magics kommandoen for at få vist Hjælp-meddelelsen. I dette trin kontrolleres korrekt installation af Chat-magics.

Introduktion til grundlæggende kommandoer: %%chat og %%code

Brug af %%chat (cellemagri)

  1. Opret en ny celle i notesbogen.
  2. Skriv %%chat øverst i cellen.
  3. Angiv dit spørgsmål eller din instruktion under kommandoen %%chat – f.eks. Hvilke variabler er defineret i øjeblikket?
  4. Udfør cellen for at se svaret chat-magi.

Brug af %%code (Cell Magic)

  1. Opret en ny celle i notesbogen.
  2. Skriv %%code øverst i cellen.
  3. Under dette skal du angive den kodehandling, du vil have – f.eks . Indlæs my_data.csv i en pandas-dataramme.
  4. Udfør cellen, og gennemse det genererede kodestykke.

Tilpasning af output- og sprogindstillinger

  1. Brug kommandoen %set_output til at ændre standarden for, hvordan magiske kommandoer leverer output. Indstillingerne kan vises ved at køre %set_output?
  2. Vælg, hvor den genererede kode skal placeres, fra indstillinger som f.eks.
    • aktuel celle
    • ny celle
    • celleoutput
    • til en variabel

Avancerede kommandoer til datahandlinger

%beskriv, %%add_comments og %%fix_errors

  1. Brug %describe DataFrameName i en ny celle til at få et overblik over en bestemt dataramme.
  2. Hvis du vil føje kommentarer til en kodecelle for at forbedre læsbarheden, skal du skrive %%add_comments øverst i den celle, du vil anmærke og derefter udføre. Sørg for at kontrollere, at koden er korrekt
  3. Hvis du vil løse kodefejl, skal du skrive %%fix_errors øverst i cellen, der indeholdt en fejl, og udføre den.

Indstillinger for beskyttelse af personlige oplysninger og sikkerhed

  1. Som standard deler din konfiguration af beskyttelse af personlige oplysninger tidligere meddelelser, der er sendt til og fra LLM (Language Learning Model). Den deler dog ikke celleindhold, output eller skemaer eller eksempeldata fra datakilder.
  2. Bruges %set_sharing_level i en ny celle til at justere de data, der deles med AI-processoren.
  3. Hvis du vil have mere detaljerede indstillinger for beskyttelse af personlige oplysninger, skal du bruge %configure_privacy_settings.

Kontekst- og fokuskommandoer

Bruger %pin, %new_task og andre kontekstkommandoer

  1. Bruges %pin DataFrameName til at hjælpe AI-fokus på specifikke datarammer.
  2. Hvis du vil rydde kunstig intelligens for at fokusere på en ny opgave i din notesbog, skal du skrive %new_task efterfulgt af en opgave, du er ved at udføre. Dette rydder den udførelseshistorik, som copiloten kender til på dette punkt, og kan gøre fremtidige svar mere relevante.