Copilot til Real-Time Intelligence

Copilot i Fabric Real-Time Intelligence-arbejdsbyrden er en AI-assistent, der hjælper dig med at forespørge, analysere og udforske dine realtidsdata. Copilot oversætter naturligt sprog til Kusto Query Language (KQL) forespørgsler og muliggør interaktiv dataudforskning uden behov for KQL-ekspertise.

Copilot i KQL-forespørgselssæt

Copilot i KQL-forespørgselssæt omdanner spørgsmål i naturligt sprog til KQL-forespørgsler. Beskriv dine dataanalysebehov i et klart sprog, og Copilot genererer den tilsvarende forespørgsel. Copilot understøtter samtalebaserede interaktioner, så du kan forfine forespørgsler og stille opfølgende spørgsmål uden at starte forfra.

For detaljer om, hvordan man bruger Copilot i KQL-forespørgselssæt, se Copilot for at skrive KQL-forespørgsler.

Copilot i Real-Time Dashboards

Copilot i Real-Time Dashboards forenkler redigering af dashboardfliser og dataudforskning:

  • Rediger fliseforespørgsler: Brug Copilot til at oprette eller ændre KQL-forespørgslen bag en dashboardflise direkte i redigeringspanelet, ved at bruge naturligt sprog i stedet for at skrive KQL manuelt. For detaljer, se Brug Copilot til at tilføje/redigere en flise
  • Udforsk data interaktivt: I visningstilstand bruger du Copilot til at stille spørgsmål om dine dashboarddata, filtrere resultater og gemme indsigter som nye fliser. For detaljer, se Copilot-assisteret realtidsdataudforskning.

Copilot for data i Azure Data Explorer

Copilot understøtter også Azure Data Explorer (ADX) klynger. Når den er forbundet til en ADX-klynge, genererer Copilot KQL-forespørgsler og udforsker data på samme måde, som den gør for et Eventhouse. En kapacitet med Fabric-aktivering er nødvendig.

For mere information om at forbinde til ADX fra Fabric, se Consume ADX data i Fabric.

Best practices for Copilot KQL-forespørgsler

Følgende tips gælder for Copilot både i KQL-forespørgselssæt og Real-Time Dashboards:

  • Start med simple naturlige sprogprompts for at lære de nuværende evner og begrænsninger. Gå gradvist videre til mere komplekse prompts.

  • Angiv opgaven præcist og undgå tvetydighed. Forestil dig at dele prompten med en KQL-ekspert uden at tilføje mundtlige instruktioner. Ville de generere den korrekte forespørgsel?

  • Giv relevant information til at hjælpe modellen. Angiv tabeller, operatorer eller funktioner, der er kritiske for forespørgslen, når det er muligt.

  • Forbered din database:

    • Tilføj docstring-egenskaber for at beskrive almindelige tabeller og kolonner. Dette trin er afgørende for tabeller eller kolonner med ikke-meningsfulde navne.
    • Du behøver ikke tilføje docstrings til tabeller eller kolonner, der sjældent bruges.
    • For mere information, se kommandoen alter table column-docstrings.

  • For at forbedre Copilot resultater, vælg ikonet like eller dislike for at indsende feedback.

    Bemærkning

    Formularen Indsend feedback indsender navnet på databasen, dens URL, KQL-forespørgslen genereret af Copilot og eventuelle frie tekstsvar, du inkluderer. Resultaterne af den udførte KQL-forespørgsel sendes ikke.

Bemærkning

AI driver Copilot, så overraskelser og fejl er mulige.

Forbedre Copilot-præcisionen med Private Shots

Copilot forbedrer prompts ved at bruge de mest relevante eksempler (kaldet naturlige sprog- og KQL-par, eller "shots") fra en Public Shots-database. Denne database kurateres af Real-Time Intelligence-teamet, er baseret på KQL-dokumentation og tilgængelig for alle Copilot brugere. Public Shots-databasen giver et solidt fundament, men er generisk og mangler domænespecifik viden om din KQL-database.

For at forbedre Copilot's evne til at generere nøjagtige og komplekse KQL-forespørgsler til dine specifikke scenarier, skal du oprette en Private Shots-database.

Denne tilgang giver dig mulighed for at inkludere avancerede KQL-forespørgsler, der adresserer dit teams unikke behov. For eksempel forespørgsler, der bruger: - grafsemantik, - tidsserieanalyse, - anomalidetektion, - eller gemte funktioner defineret i din KQL-database.

Private Shots offentliggøres automatisk fra både KQL-forespørgselssæt og Real-Time Dashboards. Når du gemmer disse artefakter, bliver de KQL-forespørgsler, de indeholder, offentliggjort i Private Shots-databasen, hvilket forbedrer Copilot's evne til at generere forespørgsler, der stemmer overens med dine data og dine anvendelsesscenarier.

Bemærkning

  • Efter du har gemt Private Shots-artefakterne, kan det tage et par minutter, før de er udgivet og tilgængelige for Copilot at bruge.
  • Kun KQL er obligatorisk. LLM'en genererer beskrivelsen af naturligt sprog. Du kan tilføje en kort beskrivelse ved at inkludere en forudgående kommentar vedhæftet KQL.
  • KQL-forespørgsler kontrolleres for gyldig syntaks. Kun gyldige forespørgsler tilføjes til Private Shots-databasen.
  • Copilot bruger kun Private Shots, som brugeren har adgang til. Hvis du mangler tilladelse til at se et specifikt dashboard eller forespørgselssæt, bruger Copilot ikke billeder fra disse artefakter.
  • KQL-forespørgsler genereret af Copilot og indsat i forespørgselssættet med knappen Kopier til Editor inkluderer en kommentarlinje: // This KQL query was generated by AI:. Disse forespørgsler bliver ikke offentliggjort i Private Shots-databasen. For at inkludere dem, fjern denne kommentar, men behold den efterfølgende kommentar, der indeholder brugerens prompt.

Limitations

Følgende begrænsninger gælder for Copilot på tværs af Real-Time Intelligence:

  • Copilot kan ikke ændre eksisterende KQL-forespørgsler i forespørgselseditoren. Hvis du beder Copilot-chatpanelet om at redigere en specifik del af en eksisterende forespørgsel, virker det ikke. Dog forstår Copilot tidligere input i chatpanelet, så du kan iterere på forespørgsler, som Copilot genererede før indsættelsen.
  • Copilot kan give unøjagtige resultater, når det er hensigten at evaluere data. Copilot har kun adgang til databaseskemaet og har ikke adgang til selve dataene.
  • Copilot-svar kan indeholde unøjagtigt eller lavkvalitetsindhold. Gennemgå output, før du bruger dem i dit arbejde.
  • Personer, der meningsfuldt kan evaluere indholdets nøjagtighed og hensigtsmæssighed, bør gennemse outputtet.
  • Copilot-chatpanelet i KQL-databaser er ikke tilgængeligt, når Private Link er aktiveret, og Public Access er deaktiveret i lejerindstillingen.

Ansvarlig kunstig intelligens

For at se Microsoft's retningslinjer for ansvarlig AI i Real-Time Intelligence, se Privacy, security, and responsible use of Copilot for Real-Time Intelligence.

Microsoft er forpligtet til at sikre, at AI-principperne og Responsible AI-standarden styrer AI-systemerne. Disse principper inkluderer at give kunderne mulighed for at bruge disse systemer effektivt og i overensstemmelse med deres tiltænkte anvendelser.

Relateret indhold

  • Last updated on