Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A Microsoft Fabric adatügynök funkció egy új Microsoft Fabric-funkció, amellyel saját beszélgetési Q&A rendszereket hozhat létre generatív mesterséges intelligencia használatával. A Fabric-adatügynök akadálymentesebbé és végrehajthatóbbá teszi az adatelemzéseket a szervezet minden tagja számára. A Fabric-adatügynökökkel a csapat egyszerű angol nyelvű kérdéseket tehet fel a szervezet által a Fabric OneLake-ben tárolt adatokról, majd releváns válaszokat kaphat. Így még azok is pontos és környezetgazdag válaszokat kaphatnak, akik nem rendelkeznek AI-szakértelmükkel vagy az adatstruktúra alapos ismeretével.
A Fabric-adatügynök finomhangolásához szervezetspecifikus utasításokat, példákat és útmutatást is hozzáadhat. Ez biztosítja, hogy a válaszok igazodjanak a szervezet igényeihez és céljaihoz, így mindenki hatékonyabban kommunikálhat az adatokkal. A Fabric-adatügynök elősegíti az adatvezérelt döntéshozatal kultúráját, mivel csökkenti a betekintésekhez való hozzáférés akadályait, elősegíti az együttműködést, és segít a szervezetnek több értéket kinyerni az adataiból.
Előfeltételek
- Fizetett F2 vagy annál magasabb Fabric kapacitás-erőforrás
- A hálóadat-ügynök bérlői beállításai engedélyezve vannak.
- A Copilot-bérlő kapcsolója engedélyezve van.
- Engedélyezve van a mesterséges intelligenciák kereszt-geofeldolgozása.
- A mesterséges intelligenciához való térbeli tárolás engedélyezve van.
- Ezek közül legalább egy: Egy raktár, egy tóház, egy vagy több Power BI szemantikai modell vagy egy adatokkal rendelkező KQL-adatbázis.
- Az XMLA-végpontokon keresztüli Power BI szemantikai modellek bérlői kapcsolója engedélyezve van a Power BI szemantikai modell adatforrásaihoz.
A Fabric-adatügynök működése
A Fabric-adatügynök nagy nyelvi modelleket (LLM-eket) használ, amelyekkel a felhasználók természetes módon kezelhetik az adataikat. A Fabric-adatügynök Azure OpenAI Assistant API-kat alkalmaz, és ügynökként viselkedik. Feldolgozza a felhasználói kérdéseket, meghatározza a legrelevánsabb adatforrást (Lakehouse, Warehouse, Power BI-adatkészlet, KQL-adatbázisok), és meghívja a lekérdezések létrehozásához, érvényesítéséhez és végrehajtásához szükséges eszközt. A felhasználók ezután egyszerű nyelven tehetnek fel kérdéseket, és strukturált, ember által olvasható válaszokat kaphatnak – így nem kell összetett lekérdezéseket írniuk, és pontos és biztonságos adathozzáférést kell biztosítaniuk.
A következőképpen működik részletesen:
Kérdéselemzés és -ellenőrzés: A Fabric-adatügynök az Azure OpenAI Assistant API-kat alkalmazza alapul szolgáló ügynökként a felhasználói kérdések feldolgozásához. Ez a megközelítés biztosítja, hogy a kérdés megfeleljen a biztonsági protokolloknak, a felelős AI-szabályzatoknak és a felhasználói engedélyeknek. A Fabric-adatügynök szigorúan kikényszeríti a csak olvasható hozzáférést, és fenntartja a csak olvasható adatkapcsolatokat az összes adatforráshoz.
Az adatforrás azonosítása: A Fabric-adatügynök a felhasználó hitelesítő adataival fér hozzá az adatforrás sémájához. Ez biztosítja, hogy a rendszer lekérje azokat az adatszerkezeti információkat, amelyeket a felhasználónak meg kell tekintenie. Ezután kiértékeli a felhasználó kérdését az összes elérhető adatforrással szemben, beleértve a relációs adatbázisokat (Lakehouse és Warehouse), a Power BI-adatkészleteket (szemantikai modelleket) és a KQL-adatbázisokat. A felhasználó által megadott adatügynök-utasításokra is hivatkozhat a legrelevánsabb adatforrás meghatározásához.
Eszköz meghívása és lekérdezés generálása: A megfelelő adatforrás vagy források azonosítása után a Fabric-adatügynök újrafogalmazza a kérdést az egyértelműség és a struktúra érdekében, majd meghívja a megfelelő eszközt egy strukturált lekérdezés létrehozásához.
- Természetes nyelv az SQL-hez (NL2SQL) a relációs adatbázisokhoz (Lakehouse/Warehouse).
- Természetes nyelv a DAX-hoz (NL2DAX) Power BI-adatkészletekhez (szemantikai modellek).
- Természetes nyelvi feldolgozás KQL adatbázisokhoz (NL2KQL).
A kijelölt eszköz létrehoz egy lekérdezést a Fabric-adatügynök alapjául szolgáló ügynök által átadott séma, metaadatok és környezet alapján.
Lekérdezés-ellenőrzés: Az eszköz érvényesítést végez annak érdekében, hogy a lekérdezés megfelelően legyen formázva, és megfeleljen a saját biztonsági protokolljainak és az RAI-szabályzatoknak.
Lekérdezés végrehajtása és válasz: Az ellenőrzés után a Fabric-adatügynök végrehajtja a lekérdezést a kiválasztott adatforráson. Az eredmények ember által olvasható válaszként vannak formázva, amely strukturált adatokat, például táblákat, összegzéseket vagy kulcsfontosságú megállapításokat tartalmazhat.
Ez a megközelítés biztosítja, hogy a felhasználók természetes nyelven kommunikálhassanak az adataikkal, míg a Fabric-adatügynök kezeli a lekérdezések generálásának, érvényesítésének és végrehajtásának összetettségeit – mindezt anélkül, hogy a felhasználóknak maguknak az SQL, DAX vagy KQL-t kellene írniuk.
Hálóadat-ügynök konfigurálása
A Fabric-adatügynök konfigurálása hasonló a Power BI-jelentések készítéséhez– először úgy kell megtervezni és finomítani, hogy az megfeleljen az igényeinek, majd tegye közzé és ossza meg a munkatársaival, hogy azok kommunikálhassanak az adatokkal. A Fabric-adatügynök beállítása a következőket foglalja magában:
A Fabric-adatügynök bármilyen kombinációban legfeljebb öt adatforrást támogat, beleértve a lakehouse-okat, a raktárakat, a KQL-adatbázisokat és a Power BI szemantikai modelleket. Egy konfigurált Háló-adatügynök például öt Power BI szemantikai modellt tartalmazhat. Két Power BI szemantikai modellből, egy lakehouse-ból és egy KQL-adatbázisból állhat. Számos lehetőség közül választhat.
Releváns táblák kiválasztása: Az adatforrások kiválasztása után egyenként kell hozzáadnia őket, és meg kell határoznia azokat a táblákat az egyes forrásokból, amelyeket a Fabric-adatügynök használni fog. Ez a lépés biztosítja, hogy a Fabric-adatügynök csak a releváns adatokra összpontosítva kérje le a pontos eredményeket.
Környezet hozzáadása: A Fabric-adatügynök pontosságának javítása érdekében a Fabric-adatügynök utasításai és példa lekérdezései révén további kontextust biztosíthat. A Fabric-adatügynök mögöttes ügynökeként a környezet segít az Azure OpenAI Assistant API-nak megalapozottabb döntéseket hozni a felhasználói kérdések feldolgozásáról, és meghatározhatja, hogy melyik adatforrás felel meg a legjobban.
Az adatügynök utasításai: Útmutatást adhat a Fabric-adatügynök alapjául szolgáló ügynökhöz, hogy meghatározza a legjobb adatforrást adott típusú kérdések megválaszolásához. Olyan egyéni szabályokat vagy definíciókat is megadhat, amelyek tisztázzák a szervezeti terminológiát vagy a konkrét követelményeket. Ezek az utasítások több olyan környezetet vagy preferenciát biztosíthatnak, amelyek befolyásolják az ügynök által az adatforrások kiválasztását és lekérdezését.
- Pénzügyi metrikákkal kapcsolatos kérdések közvetlen küldése Power BI szemantikai modellbe.
- Rendeljen hozzá nyers adatfeltárást tartalmazó lekérdezéseket a lakehouse-hoz.
- Naplóelemzést igénylő kérdések átirányítása a KQL-adatbázishoz.
Példa lekérdezések: Minta kérdés-lekérdezés párokat adhat hozzá, hogy bemutassa, hogyan kell a Háló-adatügynöknek válaszolnia a gyakori lekérdezésekre. Ezek a példák útmutatóként szolgálnak az ügynök számára, amely segít megérteni, hogyan értelmezheti a hasonló kérdéseket, és hogyan hozhat létre pontos válaszokat.
Megjegyzés
A Power BI szemantikai modell adatforrásai jelenleg nem támogatják a minta lekérdezés-/kérdéspárok hozzáadását.
A tiszta AI-utasítások és a releváns példalekérdezések kombinálásával jobban igazíthatja a Fabric-adatügynököt a szervezet adatigényeihez, így pontosabb és környezettudatosabb válaszokat kaphat.
A Fabric-adatügynök és a copilot közötti különbség
Bár mind a Fabric-adatügynökök, mind a Fabric-társpilóták generatív AI-t használnak az adatok feldolgozásához és okának feldolgozásához, a funkciójukban és használati eseteikben alapvető különbségek vannak:
Konfigurációs rugalmasság: A hálóadat-ügynökök nagy mértékben konfigurálhatók. Egyéni utasításokat és példákat is megadhat a viselkedésük adott forgatókönyvekhez való igazításához. A Fabric copilotáknak be vannak állítva előre, és nem kínálnak ilyen szintű testreszabhatóságot.
Hatókör és használati eset: A Fabric-copilotok a Microsoft Fabricen belüli feladatok, például a jegyzetfüzetkódok vagy a raktári lekérdezések létrehozására szolgálnak. Ezzel szemben a hálóadat-ügynökök különálló összetevők. Annak érdekében, hogy a Fabric-adatügynökök sokoldalúbbak legyenek a szélesebb körű használati esetekhez, integrálhatók olyan külső rendszerekkel, mint a Microsoft Copilot Studio, az Azure AI Foundry, a Microsoft Teams vagy más, a Fabricen kívüli eszközök.
A Fabric-adatügynök értékelése
A Fabric-adatügynök válaszainak minősége és biztonsága szigorú értékelésen ment keresztül:
Benchmark Testing: A termékcsapat számos nyilvános és magánadatkészleten tesztelte a Fabric-adatügynököket a kiváló minőségű és pontos válaszok biztosítása érdekében.
Továbbfejlesztett kárenyhítések: Több biztonsági megoldás van érvényben annak biztosítása érdekében, hogy a Fabric-adatügynök kimenetei továbbra is a kiválasztott adatforrások kontextusára összpontosíthassanak, így csökkentve az irreleváns vagy félrevezető válaszok kockázatát.
Korlátozások
A Fabric-adatügynök jelenleg nyilvános előzetes verzióban érhető el, és korlátozásokkal rendelkezik. A frissítések idővel javítják a Fabric-adatügynököt.
- A Fabric-adatügynök strukturált lekérdezések (SQL, DAX vagy KQL) létrehozásával képes adatokat lekérni a tényeket, összegeket, rangsorolásokat vagy szűrőket tartalmazó kérdésekhez. Azonban nem tudja értelmezni a trendeket, nem tud magyarázatokat adni vagy elemezni a mögöttes okokat.
- A Fabric-adatügynök csak SQL/DAX/KQL "olvasási" lekérdezéseket hoz létre. Nem hoz létre olyan SQL/DAX/KQL-lekérdezéseket, amelyek adatokat hoznak létre, frissítenek vagy törölnek.
- A Fabric-adatügynök csak az Ön által megadott adatokat érheti el. Csak az Ön által megadott adaterőforrás-konfigurációkat használja.
- A Fabric-adatügynök olyan adathozzáférési engedélyekkel rendelkezik, amelyek megfelelnek a Fabric-adatügynökkel interakcióban lévő felhasználónak megadott engedélyeknek. Ez akkor igaz, ha a Fabric-adatügynök más helyeken , például a Microsoft Copilot Studióban, az Azure AI Foundryben és a Microsoft Teamsben van közzétéve.
- Legfeljebb öt adatforrást adhat hozzá a Fabric-adatügynökhöz.
- A Fabric-adatügynök nem használható strukturálatlan adaterőforrások elérésére. Ilyen erőforrások például .pdf, .docx vagy .txt fájlok.
- A Fabric-adatügynök letiltja a nem angol nyelvű kérdéseket vagy utasításokat.
- A Fabric-adatügynök által használt LLM nem módosítható.
- Nem vehet fel adatforrásként KQL-adatbázist, ha több mint 1000 táblával vagy 100-nál több oszlopot tartalmazó táblával rendelkezik.
- Ha összesen 100 oszlopot és mértéket tartalmaz, nem adhat hozzá Power BI szemantikai modellt adatforrásként.
- A Fabric-adatügynök 25 vagy kevesebb tábla kiválasztásával működik a legjobban az összes adatforrásban.
- A nem leíró adaterőforrás-oszlop és táblanevek jelentős, negatív hatással vannak a generált SQL/DAX/KQL lekérdezés minőségére. Leíró nevek használatát javasoljuk.
- A túl sok oszlop és tábla használata csökkentheti a Fabric-adatügynök teljesítményét.
- A Fabric-adatügynök jelenleg egyszerű lekérdezések kezelésére lett tervezve. A sok illesztést vagy kifinomult logikát igénylő összetett lekérdezések általában alacsonyabb megbízhatóságot igényelnek.
- Ha egy Power BI szemantikai modellt ad hozzá adatforrásként, a Háló-adatügynök nem használ rejtett táblákat, oszlopokat vagy mértékeket.
- Ha korábban létrehozott egy Fabric-adatügynököt, amely egy raktárat használt adatforrásként, és a raktár egy olyan munkaterületen található, amely nem a Fabric-adatügynököt üzemelteti, hibaüzenet jelenhet meg. A probléma megoldásához törölje a meglévő adatforrást, és adja hozzá újra.
- Ha Power BI szemantikai modellt szeretne hozzáadni a Fabric-adatügynök adatforrásaként, olvasási/írási engedélyekre van szüksége az adott Power BI szemantikai modellhez. A Power BI szemantikai modellt használó Fabric-adatügynök lekérdezéséhez olvasási/írási engedélyekkel kell rendelkeznie az alapul szolgáló Power BI szemantikai modellhez.
- Előfordulhat, hogy a Háló adatügynök helytelen válaszokat ad vissza. Tesztelje a Fabric-adatügynököt munkatársaival, hogy ellenőrizze, hogy az a várt módon válaszol-e a kérdésekre. Ha hibázik, adjon meg további példákat és utasításokat.
- Ha korábban létrehozott és közzétett egy Fabric-adatügynököt, és programozott módon használta az URL-címét, az URL-cím nem fog működni, ha a Fabric-adatügynök új felhasználói felületi lapján nyitja meg a Fabric-adatügynököt. A probléma megoldásához újra közzé kell tennie a Fabric-adatügynököt, és az Assistants API-n alapuló új URL-címet kell használnia.