Inizia con l'agente di ingegneria dati Fabric (Project Osmos) (anteprima)

In questa guida introduttiva rapida, si installa la funzionalità dell'agente di data engineering di Fabric (Project Osmos) per GitHub Copilot CLI, Claude Code o Codex, si crea un'attività per un lakehouse di Fabric e si apre l'attività in Fabric.

Questo avvio rapido spiega come:

  • Verifica i prerequisiti di Fabric e quelli locali
  • Installa il plug-in Skills for Fabric, che include la competenza dell'agente di ingegneria dei dati (Project Osmos)
  • Crea un progetto che implementi un'architettura a medaglione retail
  • Rivedi le impostazioni operative
  • Monitora il lavoro nella tua casa sul lago Fabric

Important

L'agente di ingegneria dei dati (Project Osmos) è in anteprima. Le funzionalità di anteprima sono rilasciate con capacità limitate e sono soggette a termini supplementari separati di anteprima. Non sono destinati all'uso in produzione, non sono soggetti a accordi di livello di servizio e potrebbero essere disponibili solo in regioni selezionate. Per altre informazioni, vedere Informazioni sull'anteprima di Microsoft Fabric.

Prerequisiti

Conferma questi requisiti prima di iniziare:

  • Uno spazio di lavoro Fabric assegnato a una capacità Fabric idonea. Le SKU di prova Fabric non sono supportate.
  • Una casa sul lago in quell'area di lavoro
  • Permesso del contributore o superiore sullo spazio di lavoro
  • Abilita le seguenti impostazioni del tenant per il tuo account e la capacità:
    • Gli utenti possono usare Copilot e altre funzionalità basate su Azure OpenAI
    • Gli utenti possono utilizzare Copilot, AI Agents e altre esperienze IA alimentate da OpenAI come subprocessore Microsoft (fortemente consigliato per le migliori prestazioni, ma non obbligatorio)
  • Le seguenti impostazioni di tenant si applicano solo se la tua capacità si trova in una regione in cui OpenAI non è disponibile:
    • I dati inviati ad OpenAI come subprocessore Microsoft possono essere elaborati al di fuori della regione geografica, del confine di conformità o dell'istanza cloud nazionale della tua capacità.
    • I dati inviati ad Azure OpenAI possono essere archiviati all'esterno dell'area geografica della capacità, del limite di conformità o dell'istanza cloud nazionale
  • Dalle impostazioni di Capacity, è consigliata l'abilitazione della trasformazione dei dati tramite IA ma non è obbligatoria
  • interfaccia della riga di comando di Azure
  • Un agente locale supportato:

Per indicazioni sulla configurazione, consulta Abilita e configura Copilot in Microsoft Fabric.

Installa la skill dell'agente di ingegneria dati (Project Osmos)

L'abilità Data Engineering Agent (Project Osmos) è inclusa nella raccolta Skills per Fabric.

  1. Accedi ad Azure con un'identità che possa accedere allo spazio di lavoro di destinazione e al lakehouse:

    az login

    Se hai accesso a più tenant Microsoft Entra, accedi al tenant che contiene il tuo spazio di lavoro Fabric.

  2. Poi, usa i comandi del tuo agente locale per aggiungere il marketplace Skills for Fabric e installare la collezione Fabric.

    Avvia la CLI di GitHub Copilot:

    copilot

    Esegui questi comandi all'interno della CLI di GitHub Copilot:

    /plugin marketplace add microsoft/skills-for-fabric
/plugin install fabric-skills@fabric-collection

  1. Riavvia la CLI di GitHub Copilot in modo che vengano caricate le nuove competenze.

    /quit

  2. Verifica l'installazione. Riavvia la CLI di GitHub Copilot e esegui:

    /skills

Conferma che il Project Osmos, mostrato come project-osmos, sia disponibile.

Usa l'agente di ingegneria dati (Project Osmos)

Descrivi il risultato completo dell'ingegneria dei dati che vuoi che l'agente di ingegneria dei dati (Project Osmos) consegni. Includere lo spazio di lavoro, la casa del lago, i dati sorgente, le trasformazioni, i risultati attesi e i requisiti di validazione:

Descrivi la completa attività end-to-end di ingegneria dei dati. L'agente di ingegneria dei dati (Project Osmos) lo riceve come un unico project.

Includere:

  • Fonti: Tabelle, cartelle, file, quaderni o risorse OneLake
  • Trasformazioni: Pulizia, unioni, filtri, calcoli o modifiche allo schema
  • Output: Tabelle, quaderni, file o riassunti
  • Validazione: Conteggio delle righe, controlli nulli, unicità, riconciliazione o regole di business

Le sorgenti e i risultati non sono limitati allo spazio di lavoro dove hai creato il compito. Se hai il permesso di accedere a una risorsa, il task può accedere alla risorsa per tuo conto.

Per esempio:

Use Project Osmos in the Fabric workspace Sales Analytics and the lakehouse
SalesLakehouse.

Load the Orders and Customers tables, remove orders without a customer ID,
join the tables on customer ID, and calculate monthly revenue by customer
segment. Save the result as a Delta table named monthly_segment_revenue.
Validate row counts, null customer IDs, and negative revenue values.

Il tuo agente locale individua l'area di lavoro e il lakehouse, raccoglie tutte le opzioni relative alla sicurezza e all'output necessarie e crea un'attività remota di Project Osmos. Fornisce un link all’attività di Fabric per monitorarne l’avanzamento.

Non devi trovare gli ID dello spazio di lavoro o della casa del lago o suddividere il lavoro in passaggi più semplici. Specifica i loro nomi o fornisci un URL Fabric della casa del lago e invia l'intero risultato come un unico compito. Project Osmos si occupa della pianificazione, sequenziamento e validazione.

Rivedi le impostazioni del compito

Prima che inizi la run, l'agente di ingegneria dati (Project Osmos) classifica il compito e raccomanda le impostazioni.

Setting Domanda di recensione
Limite delle autorizzazioni Quali risorse denominate il compito dovrebbe considerare in sola lettura o scrivibili?
Schema di sicurezza Le operazioni di scrittura dovrebbero usare lo staging, la clonazione e promozione o la modifica diretta?
Promuovi passaggio In che modo l'output intermedio verificato dovrebbe diventare l'output finale?
Semantica della riesecuzione Una riesecuzione dovrebbe fallire, aggiungere, deduplicare o sostituire i dati esistenti?
Evoluzione dello schema Lo schema di output può cambiare, e sotto quali vincoli?
Formato degli artefatti Project Osmos dovrebbe salvare un quaderno o un altro artefatto?
Destinazione dei reperti Dove dovrebbero essere conservati gli artefatti generati?
Sforzo di ragionamento In che misura Project Osmos dovrebbe esplorare le opzioni di implementazione?

Puoi modificare qualsiasi impostazione consigliata.

Important

Il limite delle autorizzazioni orienta l'attività, ma le autorizzazioni di Fabric e OneLake rimangono il limite di applicazione. Proteggi le risorse sensibili con i permessi della piattaforma.

Monitora il compito

Dopo aver accettato le impostazioni, l'agente di ingegneria dati Fabric (Project Osmos) esegue il compito con agenti specializzati in SparkCore, restituisce un ID del compito e apre una pagina lakehouse Fabric che include:

  • Dettagli dal questionario di ammissione
  • Specifica
  • Stato corrente
  • Attività dell'agente

Poiché il compito viene eseguito in Fabric su SparkCore invece che sulla tua macchina locale, continua anche quando il computer è spento. Per monitorare i progressi, seleziona la tua casa sul lago in Fabric, e poi seleziona il compito nell'esploratore della casa del lago. Puoi anche chiedere al tuo agente locale lo stato dell'attività.

Linee guida sull'utilizzo

  • Usa Project Osmos tramite un agente locale come GitHub Copilot CLI, Claude Code o Codex. L'interazione diretta con Project Osmos da Copilot nel portale Fabric attualmente non è supportata.
  • Specifica il nome dell'area di lavoro e del lakehouse desiderati oppure fornisci l'URL di un lakehouse di Fabric. Non devi trovare le carte d'identità da solo.
  • Usa Project Osmos per l'ingegneria dei dati end-to-end che coinvolge case sul lago, OneLake, Spark, quaderni e tabelle.
  • Chiedi al tuo agente locale di controllare lo stato di un'attività remota, inviare istruzioni di follow-up, cancellare l'attività o eliminarla.
  • Per continuare a lavorare con un'attività esistente, fornisci l'ID dell'attività o il link all'attività di Fabric.
  • Rivedi le scelte di esecuzione e sicurezza proposte prima di permettere modifiche ai dati importanti o di produzione.

Crea il tuo primo compito

Questo esempio richiede solo una casa sul lago vuota. Project Osmos crea i dati campioni e ogni artefatto richiesto, così puoi usare il prodotto senza preparare prima la casa sul lago.

Usa Project Osmos per creare una piccola architettura a medaglione retail. Per prima cosa chiedi al tuo agente locale di usare Project Osmos:

Create a Project Osmos task

Dopo aver identificato la tua casa sul lago con nome o URL, ti viene chiesto di definire un risultato per il tuo progetto. Immetti gli elementi seguenti:

Use Project Osmos to set up a simple retail medallion architecture in this
empty lakehouse. Create small sample CSV files for customers, products, and
sales under Files/landing. Build bronze tables that preserve the source data,
silver tables that clean and standardize it, and gold tables named
gold_daily_sales and gold_customer_sales.
Create three notebooks named 01_load_bronze, 02_transform_silver, and
03_build_gold that move the data through the layers. Run the notebooks in
order, and validate row counts, key uniqueness, referential integrity, and
revenue totals at each layer.

Invia l'intero prompt come un unico compito. Project Osmos pianifica e sequenzia il lavoro, crea i dati campione, le tabelle e i quaderni, esegue i quaderni in SparkCore e verifica i risultati.

Quando il compito termina, rivedi questi artefatti:

  • Tabelle di clienti in bronzo, prodotti e vendite che conservano i dati di origine campione
  • Tabelle Silver con tipi di dati standardizzati, chiavi valide e record puliti
  • Tabelle gold con riepiloghi giornalieri delle vendite e delle vendite a livello di cliente
  • Tre notebook che documentano ed eseguono il movimento tra i livelli
  • Risultati di validazione per conteggio di righe, chiavi, relazioni e totali di ricavi

Esempi aggiuntivi di esisi di progetto per casi d'uso complessi

Project Osmos è progettato per risultati completi di ingegneria dei dati, inclusi lavori che richiedono conoscenza di applicazioni aziendali, scoperta di lakehouse, esperimenti di implementazione e validazione. Una richiesta inviata a GitHub Copilot senza Project Osmos potrebbe produrre un quaderno o una scaletta di codice plausibile, ma non utilizza il flusso di lavoro di Project Osmos per ispezionare il lakehouse attivo, confrontare le opzioni di implementazione, eseguire il codice in Fabric SparkCore e continuare a perfezionare la soluzione basandosi sui risultati reali.

Crea un modello di ciclo di vita del cliente Dynamics 365

Questo esito conciso del project chiede a Project Osmos di scoprire i dati applicativi disponibili:

Use Project Osmos to create a trusted customer lifecycle model from the Microsoft Dynamics 365 data in this lakehouse.

Come potrebbe procedere Project Osmos: Project Osmos esplora il lakehouse per determinare quali applicazioni di Dynamics 365 e quali tabelle di Dataverse sono disponibili. Identifica strutture come conti, contatti, lead, opportunità, attività, casi, ordini e fatture; mappa le loro relazioni e i valori di stato; e valuta come rappresentare il percorso del cliente dall'acquisizione alle vendite e al servizio. Esegue codice SparkCore per convalidare la copertura delle relazioni, i clienti duplicati, le attività orfane, i totali della pipeline, la riconciliazione di ordini e fatture e i calcoli delle fasi del ciclo di vita.

Perché Project Osmos è più adatto: Senza Project Osmos, GitHub Copilot dipende da te per identificare le tabelle rilevanti di Dynamics 365 e Dataverse, spiegare le loro relazioni e i valori del set di opzioni ed eseguire ogni revisione. Project Osmos può partire dal risultato, indagare la casa sul lago e perfezionare l'implementazione basandosi sui risultati misurati.

Modello di dati ordine-contanti SAP

Questo risultato sintetico del progetto chiede a Project Osmos di determinare come i dati SAP sono rappresentati nel tuo lakehouse e di costruire un utile modello order-to-cash:

Use Project Osmos to build an order-to-cash model from the SAP data in this lakehouse.

Come potrebbe procedere Project Osmos: Project Osmos esplora il lakehouse per identificare i dati SAP disponibili relativi a ordini di vendita, consegne, fatturazione, clienti e flusso dei documenti. Cerca strutture come VBAK/VBAP, LIKP/LIPS, VBRK/VBRP, KNA1 e VBFA, o viste estratte equivalenti. Esamina schemi e valori di campione, determina se l'estrazione somigli alle strutture SAP S/4HANA o SAP ECC, e testa join alternative e la logica del flusso documentale. Successivamente costruisce tabelle e quaderni curati ed esegue controlli SparkCore per chiavi aziendali duplicate, link mancanti di documenti, discreppazioni di quantità e riconciliazione ordine-fattura.

Perché Project Osmos è più adatto: GitHub Copilot usato senza Project Osmos richiederebbe di individuare le tabelle rilevanti, spiegare le relazioni SAP, fornire schemi, eseguire il codice generato e restituire errori o risultati per ogni revisione. Project Osmos esegue questa scoperta ed esecuzione come parte di un unico compito Fabric persistente che viene eseguito autonomamente su SparkCore.

Riconcilia i dati finanziari di NetSuite

Questo dettagliato esito del project fornisce le regole di business, lasciando i dettagli dell'implementazione a Project Osmos:

Use Project Osmos to create a financial reconciliation model from the NetSuite
data already loaded in this lakehouse. Preserve subsidiary, accounting period,
transaction, transaction line, account, accounting book, department, class,
location, transaction currency, and base currency. Build a monthly trial
balance with debit, credit, and net balances by subsidiary and account. Account
for intercompany transactions, elimination subsidiaries, and exchange rates.
Identify unbalanced entries, unmapped accounts, and periods that don't reconcile
to the source. Save the transformation and validation notebooks, and don't
modify the source tables.

Come potrebbe affrontare la questione Project Osmos: Project Osmos ispeziona come le transazioni NetSuite, le linee di transazione, i conti, le filiali, i periodi contabili, le valute e i libri contabili sono rappresentati nella casa del lago. Valuta le opzioni di registrazione, consolidamento, eliminazione e conversione valuta e utilizza output a fasi per confrontare i risultati. Esegue i notebook in SparkCore e convalida l'equilibrio dei registri contabili, la completezza dei documenti, la copertura della mappatura e i totali dalla sorgente all'output prima di produrre le tabelle finali.

Perché Project Osmos è più adatto: la generazione di codice da sola può codificare join e calcoli, ma non può dedurre in modo affidabile come una specifica estrazione NetSuite rappresenti registrazioni, libri contabili, eliminazioni e tassi di cambio, né dimostrare che il risultato si riconcilia senza un ciclo iterativo di esecuzione e validazione.

Crea la pipeline di Salesforce e le metriche previsionali

Use Project Osmos to build a trusted sales pipeline and forecast model from the
Salesforce data in this lakehouse. Preserve account, opportunity, owner,
product, stage, amount, probability, close date, forecast category, creation
date, and stage-history details. Produce current pipeline, stage conversion,
sales-cycle duration, pipeline coverage, forecast accuracy, and slipped-deal
metrics by region, segment, product, and owner. Handle deleted records, currency
conversion, changing opportunity ownership, and historical stage snapshots.
Save the notebooks, and validate the metrics against available Salesforce
totals and prior-period snapshots.

Ecco come Project Osmos potrebbe affrontarlo: Project Osmos mappa gli oggetti Salesforce disponibili ed estrae i dati di Account, Opportunity, OpportunityHistory, OpportunityLineItem, Product2, User e i dati previsionali. Confronta approcci a stato attuale, basati sulla storia e snapshot periodici e testa come l'estrazione rappresenti valuta, cancellazioni, cambi di proprietario e transizioni di stadio. Esegue implementazioni candidate in SparkCore e confronta i totali delle pipeline, i tassi di conversione, i risultati delle previsioni e le istantanee storiche.

Perché Project Osmos è più indicato: Per ottenere questo risultato serve più di un semplice codice Spark sintatticamente corretto. Project Osmos combina il ragionamento del dominio Salesforce con ispezione dei dati in tempo reale, esecuzioni ripetute e riconciliazioni per trovare un'implementazione che funzioni con la reale strategia di estrazione e storia del cliente.

Modernizzare un gasdotto esistente per la casa del lago

Use Project Osmos to assess the existing sales ingestion and transformation
notebooks in this lakehouse. Replace full reloads with an idempotent incremental
design, preserve late-arriving updates, prevent duplicate business keys, add
quarantine handling for invalid records, and create validation tables that
compare each run with the source. Keep existing downstream table names and
schemas unless a change is required. Test the new design against representative
data, compare it with the current implementation, and document the migration
and rollback steps.

Come potrebbe affrontarlo Project Osmos: Project Osmos esamina i notebook, le tabelle, gli schemi e i modelli di dati attuali; confronta le opzioni di watermark, unione e rilevamento delle modifiche; e testa il comportamento in caso di errore e di nuova esecuzione. Esegue entrambe le implementazioni in SparkCore su target di staging e confronta il conteggio delle righe, le chiavi duplicate, la gestione degli aggiornamenti tardivi, la compatibilità dello schema e i totali in output.

Perché Project Osmos è più adatto: Gli agenti di codifica usati da soli possono suggerire un pattern incrementale, ma devi fornire il contesto dell'implementazione ed eseguire ogni test. Il Project Osmos valuta la casa sul lago esistente e convalida i progetti concorrenti prima di raccomandare e implementare l'approccio più sicuro.

Aggiorna le competenze per Fabric

In GitHub Copilot CLI o in Claude Code, aggiorna la raccolta Fabric installata:

/plugin update fabric-skills@fabric-collection

Per il Codex, esegui codex plugin marketplace upgrade fabric-collection, e poi esegui codex plugin add fabric-skills@fabric-collection.

Limitazioni correnti

  • L'agente di ingegneria dei dati (Project Osmos) attualmente non è disponibile per gli spazi di lavoro che hanno abilitata la protezione degli accessi in uscita.

Contenuti correlati

  • Ultimo aggiornamento: