Informazioni generali di Copilot per Data Warehouse
Si applica a✅: Warehouse in Microsoft Fabric
Microsoft Copilot per Fabric Data Warehouse è un assistente di intelligenza artificiale progettato per semplificare le attività di data warehousing. Copilot si integra perfettamente con il magazzino di Fabric, fornendo informazioni dettagliate intelligenti che consentono di seguire ogni passaggio delle esplorazioni T-SQL.
Copilot per Data Warehouse usa nomi di tabelle e delle viste, nomi di colonna, chiave primaria e metadati di chiave esterna per generare un codice T-SQL. Copilot per Data Warehouse non usa i dati nelle tabelle per generare suggerimenti T-SQL.
Le funzionalità principali di Copilot per Warehouse includono:
- Linguaggio naturale per SQL: chiedere a Copilot di generare query SQL usando semplici domande in linguaggio naturale.
- Completamento del codice: migliorare l'efficienza di codifica con i completamenti del codice basati su intelligenza artificiale.
- Azioni rapide: correggere e spiegare rapidamente le query SQL con azioni facilmente disponibili.
- Intelligent Insights: ricevere suggerimenti intelligenti e informazioni dettagliate in base allo schema e ai metadati del magazzino.
Esistono tre modi per interagire con Copilot nell'editor di Fabric Warehouse.
- Riquadro chat: usare il riquadro chat per porre domande a Copilot tramite il linguaggio naturale. Copilot risponderà con una query SQL generata o un linguaggio naturale basato sulla domanda posta.
- Completamento del codice: iniziare a scrivere T-SQL nell'editor di query SQL e Copilot genererà automaticamente un suggerimento di codice per aiutare a completare la query. Il tasto Tab accetta il suggerimento del codice o continua a digitare per ignorare il suggerimento.
- Azioni rapide: nella barra multifunzione dell'editor di query SQL le opzioni Correggi e Spiega sono azioni rapide. Evidenziare una query SQL di propria scelta e selezionare uno dei pulsanti azione rapida per eseguire l'azione selezionata nella query.
- Spiega: Copilot può fornire spiegazioni in linguaggio naturale dello schema di query SQL e magazzino in formato commenti.
- Correggi: Copilot può correggere gli errori nel codice man mano che si verificano messaggi di errore. Gli scenari di errore possono includere un codice T-SQL non corretto o non supportato, ortografie errate e altro ancora. Copilot fornirà anche commenti che spiegano le modifiche e suggeriscono le procedure consigliate per SQL.
- Procedura: Usare azioni rapide copilot per Fabric Data Warehouse
Ecco alcuni suggerimenti per ottimizzare la produttività con Copilot.
- Quando si creano delle richieste, assicurarsi di iniziare con una descrizione chiara e concisa delle informazioni specifiche che si stanno cercando.
- Il linguaggio naturale per SQL dipende dai nomi di tabella e colonna espressivi. Se la tabella e le colonne non sono espressive e descrittive, Copilot potrebbe non essere in grado di costruire una query significativa.
- Usare il linguaggio naturale applicabile ai nomi delle tabelle e delle viste, ai nomi di colonna, alle chiavi primarie e alle chiavi esterne del magazzino. Questo contesto consente a Copilot di generare query accurate. Specificare le colonne da visualizzare, le aggregazioni e i criteri di filtro nel modo più esplicito possibile. Copilot deve essere in grado di correggere gli errori di digitazione o comprendere il contesto in base al contesto del proprio schema.
- Creare relazioni nella visualizzazione modello del magazzino per aumentare l'accuratezza delle istruzioni JOIN nelle query SQL generate.
- Quando si usano i completamenti del codice, lasciare un commento nella parte superiore della query con
--
per guidare Copilot con il contesto relativo alla query che si sta tentando di scrivere. - Evitare un linguaggio ambiguo o eccessivamente complesso nelle richieste. Semplificare la domanda mantenendone la chiarezza. Questa modifica garantisce che Copilot possa convertirla in modo efficace in una query T-SQL significativa che recupera i dati desiderati dalle tabelle e visualizzazioni associate.
- Attualmente il linguaggio naturale per SQL supporta la lingua inglese per T-SQL.
- I prompt di esempio seguenti sono chiari, specifici e personalizzati in base alle proprietà dello schema e del data warehouse, semplificando la generazione di query T-SQL accurate da parte di Copilot:
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
- L'amministratore deve abilitare l'opzione del tenant prima di iniziare a usare Copilot. Per altre informazioni, vedere Impostazioni del tenant di Copilot.
- La capacità F64 o P1 deve trovarsi in una delle aree elencate nell'articoloDisponibilità a livello di area di Fabric.
- Se il tenant o la capacità si trova all'esterno degli Stati Uniti o della Francia, Copilot è disabilitato per impostazione predefinita, a meno che l'amministratore del tenant di Fabric non consenta l'elaborazione dei dati inviati ad Azure OpenAI all'esterno dell'area geografica del tenant, del limite di conformità o dell'impostazione del tenant dell'istanza cloud nazionale nel portale di amministrazione di Fabric.
- Copilot in Microsoft Fabric non è supportato negli SKU di valutazione. Sono supportati solo gli SKU a pagamento (F64 o versione successiva, oppure P1 o versione successiva).
- Per altre informazioni, vedere Informazioni generali di Copilot in Fabric e Power BI.
Microsoft si impegna a garantire che i sistemi di IA siano guidati dai nostri principi di IA e dallo Standard di intelligenza artificiale responsabile. Questi principi includono la possibilità per i nostri clienti di usare questi sistemi in modo efficace e in linea con i loro usi previsti. Il nostro approccio all'intelligenza artificiale responsabile è in continua evoluzione per risolvere in modo proattivo i problemi emergenti.
Le funzionalità di Copilot in Fabric sono create per soddisfare lo standard di intelligenza artificiale responsabile, il che significa che vengono esaminate dai team multidisciplinari per individuare potenziali danni, e quindi affinate per includere mitigazioni per tali danni.
Per altre informazioni, vedere Privacy, sicurezza e uso responsabile di Copilot per Data Warehouse (anteprima).
Ecco le limitazioni correnti di Copilot per Data Warehouse:
- Copilot non riconosce gli input precedenti e non può annullare le modifiche dopo che un utente ha eseguito il commit di una modifica durante la creazione, tramite l'interfaccia utente o il riquadro di chat. Ad esempio, non è possibile chiedere a Copilot di "Annullare gli ultimi 5 input". Tuttavia, gli utenti possono comunque usare le opzioni dell'interfaccia utente esistenti per eliminare le modifiche o le query indesiderate.
- Copilot non può apportare modifiche alle query SQL esistenti. Ad esempio, se si chiede a Copilot di modificare una parte specifica di una query esistente, non funziona.
- Copilot potrebbe produrre risultati imprecisi quando l'intento è valutare i dati. Copilot ha accesso solo allo schema del magazzino, e a nessuno dei dati in esso contenuti.
- Le risposte di Copilot possono includere contenuti non accurati o di bassa qualità, quindi assicurarsi di esaminare gli output prima di usarli nel lavoro.
- Gli utenti in grado di valutare in modo significativo l'accuratezza e l'adeguatezza del contenuto devono esaminare gli output.
- Impostazioni del tenant di Copilot (anteprima)
- Procedura: Usare il riquadro chat copilot per Fabric Data Warehouse
- Procedura: Usare azioni rapide copilot per Fabric Data Warehouse
- Procedura: Usare il completamento del codice Copilot per Fabric Data Warehouse
- Privacy, sicurezza e uso responsabile di Copilot per Data Warehouse (anteprima)