Condividi tramite

Panoramica di Chat-magics nei notebook di Microsoft Fabric (anteprima)

  • Articolo

Importante

Questa funzionalità si trova in anteprima.

La libreria Python Chat-magics migliora il flusso di lavoro di data science e ingegneria nei notebook di Microsoft Fabric. Si integra perfettamente con l'ambiente Fabric e consente l'esecuzione di comandi magic IPython specializzati in una cella del notebook, per fornire output in tempo reale. I comandi magic IPython e altre informazioni di base sull'utilizzo sono disponibili qui: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Nota

Funzionalità di Chat-magics

Generazione immediata di query e codice

Il comando %%chat consente di porre domande sullo stato del notebook. %%code abilita la generazione di codice per la manipolazione o la visualizzazione dei dati.

Descrizioni dei dataframe

Il comando %describe fornisce riepiloghi e descrizioni dei dataframe caricati. Ciò semplifica la fase di esplorazione dei dati.

Commenti e debug

I comandi %%add_comments e %%fix_errors consentono rispettivamente di aggiungere commenti al codice e correggere gli errori. Ciò consente di rendere il notebook più leggibile e privo di errori.

Controlli Privacy

Chat-magics offre anche impostazioni di privacy granulari, che consentono di controllare quali dati vengono condivisi con il Servizio OpenAI di Azure. I comandi %set_sharing_level e %configure_privacy_settings, ad esempio, forniscono questa funzionalità.

In che modo Chat-magics può aiutarti?

Chat-magics migliora la produttività e il flusso di lavoro nei notebook di Microsoft Fabric. Accelera l'esplorazione dei dati, semplifica la navigazione nei notebook e migliora la qualità del codice. Si adatta agli ambienti di codice multilingue e assegna priorità alla privacy e alla sicurezza dei dati. Grazie alla riduzione del carico cognitivo, consente di concentrarsi maggiormente sulla risoluzione dei problemi. Sia che si sia uno scienziato dei dati, un ingegnere dei dati o un analista aziendale, Chat-magics integra facilmente funzionalità di Azure OpenAI affidabili a livello aziendale direttamente nei notebook. Questo lo rende uno strumento indispensabile per attività di data science e ingegneria efficienti e semplificate.

Introduzione a Chat-magics

  1. Aprire un notebook di Microsoft Fabric nuovo o esistente.
  2. Selezionare il pulsante Copilot nella barra multifunzione del notebook per restituire il codice di inizializzazione Chat-magics in una nuova cella del notebook.
  3. Eseguire la cella quando viene aggiunta nella parte superiore del notebook.

Verificare l'installazione di Chat-magics

  1. Creare una nuova cella nel notebook ed eseguire il comando %chat_magics per visualizzare il messaggio della Guida. Questo passaggio verifica l'installazione corretta di Chat-magics.

Introduzione ai comandi di base: %%chat e %%code

Uso di %%chat (cella Magic)

  1. Creare una nuova cella nel notebook.
  2. Digitare %%chat nella parte superiore della cella.
  3. Immettere la domanda o l'istruzione sotto il comando %%chat, ad esempio Quali variabili sono attualmente definite?
  4. Eseguire la cella per visualizzare la risposta di Chat-magics.

Uso di %%code (cella Magic)

  1. Creare una nuova cella nel notebook.
  2. Digitare %%code nella parte superiore della cella.
  3. Di seguito specificare l'azione di codice desiderata, ad esempio Caricare my_data.csv in un dataframe pandas.
  4. Eseguire la cella ed esaminare il frammento di codice generato.

Personalizzazione delle impostazioni di output e lingua

  1. Usare il comando %set_output per modificare l'impostazione predefinita per il modo in cui i comandi magic forniscono l'output. È possibile visualizzare le opzioni eseguendo %set_output?
  2. Scegliere dove inserire il codice generato, da opzioni come
    • cella corrente
    • nuova cella
    • output cella
    • in una variabile

Comandi avanzati per le operazioni dei dati

%describe, %%add_comments e %%fix_errors

  1. Usare %describe DataFrameName in una nuova cella per ottenere una panoramica di un dataframe specifico.
  2. Per aggiungere commenti a una cella di codice per una migliore leggibilità, digitare %%add_comments nella parte superiore della cella da annotare e quindi eseguire. Assicurarsi di convalidare che il codice sia corretto
  3. Per correggere gli errori di codice, digitare %%fix_errors nella parte superiore della cella che contiene un errore ed eseguirlo.

Impostazioni di privacy e sicurezza

  1. Per impostazione predefinita, la configurazione della privacy condivide i messaggi precedenti inviati da e verso il modello di apprendimento linguistico (LLM). Tuttavia, non condivide il contenuto delle celle, gli output o gli schemi o i dati di esempio dalle origini dati.
  2. Usare %set_sharing_level in una nuova cella per modificare i dati condivisi con il processore di intelligenza artificiale.
  3. Per impostazioni di privacy più dettagliate, usare %configure_privacy_settings.

Comandi di contesto e concentrazione

Uso di %pin, %new_task e altri comandi di contesto

  1. Usare %pin DataFrameName per aiutare l'intelligenza artificiale a concentrarsi su dataframe specifici.
  2. Per liberare l'intelligenza artificiale affinché si concentri su una nuova attività nel notebook, digitare %new_task seguito da un'attività che si sta per intraprendere. In questo modo si cancella la cronologia di esecuzione che il copilota a questo punto conosce e può rendere più pertinenti le risposte future.

Contenuto correlato