Udostępnij za pośrednictwem


Omówienie magii czatów w notesach usługi Microsoft Fabric (wersja zapoznawcza)

Ważne

Ta funkcja jest dostępna w wersji zapoznawczej.

Biblioteka Czat-magics języka Python rozszerza przepływ pracy nauki o danych i inżynierii w notesach usługi Microsoft Fabric. Bezproblemowo integruje się ze środowiskiem sieci szkieletowej i umożliwia wykonywanie wyspecjalizowanych poleceń magicznych IPython w komórce notesu w celu zapewnienia danych wyjściowych w czasie rzeczywistym. Polecenia magiczne IPython i więcej informacji na temat użycia można znaleźć tutaj: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Uwaga

Możliwości czat-magii

Natychmiastowe generowanie zapytań i kodu

Polecenie %%chat umożliwia zadawanie pytań dotyczących stanu notesu. Funkcja %%code umożliwia generowanie kodu na potrzeby manipulowania danymi lub wizualizacji.

Opisy ramek danych

Polecenie %describe zawiera podsumowania i opisy załadowanych ramek danych. Upraszcza to fazę eksploracji danych.

Komentowanie i debugowanie

Polecenia %%add_comments i %%fix_errors ułatwiają dodawanie komentarzy do kodu i naprawianie błędów odpowiednio. Dzięki temu notes będzie bardziej czytelny i wolny od błędów.

Mechanizmy kontroli prywatności

Magie czatów oferują również szczegółowe ustawienia prywatności, które umożliwiają kontrolowanie, jakie dane są udostępniane usłudze Azure OpenAI Service. Polecenia %set_sharing_level i %configure_privacy_settings , na przykład, udostępniają tę funkcję.

Jak czat-magie mogą ci pomóc?

Magie czatów zwiększają produktywność i przepływ pracy w notesach usługi Microsoft FabricIt przyspiesza eksplorację danych, upraszcza nawigację notesów i poprawia jakość kodu. Dostosowuje się do wielojęzycznych środowisk kodu i określa priorytety prywatności i bezpieczeństwa danych. Dzięki redukcji obciążenia poznawczego można dokładniej skupić się na rozwiązywaniu problemów. Niezależnie od tego, czy jesteś analitykiem danych, inżynierem danych, czy analitykiem biznesowym, czat-magics bezproblemowo integruje niezawodne możliwości platformy Azure OpenAI na poziomie przedsiębiorstwa bezpośrednio z notesami. To sprawia, że jest niezbędnym narzędziem do wydajnych i usprawnionych zadań nauki o danych i inżynierii.

Rozpoczynanie pracy z magiami czatów

  1. Otwórz nowy lub istniejący notes usługi Microsoft Fabric.
  2. Copilot Wybierz przycisk na wstążce notesu, aby wyświetlić kod inicjowania chat-magics do nowej komórki notesu.
  3. Uruchom komórkę po dodaniu w górnej części notesu.

Weryfikowanie instalacji czat-magics

  1. Utwórz nową komórkę w notesie i uruchom %chat_magics polecenie , aby wyświetlić komunikat pomocy. Ten krok sprawdza poprawną instalację funkcji Chat-magics.

Wprowadzenie do podstawowych poleceń: %%chat i %%code

Korzystanie z %%czatu (Magic komórki)

  1. Utwórz nową komórkę w notesie.
  2. Wpisz %%chat w górnej części komórki.
  3. Wprowadź pytanie lub instrukcję poniżej %%chat polecenia — na przykład Jakie zmienne są obecnie zdefiniowane?
  4. Wykonaj komórkę, aby wyświetlić odpowiedź Chat-magics.

Korzystanie z %%code (Magic komórki)

  1. Utwórz nową komórkę w notesie.
  2. Wpisz %%code w górnej części komórki.
  3. Poniżej określ akcję kodu, którą chcesz — na przykład Załaduj my_data.csv do ramki danych biblioteki pandas.
  4. Wykonaj komórkę i przejrzyj wygenerowany fragment kodu.

Dostosowywanie ustawień danych wyjściowych i językowych

  1. Użyj polecenia %set_output, aby zmienić wartość domyślną sposobu dostarczania poleceń magic. Opcje można wyświetlić, uruchamiając %set_output?
  2. Wybierz miejsce, w którym ma być umieszczany wygenerowany kod, na podstawie opcji, takich jak
    • bieżąca komórka
    • nowa komórka
    • dane wyjściowe komórki
    • do zmiennej

Zaawansowane polecenia dla operacji na danych

%describe, %%add_comments i %%fix_errors

  1. Użyj elementu %describe DataFrameName w nowej komórce, aby uzyskać przegląd określonej ramki danych.
  2. Aby dodać komentarze do komórki kodu w celu zapewnienia lepszej czytelności, wpisz %%add_comments w górnej części komórki, którą chcesz dodać do adnotacji, a następnie wykonaj. Upewnij się, że kod jest poprawny
  3. W przypadku naprawiania błędów kodu wpisz %%fix_errors w górnej części komórki zawierającej błąd i wykonaj go.

Ustawienia prywatności i zabezpieczeń

  1. Domyślnie konfiguracja prywatności udostępnia poprzednie komunikaty wysyłane do i z modelu uczenia językowego (LLM). Nie udostępnia jednak zawartości komórek, danych wyjściowych ani żadnych schematów ani przykładowych danych ze źródeł danych.
  2. Użyj %set_sharing_level w nowej komórce, aby dostosować dane udostępnione procesorowi sztucznej inteligencji.
  3. Aby uzyskać bardziej szczegółowe ustawienia prywatności, użyj polecenia %configure_privacy_settings.

Polecenia kontekstu i fokusu

Przy użyciu %pin, %new_task i innych poleceń kontekstu

  1. Służy %pin DataFrameName do ułatwienia koncentracji sztucznej inteligencji na określonych ramkach danych.
  2. Aby wyczyścić sztuczną inteligencję, aby skoncentrować się na nowym zadaniu w notesie, wpisz %new_task, a następnie zadanie, które chcesz wykonać. Spowoduje to wyczyszczenie historii wykonywania, że copilot wie o tym punkcie i może sprawić, że przyszłe odpowiedzi będą bardziej istotne.