Copilot dla Inteligencji w czasie rzeczywistym

Copilot w obciążeniu analizy Fabric Real-Time to asystent sztucznej inteligencji, który ułatwia wykonywanie zapytań, analizowanie i eksplorowanie danych w czasie rzeczywistym. Copilot tłumaczy język naturalny na zapytania języka Kusto Query Language (KQL) i umożliwia interaktywną eksplorację danych bez konieczności znajomości języka KQL.

Copilot w zestawach zapytań KQL

Copilot w zestawach zapytań KQL przekształca pytania języka naturalnego w zapytania KQL. Opisz potrzeby analizy danych w języku prostym, a Copilot generuje odpowiednie zapytanie. Copilot obsługuje interakcje konwersacyjne, dzięki czemu można uściślić zapytania i zadawać pytania uzupełniające bez rozpoczynania pracy.

Aby uzyskać szczegółowe informacje na temat używania Copilot w zestawach zapytań KQL, zobacz Copilot do pisania zapytań KQL.

Copilot na pulpitach nawigacyjnych Real-Time

Copilot na pulpitach nawigacyjnych Real-Time upraszcza edytowanie kafelków pulpitu nawigacyjnego i eksplorację danych:

  • Edytuj zapytania kafelków: użyj Copilot, aby utworzyć lub zmodyfikować zapytanie KQL za kafelkiem pulpitu nawigacyjnego bezpośrednio w okienku edycji, używając języka naturalnego zamiast ręcznego pisania języka KQL. Aby uzyskać szczegółowe informacje, zobacz Użyj Copilot, aby dodać/edytować kafelek
  • Eksploruj dane interaktywnie: W trybie wyświetlania użyj programu Copilot, aby zadawać pytania dotyczące danych pulpitu nawigacyjnego, filtrować wyniki i zapisywać szczegółowe informacje jako nowe kafelki. Aby uzyskać szczegółowe informacje, zobacz eksplorację danych w czasie rzeczywistym przy użyciu Copilota.

Copilot dla danych w Azure Data Explorer

Copilot obsługuje również klastry Azure Data Explorer (ADX). Po nawiązaniu połączenia z klastrem ADX Copilot generuje zapytania KQL i eksploruje dane w taki sam sposób, jak w przypadku usługi Eventhouse. Wymagana jest pojemność obsługiwana przez Fabric.

Aby uzyskać więcej informacji na temat nawiązywania połączenia z usługą ADX z Fabric, zobacz Korzystanie z danych ADX w Fabric.

Najlepsze praktyki dla zapytań KQL w Copilot

Poniższe porady dotyczą Copilot zarówno w zestawach zapytań KQL, jak i w pulpitach nawigacyjnych Real-Time:

  • Zacznij od prostych monitów języka naturalnego, aby poznać bieżące możliwości i ograniczenia. Stopniowo przechodzić do bardziej złożonych monitów.

  • Należy dokładnie określić zadanie i uniknąć niejednoznaczności. Wyobraź sobie udostępnianie monitu ekspertowi KQL bez dodawania instrukcji ustnych. Czy wygenerują poprawne zapytanie?

  • Podaj odpowiednie informacje, aby pomóc modelowi. Określ tabele, operatory lub funkcje, które mają krytyczne znaczenie dla zapytania, gdy jest to możliwe.

  • Przygotowywanie bazy danych:

    • Dodaj właściwości docstring, aby opisać typowe tabele i kolumny. Ten krok ma kluczowe znaczenie dla tabel lub kolumn z nazwami nieumyślnymi.
    • Nie trzeba dodawać docstringów do tabel ani kolumn, które są rzadko używane.
    • Aby uzyskać więcej informacji, zobacz polecenie alter table column-docstrings.

  • Aby poprawić wyniki Copilot, wybierz ikonę like lub dislike aby przesłać opinię.

    Note

    Formularz Prześlij opinię przesyła nazwę bazy danych, jej adres URL, zapytanie KQL wygenerowane przez Copilot i jakąkolwiek dołączoną odpowiedź tekstową. Wyniki wykonanego zapytania KQL nie są wysyłane.

Note

Sztuczna inteligencja obsługuje Copilot, więc możliwe są niespodzianki i błędy.

Zwiększanie dokładności Copilot za pomocą zdjęć prywatnych

Copilot ulepsza zalecenia, korzystając z najbardziej odpowiednich przykładów (nazywanych parami języka naturalnego i KQL lub „przykładami”) z bazy danych Public Shots. Ta baza danych jest nadzorowana przez zespół Inteligencji w Czasie Rzeczywistym, pochodząca z dokumentacji KQL i dostępna dla wszystkich użytkowników Copilot. Baza danych Public Shots zapewnia solidną podstawę, ale jest ogólna i nie ma wiedzy specyficznej dla domeny bazy danych KQL.

Aby poprawić możliwości Copilot generowania dokładnych i złożonych zapytań KQL dla określonych scenariuszy, utwórz bazę danych Private Shots.

Takie podejście umożliwia uwzględnienie zaawansowanych zapytań KQL, które spełniają unikatowe wymagania zespołu. Na przykład zapytania, które używają: — semantyka grafu, — analiza szeregów czasowych, — wykrywanie anomalii — lub funkcje przechowywane zdefiniowane w bazie danych KQL.

Prywatne zrzuty są automatycznie publikowane zarówno z zestawów zapytań KQL, jak i pulpitów nawigacyjnych w czasie rzeczywistym. Podczas zapisywania tych artefaktów zapytania KQL, które zawierają, są publikowane w bazie danych Private Shots, co poprawia zdolność Copilota do generowania zapytań, które są zgodne z Twoimi danymi i przypadkami użycia.

Note

  • Po zapisaniu artefaktów Private Shots może upłynąć kilka minut, aby mogły zostać opublikowane i dostępne do wykorzystania przez Copilot.
  • Tylko KQL jest obowiązkowy. LLM generuje opis w języku naturalnym. Krótki opis można dodać, dołączając poprzedzający komentarz do KQL.
  • Zapytania KQL są sprawdzane pod kątem prawidłowej składni. Do bazy danych Private Shots są dodawane tylko prawidłowe zapytania.
  • Copilot używa tylko prywatnych zdjęć, które są dostępne dla użytkownika. Jeśli nie masz uprawnień do wyświetlania określonego pulpitu nawigacyjnego lub zestawu zapytań, Copilot nie używa zrzutów z tych artefaktów.
  • Zapytania KQL generowane przez Copilot i wstawione do zestawu zapytań za pomocą narzędzia Copy do edytora zawierają wiersz komentarza: // This KQL query was generated by AI:. Te zapytania nie są publikowane w bazie danych Private Shots. Aby je uwzględnić, usuń ten komentarz przy zachowaniu kolejnego komentarza zawierającego monit użytkownika.

Limitations

Następujące ograniczenia dotyczą Copilot w Real-Time Intelligence:

  • Copilot nie może modyfikować istniejących zapytań KQL w edytorze zapytań. Jeśli poprosisz okienko czatu Copilot o edycję określonej części istniejącego zapytania, to nie działa. Jednak Copilot rozumie poprzednie dane wejściowe w okienku czatu, dzięki czemu można powtarzać zapytania, które Copilot wygenerował przed wstawieniem.
  • Copilot może generować niedokładne wyniki, gdy intencją jest ocena danych. Copilot ma dostęp tylko do schematu bazy danych i nie ma dostępu do samych danych.
  • Odpowiedzi od Copilot mogą zawierać niedokładne lub niskiej jakości treści. Przed użyciem ich w pracy przejrzyj dane wyjściowe.
  • Osoby, które mogą znacząco ocenić dokładność i odpowiednią zawartość, powinny przejrzeć dane wyjściowe.
  • Okienko czatu Copilot w bazach danych KQL nie jest dostępne, gdy Private Link jest włączony, a dostęp publiczny jest wyłączony w ustawieniach dzierżawy.

Odpowiedzialna sztuczna inteligencja

Aby wyświetlić wytyczne Microsoft dotyczące odpowiedzialnego używania sztucznej inteligencji w Real-Time Intelligence, zobacz Prywatność, bezpieczeństwo i odpowiedzialne wykorzystanie Copilot dla Real-Time Intelligence.

Microsoft jest zobowiązana do tego, aby zasady AI oraz Responsible AI Standard kierowały systemami sztucznej inteligencji. Te zasady obejmują umożliwienie klientom efektywnego korzystania z tych systemów i zgodnie z ich zamierzonymi zastosowaniami.

Treści powiązane

  • Last updated on