Not
Åtkomst till denna sida kräver auktorisation. Du kan prova att logga in eller byta katalog.
Åtkomst till denna sida kräver auktorisation. Du kan prova att byta katalog.
Dataagenten är ett kraftfullt verktyg som är utformat för att förbättra dataresultatens noggrannhet och ge skapare ett sätt att införliva affärskontexter i sina datafrågor. Genom att använda dataagenten kan användarna interagera med data via naturligt språk, vilket gör komplexa dataåtgärder mer tillgängliga och användbara.
Dessutom underlättar dataagenten skapandet, kurationen och konfigurationen av dataexperter, vilket gör det möjligt för organisationer att skapa anpassade lösningar som återspeglar deras unika processer, scenarier och affärslogik. Den här anpassningen säkerställer att de insikter som genereras inte bara är korrekta utan även sammanhangsmässigt relevanta.
I den här artikeln beskrivs de olika konfigurationer som du kan använda för att förbättra dataagenten.
Instruktioner för dataagent
Instruktioner för dataagenten hjälper agenten att generera korrekta och relevanta svar på användarfrågor. De här instruktionerna kan ange vilka datakällor som ska prioriteras, beskriva hur du hanterar vissa typer av frågor och tillhandahålla användbar terminologi eller kontext för att tolka användarsyften.
Här är ett rekommenderat startformat för att skriva effektiva instruktioner på agentnivå:
## Objective
// Describe the overall goal of the agent.
// Example: "Help users analyze retail sales performance and customer behavior across regions."
## Data sources
// Specify which data sources the agent should consider, and in what order of priority.
// Example: "Use 'SalesLakehouse' for product and transaction data. Use 'CRMModel' for customer demographics."
## Key terminology
// Define terms or acronyms the agent may encounter in user queries.
// Example: "'GMV' refers to Gross Merchandise Value."
## Response guidelines
// Set expectations for how the agent should format or present answers.
// Example: ""
## Handling common topics
// Provide special handling rules or context for frequently asked topics.
// Example: "When asked about customers, use the 'ChurnModelScoring' Lakehouse to get customer details. Then, list any open support tickets"
Instruktioner för datakälla
Instruktioner för datakällor tillämpas när agenten dirigerar en fråga till en specifik datakälla. De här anvisningarna ger den kontext som krävs för att skapa exakta frågor , oavsett om de finns i SQL, DAX eller KQL, så att agenten kan hämta korrekt information.
Det här avsnittet bör innehålla datakällsspecifik vägledning, till exempel relevanta tabeller, kolumner, relationer och all frågelogik som krävs för att besvara vanliga eller komplexa frågor. Ju mer kontext som tillhandahålls, desto effektivare kan agenten generera korrekta och meningsfulla frågor.
Använd följande mall som utgångspunkt:
## General knowledge
// Share general background information the agent should consider when querying this data source.
## Table descriptions
// Describe key tables and important columns within those tables.
## When asked about
// Provide query-specific logic or table preferences for certain topics.
// Example: “When asked about shoe sales, always use the SalesProduct table.”
Beskrivning av datakälla
Beskrivningar av datakälla gör det möjligt för skapare att tillhandahålla övergripande kontext om varje datakälla så att dataagenten kan dirigera frågor på ett intelligent sätt. En beskrivning bör sammanfatta vad datakällan innehåller, vilka typer av frågor den kan besvara och eventuella affärsspecifika nyanser som hjälper till att skilja den från andra källor. Agenten använder den här informationen under sin resonemangsprocess för att avgöra vilken källa som är mest relevant för en användares fråga.
Anmärkning
Dataagenten tar även hänsyn till metadata som beskrivning, schema och exempelfrågor för att avgöra vilken datakälla som ska användas när en viss fråga besvaras.
Exempelfrågor för datakälla
Exempelfrågor, även kallade få exempel, används av dataagentverktyg för att förbättra kvaliteten på genererade frågor. De gör det möjligt för skapare att skicka exempel på frågelogik som agenten kan referera till när de skapar ett svar. När en datakälla används letar motsvarande verktyg automatiskt upp de mest relevanta exempelfrågorna för användarens fråga och skickar de tre främsta till dataagentverktyget. De här exemplen ingår i genereringsprocessen, vilket hjälper agenten att skapa mer exakta och kontextuellt lämpliga frågeresultat.
