Vad är Copilot i Data Warehouse-arbetsbelastningen (förhandsvisning)?

Gäller för: ✅ SQL-analysslutpunkt och lager i Microsoft Fabric

Copilot i Fabric Data Warehouse är en AI-assistent som är utformad för att effektivisera dina datalageruppgifter. Copilot integreras sömlöst med ditt informationslager i Fabric, vilket ger intelligenta insikter som hjälper dig längs varje steg på vägen i dina T-SQL-utforskningar.

Copilot i Fabric Data Warehouse använder tabell- och vynamn, kolumnnamn, primärnyckel och främmande nyckelmetadata för att generera T-SQL-kod. Copilot i Fabric Data Warehouse använder inte data i tabeller för att generera T-SQL-förslag.

Funktioner för Copilot i Fabric Data Warehouse

Copilot i Fabric Data Warehouse erbjuder följande funktioner:

  • Naturligt språk till SQL: Be Copilot att generera SQL-frågor med hjälp av enkla frågor om naturligt språk.
  • Kodkomplettering: Förbättra kodningseffektiviteten med AI-baserade kodslutningar.
  • Snabbåtgärder: Åtgärda och förklara SQL-frågor snabbt med lättillgängliga åtgärder.
  • Intelligent Insights: Ta emot smarta förslag och insikter baserat på ditt lagerschema och dina metadata.

Det finns tre sätt att interagera med Copilot i Fabric Warehouse-redigeraren.

  • Copilot-chattpanelen: Använd chattpanelen för att ställa frågor till Copilot via naturligt språk. Copilot svarar med en genererad SQL-fråga eller ett naturligt språk baserat på den fråga som ställs.

    • Naturligt språk till SQL: Generera T-SQL-kod och få förslag på frågor att ställa för att påskynda arbetsflödet.

  • Copilot-kodkomplettering: Börja skriva T-SQL i SQL-frågeeditorn och Copilot genererar automatiskt ett kodförslag för att hjälpa till att slutföra din förfrågan. Tab-tangenten accepterar kodförslaget, eller så ignorerar du genom att fortsätta skriva.

  • Copilot snabba åtgärder: I ribbon i SQL-frågeeditorn är alternativen Fix och Förklara snabba åtgärder. Markera en SQL-fråga som du väljer och välj en av snabbåtgärdsknapparna för att utföra den valda åtgärden i frågan.

    • Förklara: Copilot kan ge förklaringar av ditt SQL-fråge- och informationslagerschema i kommentarsformat.
    • Korrigering: Copilot kan åtgärda fel i koden när felmeddelanden uppstår. Felscenarier kan vara felaktig eller T-SQL-kod som inte stöds, fel stavning med mera. Copilot ger också kommentarer som förklarar ändringarna och föreslår metodtips för SQL.

Aktivera Copilot

Metodtips för att använda Copilot i Fabric Data Warehouse

Här följer några tips för att maximera produktiviteten med Copilot.

  • När du skapar promptar, börja med en tydlig och koncis beskrivning av den specifika information du söker.
  • Naturligt språk till SQL beror på uttrycksfulla tabell- och kolumnnamn. Om tabellen och kolumnerna inte är uttrycksfulla och beskrivande kanske Copilot inte kan konstruera en meningsfull fråga.
  • Använd ett naturligt språk för tabell- och visningsnamn, kolumnnamn, primärnycklar och främmande nycklar i ditt datalager. Den här kontexten hjälper Copilot att generera korrekta frågor. Specificera vilka kolumner du vill se, aggregeringar och eventuella filtreringskriterier så explicit som möjligt. Copilot bör kunna korrigera stavfel eller förstå kontexten med tanke på schemakontexten.
  • Skapa relationer i lagrets modellvy för att öka träffsäkerheten hos JOIN-satser i dina genererade SQL-frågor.
  • När du använder kodkompletteringar lämnar du en kommentar överst i frågeställningen med -- för att underlätta för Copilot med kontexten kring frågeställningen du försöker skriva.
  • Undvik tvetydigt eller alltför komplext språk i dina frågor. Förenkla frågan samtidigt som dess klarhet bibehålls. Den här redigeringen säkerställer att Copilot effektivt kan översätta den till en meningsfull T-SQL-fråga som hämtar önskade data från de associerade tabellerna och vyerna.
  • För närvarande stöder naturligt språk till SQL engelska till T-SQL.

Exempeluppmaningar

  • Följande exempelfrågor är tydliga, specifika och skräddarsydda för egenskaperna för ditt schema och informationslager, vilket gör det enklare för Copilot att generera korrekta T-SQL-frågor:
    - 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

Note

AI driver Copilot, så överraskningar och misstag är möjliga.

Ansvarsfull AI-användning av Copilot

För att se Microsoft riktlinjer för ansvarsfull AI i Fabric Data Warehouse, se Integritet, säkerhet och ansvarsfull AI-användning av Copilot.

Microsoft strävar efter att se till att våra AI-system styrs av våra AI-principer och ansvarsfull AI Standard. Dessa principer omfattar att ge våra kunder möjlighet att använda dessa system effektivt och i linje med deras avsedda användning. Vår strategi för ansvarsfull AI utvecklas kontinuerligt för att proaktivt ta itu med nya problem.

Limitations

Här är de aktuella begränsningarna för Copilot i Fabric i Data Warehouse:

  • Copilot förstår inte tidigare inmatningar och kan inte ångra ändringar efter att en användare gjort en ändring vid författarskap, varken via användargränssnittet eller chattpanelen. Till exempel kan du inte be Copilot att ångra mina fem senaste inmatningar. Du kan dock fortfarande använda de befintliga användargränssnittsalternativen för att ta bort oönskade ändringar eller frågor.
  • Copilot kan inte göra ändringar i befintliga SQL-frågor. Om du till exempel ber Copilot att redigera en viss del av en befintlig fråga fungerar den inte.
  • Copilot kan ge felaktiga resultat när avsikten är att utvärdera data. Copilot har bara tillgång till lagerschemat och ingen av datan inuti.
  • Copilot-svar kan innehålla felaktigt eller lågkvalitativt innehåll, så se till att du granskar resultaten innan du använder dem i ditt arbete.
  • Personer som på ett meningsfullt sätt kan utvärdera innehållets noggrannhet och lämplighet bör granska utdata.

Relaterat innehåll

  • Last updated on