หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
ในการเริ่มต้นอย่างรวดเร็วนี้ คุณจะติดตั้งทักษะ Fabric data engineering agent (Project Osmos) สําหรับ GitHub Copilot CLI, Claude Code หรือ Codex, สร้างงานสําหรับ Fabric lakehouse และเปิดงานใน Fabric
ในการเริ่มต้นอย่างรวดเร็วนี้ คุณ:
- ยืนยันข้อกําหนด Fabric และข้อกําหนดภายในประเทศ
- ติดตั้งปลั๊กอิน Skills for Fabric ซึ่งรวมถึงทักษะ data engineering agent (Project Osmos)
- สร้างงานที่ใช้งานสถาปัตยกรรมเหรียญรางวัลแบบขายปลีก
- ตรวจสอบการตั้งค่าการทํางาน
- ตรวจสอบงานในบ้านพักริมทะเลสาบ Fabric ของคุณ
Important
เอเจนต์วิศวกรรมข้อมูล (Project Osmos) อยู่ในขั้นตอนพรีวิว ฟีเจอร์ตัวอย่างจะถูกปล่อยออกมาพร้อมความสามารถจํากัดและอยู่ภายใต้ เงื่อนไขการดูตัวอย่างเพิ่มเติมแยกต่างหาก ไม่ได้ออกแบบมาเพื่อใช้งานจริง ไม่ได้อยู่ภายใต้ข้อตกลงระดับการให้บริการ และอาจมีจําหน่ายเฉพาะในบางภูมิภาคเท่านั้น สําหรับข้อมูลเพิ่มเติม ให้ดูที่ Microsoft Fabric ข้อมูลตัวอย่าง
ข้อกําหนดเบื้องต้น
โปรดยืนยันข้อกําหนดเหล่านี้ก่อนเริ่มใช้งาน:
- พื้นที่ทํางาน Fabric ที่กําหนดให้กับความจุ Fabric ที่มีสิทธิ์ SKU ทดลอง Fabric ไม่รองรับ
- บ้านริมทะเลสาบในที่ทํางานนั้น
- สิทธิ์ผู้ร่วมหรือสูงกว่าบน workspace
- เปิดใช้งาน การตั้งค่า tenant ต่อไปนี้สําหรับบัญชีและความจุของคุณ:
- ผู้ใช้สามารถใช้ Copilot และคุณลักษณะอื่น ๆ ที่ได้รับพลังโดย Azure OpenAI
- ผู้ใช้สามารถใช้ Copilot, AI Agents และประสบการณ์ AI อื่น ๆ ที่ขับเคลื่อนด้วย OpenAI ในฐานะ Microsoft Subprocessor (แนะนําอย่างยิ่งเพื่อประสิทธิภาพที่ดีที่สุด แต่ไม่จําเป็น)
- การตั้งค่า tenant ต่อไปนี้จะใช้ได้เฉพาะเมื่อความจุของคุณอยู่ในภูมิภาคที่ OpenAI ไม่พร้อมใช้งาน:
- ข้อมูลที่ส่งไปยัง OpenAI ในฐานะ Microsoft Subprocessor สามารถประมวลผลนอกภูมิภาคทางภูมิศาสตร์ ขอบเขตการปฏิบัติตามข้อกําหนด หรืออินสแตนซ์คลาวด์ระดับชาติของขีดความสามารถของคุณ
- ข้อมูลที่ส่งไปยัง Azure OpenAI สามารถจัดเก็บไว้นอกภูมิภาคทางภูมิศาสตร์ ขอบเขตการปฏิบัติตามกฎระเบียบ หรืออินสแตนซ์คลาวด์แห่งชาติได้
- จาก การตั้งค่าความจุของคุณ แนะนําให้เปิดใช้งาน การแปลงข้อมูล AI แต่ไม่จําเป็น
- Azure CLI
- ตัวแทนท้องถิ่นที่รองรับ:
- ติดตั้งและยืนยันตัวตน GitHub Copilot CLI แล้ว
- รหัส Claude
- Codex และ Git
สําหรับคําแนะนําการกําหนดค่า ดูที่ เปิดใช้งานและกําหนดค่า Copilot ใน Microsoft Fabric
ติดตั้งทักษะ data engineering agent (Project Osmos)
ทักษะ Data Engineering agent (Project Osmos) ถูกรวมอยู่ในคอลเลกชัน Skills for Fabric
ลงชื่อเข้าใช้ Azure ด้วยตัวตนที่สามารถเข้าถึงพื้นที่ทํางานเป้าหมายและบ้านริมทะเลสาบได้:
az loginหากคุณมีสิทธิ์เข้าถึง Microsoft Entra tenant หลายรายการ ให้ลงชื่อเข้าใช้ tenant ที่มีพื้นที่ทํางาน Fabric ของคุณ
จากนั้นใช้คําสั่งสําหรับตัวแทนท้องถิ่นของคุณเพื่อเพิ่มตลาด Skills for Fabric และติดตั้งคอลเลกชัน Fabric
เริ่ม GitHub Copilot CLI:
copilotรันคําสั่งเหล่านี้ภายใน GitHub Copilot CLI:
/plugin marketplace add microsoft/skills-for-fabric /plugin install fabric-skills@fabric-collection
รีสตาร์ท GitHub Copilot CLI เพื่อให้ทักษะใหม่โหลด
/quitตรวจสอบการติดตั้ง เริ่ม GitHub Copilot CLI อีกครั้งและรัน:
/skills
ยืนยันว่า Project Osmos ที่แสดงเป็น project-osmosพร้อมใช้งานแล้ว
ใช้เอเจนต์วิศวกรรมข้อมูล (Project Osmos)
อธิบายผลลัพธ์วิศวกรรมข้อมูลทั้งหมดที่คุณต้องการให้ตัวแทนวิศวกรรมข้อมูล (Project Osmos) ส่งมอบ รวมพื้นที่ทํางาน บ้านพักทะเลสาบ ข้อมูลต้นทาง การแปลงข้อมูล ผลลัพธ์ที่คาดหวัง และข้อกําหนดการตรวจสอบ:
อธิบายงานวิศวกรรมข้อมูลแบบครบวงจร ตัวแทนวิศวกรรมข้อมูล (Project Osmos) จะได้รับข้อมูลนี้เป็นหนึ่ง project
รวม:
- แหล่งข้อมูล: ตาราง โฟลเดอร์ ไฟล์ สมุดบันทึก หรือทรัพยากร OneLake
- การแปลง: การทําความสะอาด, การเชื่อมโยง, ตัวกรอง, การคํานวณ หรือการเปลี่ยนแปลงสคีมา
- ผลลัพธ์: ตาราง, สมุดบันทึก, ไฟล์ หรือสรุป
- การตรวจสอบความถูกต้อง: จํานวนแถว, การตรวจสอบ null, ความเป็นเอกลักษณ์, การกระทบยอด หรือกฎทางธุรกิจ
แหล่งข้อมูลและผลลัพธ์ไม่ได้จํากัดอยู่แค่พื้นที่ทํางานที่คุณสร้างงาน หากคุณมีสิทธิ์เข้าถึงทรัพยากร งานนั้นจะสามารถเข้าถึงทรัพยากรนั้นแทนคุณได้
ตัวอย่างเช่น:
Use Project Osmos in the Fabric workspace Sales Analytics and the lakehouse
SalesLakehouse.
Load the Orders and Customers tables, remove orders without a customer ID,
join the tables on customer ID, and calculate monthly revenue by customer
segment. Save the result as a Delta table named monthly_segment_revenue.
Validate row counts, null customer IDs, and negative revenue values.
ตัวแทนท้องถิ่นของคุณจะจัดการพื้นที่ทํางานและบ้านพักริมทะเลสาบ รวบรวมตัวเลือกด้านความปลอดภัยและผลลัพธ์ที่จําเป็น และสร้างงาน Project Osmos ระยะไกลหนึ่งงาน มันมีลิงก์งาน Fabric สําหรับติดตามความคืบหน้า
คุณไม่จําเป็นต้องหาข้อมูลพื้นที่ทํางานหรือบ้านพักริมทะเลสาบ หรือแบ่งงานออกเป็นขั้นตอนง่าย ๆ ระบุชื่อหรือให้ URL ของ Fabric lakehouse แล้วส่งผลลัพธ์ทั้งหมดเป็นงานเดียว Project Osmos รับผิดชอบการวางแผน การจัดลําดับ และการตรวจสอบความถูกต้อง
ตรวจสอบการตั้งค่างาน
ก่อนเริ่มรัน ตัวแทนวิศวกรรมข้อมูล (Project Osmos) จะจัดประเภทงานและแนะนําการตั้งค่าต่าง ๆ
| การตั้งค่า | คําถามเกี่ยวกับการทบทวน |
|---|---|
| ขอบเขตสิทธิ์ | ทรัพยากรที่มีชื่อใดบ้างที่งานควรถือว่าเป็นแบบอ่านอย่างเดียวหรือเขียนได้? |
| รูปแบบความปลอดภัย | การเขียนควรใช้การสแตจก, โคลนและโปรโมท หรือการวนซ้ําโดยตรงดี? |
| โปรโมทสเต็ป | ผลลัพธ์ที่ผ่านการตรวจสอบแล้วควรกลายเป็นผลลัพธ์สุดท้ายได้อย่างไร? |
| ความหมายของการเล่นซ้ํา | ควรจะรันซ้ําล้มเหลว เพิ่มข้อความ ลบซ้ํา หรือแทนที่ข้อมูลเดิมหรือไม่? |
| วิวัฒนาการของ Schema | สคีมาผลลัพธ์สามารถเปลี่ยนแปลงได้หรือไม่ และภายใต้ข้อจํากัดใดบ้าง? |
| รูปแบบอาร์ติแฟกต์ | Project Osmos ควรบันทึกสมุดโน้ตหรือวัตถุโบราณอื่นหรือไม่? |
| จุดหมายปลายทางของวัตถุโบราณ | ควรเก็บอาร์ติแฟกต์ที่สร้างขึ้นไว้ที่ไหน? |
| ความพยายามในการให้เหตุผล | Project Osmos ควรสํารวจทางเลือกในการดําเนินการอย่างกว้างขวางแค่ไหน? |
คุณสามารถเปลี่ยนการตั้งค่าที่แนะนําได้ทุกแบบ
Important
ขอบเขตการอนุญาตเป็นแนวทางของงาน แต่การอนุญาตของ Fabric และ OneLake ยังคงเป็นขอบเขตการบังคับใช้ ปกป้องทรัพยากรที่มีความละเอียดอ่อนด้วยสิทธิ์แพลตฟอร์ม
ตรวจสอบงาน
หลังจากที่คุณยอมรับการตั้งค่าแล้ว ตัวแทนวิศวกรรมข้อมูล Fabric (Project Osmos) จะรันงานนี้ร่วมกับตัวแทนเฉพาะทางใน SparkCore คืนค่า ID งาน และเปิดหน้า Fabric lakehouse ซึ่งประกอบด้วย:
- รายละเอียดจากแบบสอบถามการรับเข้า
- สเปค
- สถานะปัจจุบัน
- กิจกรรมของเอเจนต์
เนื่องจากงานนี้ทํางานใน Fabric บน SparkCore แทนที่จะเป็นเครื่องในเครื่องของคุณ มันจึงดําเนินต่อไปเมื่อคอมพิวเตอร์ของคุณปิดอยู่ เพื่อติดตามความคืบหน้า ให้เลือกบ้านพักริมทะเลสาบของคุณใน Fabric แล้วเลือกงานใน Lakehouse Explorer คุณยังสามารถสอบถามเจ้าหน้าที่ท้องถิ่นของคุณเกี่ยวกับสถานะงานได้ด้วย
คําแนะนําการใช้งาน
- ใช้ Project Osmos ผ่านเอเจนต์ในเครื่อง เช่น GitHub Copilot CLI, Claude Code หรือ Codex การโต้ตอบโดยตรงกับ Project Osmos จาก Copilot ในพอร์ทัล Fabric ยังไม่รองรับในขณะนี้
- ระบุพื้นที่ทํางานและบ้านพักริมทะเลสาบที่ต้องการโดยชื่อ หรือระบุ URL บ้านพักริมทะเลสาบของ Fabric คุณไม่จําเป็นต้องหาข้อมูลบัตรประชาชนด้วยตัวเอง
- ใช้ Project Osmos สําหรับวิศวกรรมข้อมูลแบบครบวงจรที่เกี่ยวข้องกับบ้านพักริมทะเลสาบ, OneLake, Spark, สมุดบันทึก และตาราง
- ขอให้ตัวแทนท้องถิ่นของคุณตรวจสอบสถานะของงานระยะไกล ส่งคําแนะนําติดตามผล ยกเลิกงาน หรือลบงานนั้น
- หากต้องการทํางานกับงานที่มีอยู่ต่อไป ให้ระบุรหัสงานหรือลิงก์งาน Fabric
- ตรวจสอบตัวเลือกการดําเนินการและความปลอดภัยที่เสนอก่อนอนุญาตให้มีการเปลี่ยนแปลงข้อมูลสําคัญหรือข้อมูลการผลิต
สร้างงานแรกของคุณ
ตัวอย่างนี้ต้องการเพียงบ้านริมทะเลสาบที่ว่างเปล่า Project Osmos สร้างข้อมูลตัวอย่างและวัตถุโบราณที่จําเป็นทั้งหมด เพื่อให้คุณสามารถใช้ผลิตภัณฑ์ได้โดยไม่ต้องเตรียมบ้านพักริมทะเลสาบก่อน
ใช้ Project Osmos เพื่อสร้างสถาปัตยกรรมเหรียญรางวัลขนาดเล็กสําหรับร้านค้าปลีก เริ่มต้นด้วยการขอให้ตัวแทนท้องถิ่นของคุณใช้ Project Osmos:
Create a Project Osmos task
หลังจากที่คุณระบุบ้านริมทะเลสาบของคุณด้วยชื่อหรือ URL แล้ว คุณจะถูกขอให้กําหนดผลลัพธ์สําหรับโครงการของคุณ ป้อนข้อมูลต่อไปนี้:
Use Project Osmos to set up a simple retail medallion architecture in this
empty lakehouse. Create small sample CSV files for customers, products, and
sales under Files/landing. Build bronze tables that preserve the source data,
silver tables that clean and standardize it, and gold tables named
gold_daily_sales and gold_customer_sales.
Create three notebooks named 01_load_bronze, 02_transform_silver, and
03_build_gold that move the data through the layers. Run the notebooks in
order, and validate row counts, key uniqueness, referential integrity, and
revenue totals at each layer.
ส่งพรอมต์ทั้งหมดเป็นงานเดียว Project Osmos วางแผนและจัดลําดับงาน สร้างข้อมูลตัวอย่าง ตาราง และสมุดบันทึก รันสมุดบันทึกใน SparkCore และตรวจสอบผลลัพธ์
เมื่อภารกิจเสร็จสิ้น ให้ตรวจสอบสิ่งประดิษฐ์เหล่านี้:
- ตารางลูกค้า ผลิตภัณฑ์ และการขายแบบบรอนซ์ที่เก็บข้อมูลต้นทางตัวอย่าง
- ตารางสีเงินที่มีชนิดข้อมูลมาตรฐาน กุญแจที่ถูกต้อง และระเบียนที่ทําความสะอาดแล้ว
- ตารางสีทองพร้อมยอดขายรายวันและสรุปยอดขายระดับลูกค้า
- สมุดบันทึกสามเล่มที่บันทึกและดําเนินการเคลื่อนที่ระหว่างเลเยอร์
- ผลการตรวจสอบสําหรับจํานวนแถว คีย์ ความสัมพันธ์ และยอดรวมรายได้
ตัวอย่างผลลัพธ์โครงการเพิ่มเติมสําหรับกรณีการใช้งานที่ซับซ้อน
Project Osmos ถูกออกแบบมาเพื่อผลลัพธ์ทางวิศวกรรมข้อมูลอย่างครบถ้วน รวมถึงงานที่ต้องใช้ความรู้เกี่ยวกับแอปพลิเคชันองค์กร การค้นหาบ้านพักทะเลสาบ การทดลองใช้งาน และการตรวจสอบความถูกต้อง คําขอที่ส่งไปยัง GitHub Copilot โดยไม่มี Project Osmos อาจสร้างโน้ตบุ๊กหรือโครงร่างโค้ดที่สมเหตุสมผล แต่ไม่ได้ใช้เวิร์กโฟลว์ของ Project Osmos ในการตรวจสอบ livelakehouse, เปรียบเทียบตัวเลือกการใช้งาน, รันโค้ดใน Fabric SparkCore และปรับปรุงโซลูชันตามผลลัพธ์จริง
สร้างโมเดลวงจรชีวิตลูกค้า Dynamics 365
ผลลัพธ์ของ project ที่กระชับนี้ขอให้ Project Osmos ค้นหาข้อมูลแอปพลิเคชันที่มีอยู่:
Use Project Osmos to create a trusted customer lifecycle model from the Microsoft Dynamics 365 data in this lakehouse.
วิธีที่ Project Osmos อาจเข้าหา: Project Osmos สํารวจบ้านพักทะเลสาบเพื่อหาว่าแอปพลิเคชัน Dynamics 365 และตาราง Dataverse ใดบ้างที่พร้อมใช้งาน มันระบุโครงสร้างต่าง ๆ เช่น บัญชี ผู้ติดต่อ โอกาสทางธุรกิจ กิจกรรม เคส คําสั่งซื้อ และใบแจ้งหนี้;ทําแผนที่ความสัมพันธ์และค่าสถานะของแต่ละรายการ;และประเมินวิธีการนําเสนอเส้นทางของลูกค้าตั้งแต่การได้มาซึ่งลูกค้าจนถึงการขายและบริการ มันรันโค้ด SparkCore เพื่อตรวจสอบความครอบคลุมของความสัมพันธ์ ลูกค้าซ้ํา กิจกรรมที่ถูกทิ้งไว้ ยอดรวมของสายงาน การกระทบยอดคําสั่งซื้อและใบแจ้งหนี้ และการคํานวณขั้นตอนวงจรชีวิต
เหตุผลที่ Project Osmos เหมาะสมกว่า: หากไม่มี Project Osmos, GitHub Copilot จะขึ้นอยู่กับคุณในการระบุตาราง Dynamics 365 และ Dataverse ที่เกี่ยวข้อง อธิบายความสัมพันธ์และค่าชุดตัวเลือก และดําเนินการแก้ไขแต่ละครั้ง Project Osmos สามารถเริ่มต้นจากผลลัพธ์ ตรวจสอบบ้านพักริมทะเลสาบ และปรับปรุงการดําเนินงานตามผลลัพธ์ที่วัดได้
โมเดลข้อมูลคําสั่งซื้อเป็นเงินสดของ SAP
ผลลัพธ์ project ที่กระชับนี้ขอให้ Project Osmos กําหนดว่าข้อมูล SAP ถูกนําเสนออย่างไรในบ้านพักริมทะเลสาบของคุณ และสร้างโมเดล order-to-cash ที่เป็นประโยชน์:
Use Project Osmos to build an order-to-cash model from the SAP data in this lakehouse.
วิธีที่ Project Osmos อาจเข้าหา: Project Osmos สํารวจทะเลสาบเพื่อระบุข้อมูลคําสั่งซื้อ การส่งมอบ การเรียกเก็บเงิน ลูกค้า และการไหลของเอกสาร SAP ที่มีอยู่ มันจะค้นหาโครงสร้างเช่น VBAK/VBAP, LIKP/LIPS, VBRK/VBRP, KNA1 และ VBFA หรือมุมมองที่สกัดออกมาเทียบเท่า มันตรวจสอบสคีมาและค่าตัวอย่าง กําหนดว่าการดึงข้อมูลคล้ายกับโครงสร้าง SAP S/4HANA หรือ SAP ECC หรือไม่ และทดสอบการเชื่อมโยงทางเลือกและตรรกะการไหลของเอกสาร จากนั้นจะสร้างตารางและสมุดบันทึกที่คัดสรรมาอย่างดี และรันการตรวจสอบ SparkCore เพื่อหากุญแจธุรกิจซ้ํา ลิงก์เอกสารที่หายไป ความไม่ตรงกันของปริมาณ และการกระทบยอดคําสั่งซื้อกับใบแจ้งหนี้
เหตุผลที่ Project Osmos เหมาะสมกว่า: GitHub Copilot ที่ใช้โดยไม่มี Project Osmos จะต้องให้คุณค้นหาตารางที่เกี่ยวข้อง อธิบายความสัมพันธ์ของ SAP จัดเตรียมสคีมา รันโค้ดที่สร้างขึ้น และคืนค่าข้อผิดพลาดหรือผลลัพธ์สําหรับแต่ละการแก้ไข Project Osmos ดําเนินการค้นหาและดําเนินการนี้เป็นส่วนหนึ่งของงาน Fabric แบบถาวรที่ทํางานโดยอัตโนมัติบน SparkCore
กระทบยอดการเงินของ NetSuite
ผลลัพธ์ของ project ที่ละเอียดนี้ให้กฎทางธุรกิจ ในขณะที่ปล่อยให้รายละเอียดการดําเนินงานเป็นหน้าที่ของ Project Osmos:
Use Project Osmos to create a financial reconciliation model from the NetSuite
data already loaded in this lakehouse. Preserve subsidiary, accounting period,
transaction, transaction line, account, accounting book, department, class,
location, transaction currency, and base currency. Build a monthly trial
balance with debit, credit, and net balances by subsidiary and account. Account
for intercompany transactions, elimination subsidiaries, and exchange rates.
Identify unbalanced entries, unmapped accounts, and periods that don't reconcile
to the source. Save the transformation and validation notebooks, and don't
modify the source tables.
วิธีที่ Project Osmos อาจเข้าหา: Project Osmos ตรวจสอบว่าธุรกรรมของ NetSuite สายธุรกรรม บัญชี บริษัทย่อย งวดบัญชี สกุลเงิน และสมุดบัญชีถูกนําเสนออย่างไรในบ้านพักริมทะเลสาบ มันประเมินตัวเลือกการโพสต์ การรวม การกําจัด และการแปลงสกุลเงิน พร้อมใช้ผลลัพธ์แบบแบ่งเป็นระยะเพื่อเปรียบเทียบผลลัพธ์ มันรันสมุดบันทึกใน SparkCore และตรวจสอบยอดคงเหลือของบันทึก ความสมบูรณ์ของเอกสาร การแมปครอบคลุม และยอดรวมจากต้นทางถึงผลลัพธ์ก่อนสร้างตารางสุดท้าย
เหตุผลที่ Project Osmos เหมาะสมกว่า: การสร้างโค้ดเพียงอย่างเดียวสามารถเข้ารหัสการเชื่อมโยงและคํานวณได้ แต่ไม่สามารถสรุปได้อย่างน่าเชื่อถือว่าการดึงข้อมูลจาก NetSuite แต่ละรายการแทนการโพสต์ บัญชีบัญชี การลบ และอัตราแลกเปลี่ยนอย่างไร หรือพิสูจน์ว่าผลลัพธ์กระทบกันได้โดยไม่ต้องมีวงจรการประมวลผลและตรวจสอบซ้ํา
สร้าง Salesforce pipeline และเมตริกการคาดการณ์
Use Project Osmos to build a trusted sales pipeline and forecast model from the
Salesforce data in this lakehouse. Preserve account, opportunity, owner,
product, stage, amount, probability, close date, forecast category, creation
date, and stage-history details. Produce current pipeline, stage conversion,
sales-cycle duration, pipeline coverage, forecast accuracy, and slipped-deal
metrics by region, segment, product, and owner. Handle deleted records, currency
conversion, changing opportunity ownership, and historical stage snapshots.
Save the notebooks, and validate the metrics against available Salesforce
totals and prior-period snapshots.
วิธีที่ Project Osmos อาจเข้าหา: Project Osmos ทําแผนที่วัตถุ Salesforce ที่มีอยู่และดึงข้อมูล Account, Opportunity, OpportunityHistory, OpportunityLineItem, Product2, User และ forecast มันเปรียบเทียบวิธีการแบบสถานะปัจจุบัน แบบอิงประวัติ และแบบสแนปช็อตแบบเป็นระยะ และทดสอบว่าการดึงข้อมูลแทนสกุลเงิน การลบ การเปลี่ยนแปลงเจ้าของ และการเปลี่ยนขั้นตอนอย่างไร มันรันการใช้งานผู้สมัครใน SparkCore และเปรียบเทียบยอดรวมของสายงาน อัตราการแปลง ผลลัพธ์การคาดการณ์ และภาพรวมย้อนหลัง
เหตุผลที่ Project Osmos เหมาะสมกว่า: ผลลัพธ์นี้ต้องการมากกว่าความถูกต้องทางไวยากรณ์ของ Spark Project Osmos ผสานการให้เหตุผลโดเมนของ Salesforce กับการตรวจสอบข้อมูลแบบเรียลไทม์ การดําเนินการซ้ํา ๆ และการกระทบยอด เพื่อค้นหาการใช้งานที่สอดคล้องกับกลยุทธ์การสกัดและประวัติของลูกค้าจริง
ปรับปรุงท่อส่งน้ํามัน Lakehouse ที่มีอยู่ให้ทันสมัย
Use Project Osmos to assess the existing sales ingestion and transformation
notebooks in this lakehouse. Replace full reloads with an idempotent incremental
design, preserve late-arriving updates, prevent duplicate business keys, add
quarantine handling for invalid records, and create validation tables that
compare each run with the source. Keep existing downstream table names and
schemas unless a change is required. Test the new design against representative
data, compare it with the current implementation, and document the migration
and rollback steps.
วิธีที่ Project Osmos อาจเข้าหา: Project Osmos ตรวจสอบสมุดบันทึก ตาราง สคีมา และรูปแบบข้อมูลปัจจุบัน; เปรียบเทียบตัวเลือกลายน้ํา, การผสาน และการติดตามการเปลี่ยนแปลง; และทดสอบพฤติกรรมการล้มเหลวและการรันซ้ํา มันรันทั้งสองการใช้งานใน SparkCore กับเป้าหมายแบบ staged และเปรียบเทียบจํานวนแถว คีย์ซ้ํา การจัดการอัปเดตล่าสุด ความเข้ากันได้ของสคีมา และผลรวมผลลัพธ์
เหตุผลที่ Project Osmos เหมาะสมกว่า: การใช้เอเจนต์โค้ดเพียงอย่างเดียวสามารถแนะนํารูปแบบที่เพิ่มขึ้นได้ แต่คุณต้องระบุบริบทของการใช้งานและรันแต่ละการทดสอบ Project Osmos ประเมินบ้านพักริมทะเลสาบที่มีอยู่และตรวจสอบแบบที่แข่งขันกันก่อนจะแนะนําและนําแนวทางที่ปลอดภัยกว่ามาใช้
อัปเดตทักษะสําหรับ Fabric
ใน GitHub Copilot CLI หรือ Claude Code ให้อัปเดตคอลเลกชัน Fabric ที่ติดตั้งไว้:
/plugin update fabric-skills@fabric-collection
สําหรับ Codex ให้รัน codex plugin marketplace upgrade fabric-collection, แล้วรัน codex plugin add fabric-skills@fabric-collection.
ข้อจำกัดปัจจุบัน
- Data engineering agent (Project Osmos) ยังไม่พร้อมใช้งานสําหรับ workspace ที่เปิดใช้งานการป้องกันการเข้าถึงขาออก