แชร์ผ่าน

แนวคิดของตัวแทนข้อมูล Fabric (ตัวอย่าง)

ตัวแทนข้อมูลใน Microsoft Fabric เป็นคุณลักษณะใหม่ของ Microsoft Fabric ที่ช่วยให้คุณสามารถสร้างระบบ Q&A แบบการสนทนาของคุณเองโดยใช้ AI ที่สร้างขึ้น ตัวแทนข้อมูล Fabric ทําให้ข้อมูลเชิงลึกสามารถเข้าถึงได้มากขึ้นและดําเนินการได้สําหรับทุกคนในองค์กรของคุณ ด้วยตัวแทนข้อมูล Fabric ทีมของคุณสามารถสนทนาด้วยคําถามภาษาอังกฤษแบบธรรมดา เกี่ยวกับข้อมูลที่องค์กรของคุณจัดเก็บไว้ใน Fabric OneLake และได้รับคําตอบที่เกี่ยวข้องแล้ว ด้วยวิธีนี้ แม้แต่ผู้ที่ไม่มีความเชี่ยวชาญด้านเทคนิคใน AI หรือความเข้าใจในโครงสร้างข้อมูลอย่างลึกซึงก็สามารถรับคําตอบที่แม่นยําและเต็มไปด้วยบริบทได้

คุณยังสามารถเพิ่มคําแนะนํา ตัวอย่าง และคําแนะนําเฉพาะขององค์กรเพื่อปรับแต่งตัวแทนข้อมูล Fabric ได้ ซึ่งทําให้แน่ใจได้ว่าการตอบสนองสอดคล้องกับความต้องการและเป้าหมายขององค์กรของคุณ ช่วยให้ทุกคนสามารถมีส่วนร่วมกับข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น ตัวแทนข้อมูลผ้าส่งเสริมวัฒนธรรมการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลเนื่องจากช่วยลดอุปสรรคในการช่วยสําหรับการเข้าถึงข้อมูลเชิงลึก ช่วยอํานวยความสะดวกในการทํางานร่วมกัน และช่วยให้องค์กรของคุณดึงค่าที่มากขึ้นจากข้อมูล

สําคัญ

คุณลักษณะนี้อยู่ในตัวอย่าง

ข้อกำหนดเบื้องต้น

วิธีการทํางานของตัวแทนข้อมูล Fabric

ตัวแทนข้อมูล Fabric ใช้แบบจําลองภาษาขนาดใหญ่ (LLMs) เพื่อช่วยให้ผู้ใช้โต้ตอบกับข้อมูลของตนเองได้อย่างเป็นธรรมชาติ ตัวแทนข้อมูลสิ่งทอใช้ Azure OpenAI Assistant API และทํางานเหมือนตัวแทน ซึ่งจะประมวลผลคําถามของผู้ใช้ กําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด (เลคเฮ้าส์, คลังสินค้า, ชุดข้อมูล Power BI, ฐานข้อมูล KQL) และเรียกใช้เครื่องมือที่เหมาะสมเพื่อสร้าง ตรวจสอบ และดําเนินการคิวรี ผู้ใช้สามารถถามคําถามด้วยภาษาธรรมดาและรับคําตอบที่มีโครงสร้างซึ่งสามารถอ่านได้โดยไม่ต้องเขียนคิวรีที่ซับซ้อนและรับรองการเข้าถึงข้อมูลที่ถูกต้องและปลอดภัย

นี่คือวิธีการทํางานโดยละเอียด:

การแยกวิเคราะห์คําถาม & การตรวจสอบ: ตัวแทนข้อมูล Fabric ใช้ Azure OpenAI Assistant API เป็นตัวแทนเบื้องต้นในการประมวลผลคําถามของผู้ใช้ วิธีนี้ช่วยให้มั่นใจได้ว่าคําถามนั้นเป็นไปตามข้อกําหนดของโปรโตคอลความปลอดภัย นโยบาย AI (RAI) ที่รับผิดชอบ และสิทธิ์ของผู้ใช้ ตัวแทนข้อมูล Fabric บังคับใช้การเข้าถึงแบบอ่านอย่างเดียวอย่างเคร่งครัด รักษาการเชื่อมต่อข้อมูลแบบอ่านอย่างเดียวไปยังแหล่งข้อมูลทั้งหมด

การระบุแหล่งข้อมูล : ตัวแทนข้อมูล Fabric ใช้ข้อมูลประจําตัวของผู้ใช้เพื่อเข้าถึง schema ของแหล่งข้อมูล ซึ่งทําให้แน่ใจว่าระบบดึงข้อมูลที่มีโครงสร้างข้อมูลที่ผู้ใช้มีสิทธิ์ในการดู จากนั้นจะประเมินคําถามของผู้ใช้กับแหล่งข้อมูลที่มีอยู่ทั้งหมด รวมถึงฐานข้อมูลเชิงสัมพันธ์ (Lakehouse และ Warehouse), ชุดข้อมูล Power BI (แบบจําลองความหมาย) และฐานข้อมูล KQL นอกจากนี้ยังอาจอ้างอิงคําแนะนําของตัวแทนข้อมูลที่ผู้ใช้ระบุเพื่อกําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด

การเรียกใช้เครื่องมือ &Query Generation : เมื่อมีการระบุแหล่งข้อมูลหรือแหล่งข้อมูลที่ถูกต้องแล้ว ตัวแทนข้อมูล Fabric จะตอบคําถามซ้ําเพื่อความชัดเจนและโครงสร้าง จากนั้นจะเรียกใช้เครื่องมือที่เกี่ยวข้องเพื่อสร้างคิวรีที่มีโครงสร้าง:

  • ภาษาธรรมชาติไปยัง SQL (NL2SQL) สําหรับฐานข้อมูลเชิงสัมพันธ์ (เลคเฮ้าส์/คลังสินค้า)
  • ภาษาธรรมชาติไปยัง DAX (NL2DAX) สําหรับชุดข้อมูล Power BI (แบบจําลองความหมาย)
  • ภาษาธรรมชาติไปยัง KQL (NL2KQL) สําหรับฐานข้อมูล KQL

เครื่องมือที่เลือกสร้างคิวรีที่ยึดตาม schema เมตาดาต้า และบริบทที่ให้มา ซึ่งตัวแทนข้อมูล Fabric พื้นฐานจะส่งผ่าน

Query Validation: เครื่องมือนี้ดําเนินการตรวจสอบความถูกต้องเพื่อให้แน่ใจว่าการคิวรีถูกสร้างขึ้นอย่างถูกต้องและยึดตามโพรโทคอลความปลอดภัยและนโยบาย RAI ของตนเอง

การดําเนินการคิวรี & การตอบสนอง: เมื่อได้รับการตรวจสอบแล้ว ตัวแทนข้อมูล Fabric จะดําเนินการคิวรีกับแหล่งข้อมูลที่เลือก ผลลัพธ์ถูกจัดรูปแบบให้เป็นการตอบสนองที่มนุษย์สามารถอ่านได้ ซึ่งอาจรวมถึงข้อมูลที่มีโครงสร้าง เช่น ตาราง สรุป หรือข้อมูลเชิงลึกที่สําคัญ

วิธีนี้ช่วยให้ผู้ใช้สามารถโต้ตอบกับข้อมูลของพวกเขาโดยใช้ภาษาธรรมชาติ ในขณะที่ตัวแทนข้อมูล Fabric จัดการกับความซับซ้อนของการสร้างคิวรี การตรวจสอบความถูกต้อง และการดําเนินการทั้งหมดโดยไม่ต้องให้ผู้ใช้เขียน SQL, DAX หรือ KQL ด้วยตนเอง

การกําหนดค่าตัวแทนข้อมูล Fabric

การกําหนดค่าตัวแทนข้อมูล Fabric คล้ายกับการสร้างรายงาน Power BI คุณเริ่มต้นด้วยการออกแบบและปรับแต่งเพื่อให้แน่ใจว่าตรงกับความต้องการของคุณ จากนั้นเผยแพร่และแชร์กับเพื่อนร่วมงานเพื่อให้พวกเขาสามารถโต้ตอบกับข้อมูลได้ การตั้งค่าตัวแทนข้อมูล Fabric เกี่ยวข้องกับ:

การเลือกแหล่งข้อมูล: ตัวแทนข้อมูล Fabric สนับสนุนแหล่งข้อมูลสูงสุดห้าแหล่งในทุกการผสม รวมถึง lakehouses, Warehouses, ฐานข้อมูล KQL และแบบจําลองความหมายของ Power BI ตัวอย่างเช่น ตัวแทนข้อมูล Fabric ที่กําหนดค่าไว้สามารถรวมแบบจําลองความหมายของ Power BI ได้ห้าแบบจําลอง ซึ่งอาจรวมถึงการผสมผสานของสองแบบจําลองความหมาย Power BI, เลคเฮ้าส์หนึ่งและฐานข้อมูล KQL หนึ่งฐานข้อมูล คุณมีตัวเลือกมากมายที่พร้อมใช้งาน

เลือกตารางที่เกี่ยวข้อง: หลังจากที่คุณเลือกแหล่งข้อมูล คุณต้องเพิ่มแหล่งข้อมูลทีละรายการ และกําหนดตารางเฉพาะจากแต่ละแหล่งที่มาที่ตัวแทนข้อมูล Fabric จะใช้ ขั้นตอนนี้ทําให้แน่ใจว่าตัวแทนข้อมูล Fabric เรียกใช้ผลลัพธ์ที่ถูกต้องโดยมุ่งเน้นเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น

การเพิ่มบริบท : เพื่อปรับปรุงความถูกต้องแม่นยําของตัวแทนข้อมูล Fabric คุณสามารถให้บริบทได้มากขึ้นผ่านคําแนะนําและคิวรีตัวอย่างของตัวแทนข้อมูล Fabric ในฐานะตัวแทนเบื้องต้นสําหรับตัวแทนข้อมูล Fabric บริบทนี้ช่วยให้ Azure OpenAI Assistant API ทําการตัดสินใจอย่างชาญฉลาดเกี่ยวกับวิธีการประมวลผลคําถามของผู้ใช้ และกําหนดว่าแหล่งข้อมูลใดเหมาะสมที่สุดสําหรับการตอบ

  • คําแนะนําของตัวแทนข้อมูล: คุณสามารถเพิ่มคําแนะนําเพื่อแนะนําตัวแทนที่สนับสนุนตัวแทนข้อมูล Fabric ในการกําหนดแหล่งข้อมูลที่ดีที่สุดเพื่อตอบคําถามบางประเภท คุณยังสามารถกําหนดกฎหรือข้อกําหนดแบบกําหนดเองที่เข้าใจคําศัพท์ขององค์กรหรือข้อกําหนดเฉพาะได้ คําแนะนําเหล่านี้สามารถให้บริบทหรือการตั้งค่าที่มีผลต่อวิธีการที่ตัวแทนเลือกและคิวรีแหล่งข้อมูล

    • คําถามโดยตรงเกี่ยวกับ เมตริกทางการเงิน ไปยังแบบจําลองความหมายของ Power BI
    • กําหนดคิวรีที่เกี่ยวข้องกับการสํารวจข้อมูลดิบ ให้กับเลคเฮ้าส์
    • คําถามเกี่ยวกับเส้นทางที่ต้องใช้ การวิเคราะห์บันทึก ไปยังฐานข้อมูล KQL

  • ตัวอย่างคิวรี: คุณสามารถเพิ่มคู่คําถามตัวอย่างเพื่อแสดงให้เห็นว่าตัวแทนข้อมูล Fabric ควรตอบสนองต่อคิวรีทั่วไปอย่างไร ตัวอย่างเหล่านี้ทําหน้าที่เป็นแนวทางสําหรับตัวแทนซึ่งช่วยให้เข้าใจวิธีการตีความคําถามที่คล้ายกันและสร้างคําตอบที่ถูกต้อง

โน้ต

การเพิ่มคู่คิวรี/คําถามตัวอย่างยังไม่ได้รับการสนับสนุนสําหรับแหล่งข้อมูลแบบจําลองเชิงความหมายของ Power BI ในขณะนี้

ด้วยการรวมคําแนะนํา AI ที่ชัดเจนและคิวรี่ตัวอย่างที่เกี่ยวข้อง คุณจะสามารถจัดแนวตัวแทนข้อมูล Fabric ให้สอดคล้องกับความต้องการข้อมูลขององค์กรของคุณเพื่อให้มั่นใจว่าการตอบกลับมีความแม่นยําและตามบริบทมากขึ้น

ความแตกต่างระหว่างตัวแทนข้อมูล Fabric และ Copilot

ในขณะที่ทั้งตัวแทนข้อมูล Fabric และ Fabric copilots ใช้ AI ที่ก่อให้เกิดการประมวลผลและเหตุผลในข้อมูล แต่ความแตกต่างที่สําคัญในด้านการทํางานและกรณีการใช้งาน:

การกําหนดค่า ความยืดหยุ่น: ตัวแทนข้อมูลผ้าสามารถกําหนดค่าได้สูง คุณสามารถให้คําแนะนําแบบกําหนดเองและตัวอย่างเพื่อปรับแต่งลักษณะการทํางานให้เข้ากับสถานการณ์ที่เฉพาะเจาะจง ในทางกลับกัน Fabric copilots มีการกําหนดค่าล่วงหน้าและพวกเขาไม่มีระดับการปรับแต่งนี้

ขอบเขตและกรณีการใช้งาน: Copilots Fabric ถูกออกแบบมาเพื่อช่วยงานภายใน Microsoft Fabric เช่น การสร้างรหัสสมุดบันทึกหรือคิวรี่คลังสินค้า ในทางตรงกันข้ามตัวแทนข้อมูลผ้าเป็นวัตถุแบบสแตนด์อโลน เพื่อให้ตัวแทนข้อมูล Fabric ใช้งานได้หลากหลายมากขึ้นสําหรับกรณีการใช้งานที่กว้างขึ้น พวกเขาสามารถรวมกับระบบภายนอกเช่น Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams หรือเครื่องมืออื่น ๆ ภายนอก Fabric ได้

การประเมินของตัวแทนข้อมูล Fabric

คุณภาพและความปลอดภัยของการตอบสนองของตัวแทนข้อมูล Fabric ได้ผ่านการประเมินที่เข้มงวด:

Benchmark Test: ทีมผลิตภัณฑ์ทดสอบตัวแทนข้อมูล Fabric ในชุดข้อมูลสาธารณะและส่วนตัวเพื่อให้แน่ใจในการตอบสนองที่มีคุณภาพสูงและแม่นยํา

การลดอันตรายขั้นสูง: จะมีการป้องกันเพิ่มเติมเพื่อให้แน่ใจว่าเอาต์พุตของตัวแทนข้อมูล Fabric ยังคงมุ่งเน้นไปที่บริบทของแหล่งข้อมูลที่เลือกเพื่อลดความเสี่ยงของคําตอบที่ไม่เกี่ยวข้องหรือเข้าใจผิด

ขีด จำกัด

ในขณะนี้ ตัวแทนข้อมูล Fabric อยู่ในการแสดงตัวอย่างสาธารณะและมีข้อจํากัด การอัปเดตจะช่วยปรับปรุงตัวแทนข้อมูล Fabric เมื่อเวลาผ่านไป

  • ตัวแทนข้อมูล Fabric สามารถดึงข้อมูลโดยการสร้างคิวรีที่มีโครงสร้าง (SQL, DAX หรือ KQL) สําหรับคําถามที่เกี่ยวข้องกับข้อเท็จจริง ผลรวม การจัดอันดับ หรือตัวกรอง อย่างไรก็ตาม จะไม่สามารถตีความแนวโน้ม ให้คําอธิบาย หรือวิเคราะห์สาเหตุพื้นฐานได้
  • ตัวแทนข้อมูล Fabric สร้างคิวรี "อ่าน" SQL/DAX/KQL เท่านั้น ซึ่งไม่ได้สร้างคิวรี SQL/DAX/KQL ที่สร้าง อัปเดต หรือลบข้อมูล
  • ตัวแทนข้อมูล Fabric สามารถเข้าถึงได้เฉพาะข้อมูลที่คุณให้ไว้เท่านั้น ซึ่งใช้การกําหนดค่าทรัพยากรข้อมูลที่คุณระบุเท่านั้น
  • ตัวแทนข้อมูล Fabric มีสิทธิ์ในการเข้าถึงข้อมูลที่ตรงกับสิทธิ์ที่มอบให้กับผู้ใช้ที่โต้ตอบกับตัวแทนข้อมูล Fabric นี่เป็นความจริงเมื่อมีการเผยแพร่ตัวแทนข้อมูล Fabric ไปยังตําแหน่งที่ตั้งอื่น ๆ เช่น Microsoft Copilot Studio, Azure AI Foundry และ Microsoft Teams
  • คุณไม่สามารถเพิ่มแหล่งข้อมูลมากกว่าห้าแหล่งลงในตัวแทนข้อมูล Fabric ได้
  • คุณไม่สามารถใช้ตัวแทนข้อมูล Fabric เพื่อเข้าถึงแหล่งข้อมูลที่ไม่มีโครงสร้างได้ แหล่งข้อมูลเหล่านี้รวมถึงไฟล์.pdf, .docx หรือ.txt เป็นต้น
  • ตัวแทนข้อมูล Fabric บล็อกคําถามหรือคําแนะนําที่ไม่ใช่ภาษาอังกฤษ
  • คุณไม่สามารถเปลี่ยน LLM ที่ตัวแทนข้อมูล Fabric ใช้ได้
  • คุณไม่สามารถเพิ่มฐานข้อมูล KQL เป็นแหล่งข้อมูลได้ถ้ามีมากกว่า 1,000 ตารางหรือตารางใด ๆ ที่มีมากกว่า 100 คอลัมน์
  • คุณไม่สามารถเพิ่มแบบจําลองความหมาย Power BI เป็นแหล่งข้อมูลได้หากมีคอลัมน์และหน่วยวัดมากกว่า 100 รายการ
  • ตัวแทนข้อมูล Fabric ใช้งานได้ดีที่สุดกับ 25 หรือน้อยกว่าตารางที่เลือกในแหล่งข้อมูลทั้งหมด
  • คอลัมน์ทรัพยากรข้อมูลที่ไม่ได้อธิบายและชื่อตารางมีผลกระทบต่อคุณภาพคิวรี SQL/DAX/KQL ที่สร้างขึ้นอย่างมีนัยสําคัญ เราขอแนะนําให้ใช้ชื่อที่เป็นคําอธิบาย
  • การใช้คอลัมน์และตารางมากเกินไปอาจลดประสิทธิภาพของข้อมูล Fabric
  • ในขณะนี้ ตัวแทนข้อมูล Fabric ได้รับการออกแบบมาเพื่อจัดการคิวรีอย่างง่าย คิวรีที่ซับซ้อนที่จําเป็นต้องมีการรวมจํานวนมากหรือตรรกะที่ซับซ้อนมีแนวโน้มที่จะมีความน่าเชื่อถือต่ํากว่า
  • ถ้าคุณเพิ่มแบบจําลองความหมายของ Power BI เป็นแหล่งข้อมูล ตัวแทนข้อมูล Fabric จะไม่ใช้ตาราง คอลัมน์ หรือหน่วยวัดที่ซ่อนไว้ใด ๆ
  • ถ้าคุณเคยสร้างตัวแทนข้อมูล Fabric ที่ใช้คลังสินค้าเป็นแหล่งข้อมูล และคลังสินค้าอยู่ในพื้นที่ทํางานที่ไม่โฮสต์ที่ตัวแทนข้อมูล Fabric คุณอาจพบข้อผิดพลาด เมื่อต้องการแก้ไขปัญหานี้ ให้ลบแหล่งข้อมูลที่มีอยู่และเพิ่มอีกครั้ง
  • หากต้องการเพิ่มแบบจําลองความหมายของ Power BI เป็นแหล่งข้อมูลสําหรับตัวแทนข้อมูล Fabric คุณจําเป็นต้องมีสิทธิ์ในการอ่าน/เขียนสําหรับแบบจําลองความหมายของ Power BI นั้น การคิวรีตัวแทนข้อมูล Fabric ที่ใช้แบบจําลองความหมายของ Power BI ยังจําเป็นต้องให้คุณมีสิทธิ์ในการอ่าน/เขียนสําหรับแบบจําลองความหมาย Power BI พื้นฐาน
  • ตัวแทนข้อมูล Fabric อาจส่งกลับคําตอบที่ไม่ถูกต้อง คุณควรทดสอบตัวแทนข้อมูล Fabric กับเพื่อนร่วมงานของคุณเพื่อตรวจสอบว่าสามารถตอบคําถามตามที่คาดไว้ได้ หากเกิดข้อผิดพลาด ให้แสดงตัวอย่างและคําแนะนําเพิ่มเติม
  • หากก่อนหน้านี้คุณได้สร้างและเผยแพร่ตัวแทนข้อมูล Fabric และคุณได้ใช้ URL ทางโปรแกรม URL จะไม่ทํางานอีกต่อไปหากคุณเปิดตัวแทนข้อมูล Fabric ในหน้าส่วนติดต่อผู้ใช้ใหม่ของตัวแทนข้อมูล Fabric เพื่อแก้ไขปัญหานี้ คุณต้องเผยแพร่ตัวแทนข้อมูล Fabric ใหม่ และใช้ URL ใหม่ตาม Assistants API

เนื้อหาที่เกี่ยวข้อง