แนวคิดของตัวแทนข้อมูล Fabric (ตัวอย่าง)

ตัวแทนข้อมูลใน Microsoft Fabric เป็นคุณลักษณะ Microsoft Fabric ใหม่ที่ช่วยให้คุณสามารถสร้างระบบถามตอบการสนทนาของคุณเองโดยใช้ Generative AI ตัวแทนข้อมูล Fabric ทําให้ข้อมูลเชิงลึกสามารถเข้าถึงได้มากขึ้นและดําเนินการได้สําหรับทุกคนในองค์กรของคุณ ด้วยตัวแทนข้อมูล Fabric ทีมของคุณสามารถสนทนาด้วยคําถามภาษาอังกฤษแบบธรรมดา เกี่ยวกับข้อมูลที่องค์กรของคุณจัดเก็บไว้ใน Fabric OneLake และได้รับคําตอบที่เกี่ยวข้องแล้ว ด้วยวิธีนี้ แม้แต่ผู้ที่ไม่มีความเชี่ยวชาญด้านเทคนิคใน AI หรือความเข้าใจในโครงสร้างข้อมูลอย่างลึกซึงก็สามารถรับคําตอบที่แม่นยําและเต็มไปด้วยบริบทได้

คุณยังสามารถเพิ่มคําแนะนํา ตัวอย่าง และคําแนะนําเฉพาะขององค์กรเพื่อปรับแต่งตัวแทนข้อมูล Fabric ได้ แนวทางนี้ช่วยให้มั่นใจได้ว่าการตอบสนองสอดคล้องกับความต้องการและเป้าหมายขององค์กร ซึ่งช่วยให้ทุกคนมีส่วนร่วมกับข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น ตัวแทนข้อมูลผ้าส่งเสริมวัฒนธรรมการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลเนื่องจากช่วยลดอุปสรรคในการช่วยสําหรับการเข้าถึงข้อมูลเชิงลึก ช่วยอํานวยความสะดวกในการทํางานร่วมกัน และช่วยให้องค์กรของคุณดึงค่าที่มากขึ้นจากข้อมูล

Important

คุณลักษณะนี้อยู่ในตัวอย่าง

Prerequisites

• ความจุ Fabric แบบชําระเงิน F2 หรือสูงกว่า หรือความจุ Power BI Premium ต่อความจุ (P1 หรือสูงกว่า) ที่ เปิดใช้งาน Microsoft Fabric
• เปิดใช้งานการตั้งค่าผู้เช่าของบริษัทตัวแทนข้อมูล Fabric แล้ว
• เปิดใช้งานการประมวลผลข้ามภูมิศาสตร์สําหรับ AI
• เปิดใช้งานการจัดเก็บข้ามภูมิศาสตร์สําหรับ AI
• อย่างน้อยหนึ่งรายการที่มีข้อมูล: คลังสินค้า เลคเฮาส์ แบบจําลองความหมาย Power BI อย่างน้อยหนึ่งตัว ฐานข้อมูล KQL หรือออนโทโลยี
• แบบจําลองความหมายของ Power BI ผ่านสวิตช์ผู้เช่าตําแหน่งข้อมูล XMLA จะเปิดใช้งาน สําหรับแหล่งข้อมูลแบบจําลองความหมายของ Power BI

วิธีการทํางานของตัวแทนข้อมูล Fabric

ตัวแทนข้อมูล Fabric ใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อช่วยให้ผู้ใช้โต้ตอบกับข้อมูลของตนได้อย่างเป็นธรรมชาติ ตัวแทนข้อมูล Fabric ใช้ Azure OpenAI Assistant API และทํางานเหมือนตัวแทน กําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด (Lakehouse, Warehouse, ชุดข้อมูล Power BI, ฐานข้อมูล KQL, ออนโทโลยี) และเรียกใช้เครื่องมือที่เหมาะสมเพื่อสร้าง ตรวจสอบความถูกต้อง และดําเนินการคิวรี ผู้ใช้สามารถถามคําถามด้วยภาษาธรรมดาและรับคําตอบที่มีโครงสร้างซึ่งสามารถอ่านได้โดยไม่ต้องเขียนคิวรีที่ซับซ้อนและรับรองการเข้าถึงข้อมูลที่ถูกต้องและปลอดภัย

นี่คือวิธีการทํางานโดยละเอียด:

การแยกวิเคราะห์คําถามและการตรวจสอบความถูกต้อง: ตัวแทนข้อมูล Fabric ใช้ Azure OpenAI Assistant API เป็นตัวแทนพื้นฐานเพื่อประมวลผลคําถามของผู้ใช้ วิธีนี้ช่วยให้มั่นใจได้ว่าคําถามนั้นเป็นไปตามข้อกําหนดของโปรโตคอลความปลอดภัย นโยบาย AI (RAI) ที่รับผิดชอบ และสิทธิ์ของผู้ใช้ ตัวแทนข้อมูล Fabric บังคับใช้การเข้าถึงแบบอ่านอย่างเดียวอย่างเคร่งครัด รักษาการเชื่อมต่อข้อมูลแบบอ่านอย่างเดียวไปยังแหล่งข้อมูลทั้งหมด

การระบุแหล่งข้อมูล: ตัวแทนข้อมูล Fabric ใช้ข้อมูลประจําตัวของผู้ใช้เพื่อเข้าถึง Schema ของแหล่งข้อมูล วิธีการนี้ช่วยให้แน่ใจว่าระบบดึงข้อมูลโครงสร้างข้อมูลที่ผู้ใช้มีสิทธิ์ดู จากนั้นจะประเมินคําถามของผู้ใช้กับแหล่งข้อมูลที่มีอยู่ทั้งหมด รวมถึงฐานข้อมูลเชิงสัมพันธ์ (Lakehouse และ Warehouse) ชุดข้อมูล Power BI (แบบจําลองความหมาย) ฐานข้อมูล KQL และออนโทโลยี นอกจากนี้ยังอาจอ้างอิงคําแนะนําของตัวแทนข้อมูลที่ผู้ใช้ระบุเพื่อกําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด

การเรียกใช้เครื่องมือและการสร้างคิวรี: เมื่อระบุแหล่งข้อมูลหรือแหล่งข้อมูลที่ถูกต้องแล้ว ตัวแทนข้อมูล Fabric จะเปลี่ยนคําถามเพื่อความชัดเจนและโครงสร้าง จากนั้นเรียกใช้เครื่องมือที่เกี่ยวข้องเพื่อสร้างคิวรีที่มีโครงสร้าง:

• 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

การตรวจสอบความถูกต้องของคิวรี: เครื่องมือจะทําการตรวจสอบความถูกต้องเพื่อให้แน่ใจว่าคิวรีมีรูปแบบอย่างถูกต้องและเป็นไปตามโปรโตคอลความปลอดภัยและนโยบาย RAI ของตนเอง

การดําเนินการและการตอบสนองแบบคิวรี: เมื่อตรวจสอบความถูกต้องแล้ว 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 รองรับแหล่งข้อมูลสูงสุดห้าแหล่งในการรวมกันใดๆ รวมถึงเลคเฮาส์ คลังสินค้า ฐานข้อมูล KQL แบบจําลองความหมายของ Power BI และออนโทโลยี ตัวอย่างเช่น ตัวแทนข้อมูล Fabric ที่กําหนดค่าไว้สามารถรวมแบบจําลองความหมายของ Power BI ได้ห้าแบบจําลอง ซึ่งอาจรวมถึงการผสมผสานของสองแบบจําลองความหมาย Power BI, เลคเฮ้าส์หนึ่งและฐานข้อมูล KQL หนึ่งฐานข้อมูล คุณมีตัวเลือกมากมายที่พร้อมใช้งาน

การเลือกตารางที่เกี่ยวข้อง: หลังจากที่คุณเลือกแหล่งข้อมูลแล้ว ให้เพิ่มทีละรายการ และกําหนดตารางเฉพาะจากแต่ละแหล่งข้อมูลที่ตัวแทนข้อมูล Fabric ใช้ ขั้นตอนนี้ทําให้แน่ใจว่าตัวแทนข้อมูล Fabric เรียกใช้ผลลัพธ์ที่ถูกต้องโดยมุ่งเน้นเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น

การเพิ่มบริบท: หากต้องการปรับปรุงความถูกต้องของตัวแทนข้อมูล Fabric ให้ระบุบริบทเพิ่มเติมผ่านคําแนะนําของตัวแทนข้อมูล Fabric และตัวอย่างการสอบถาม ในฐานะตัวแทนเบื้องต้นสําหรับตัวแทนข้อมูล Fabric บริบทนี้ช่วยให้ Azure OpenAI Assistant API ทําการตัดสินใจอย่างชาญฉลาดเกี่ยวกับวิธีการประมวลผลคําถามของผู้ใช้ และกําหนดว่าแหล่งข้อมูลใดเหมาะสมที่สุดสําหรับการตอบ

• คําแนะนําของตัวแทนข้อมูล: เพิ่มคําแนะนําเพื่อแนะนําตัวแทนที่เป็นพื้นฐานของตัวแทนข้อมูล Fabric ในการกําหนดแหล่งข้อมูลที่ดีที่สุดในการตอบคําถามเฉพาะชนิด คุณยังสามารถกําหนดกฎหรือข้อกําหนดแบบกําหนดเองที่เข้าใจคําศัพท์ขององค์กรหรือข้อกําหนดเฉพาะได้ คําแนะนําเหล่านี้สามารถให้บริบทหรือการตั้งค่าที่มีผลต่อวิธีการที่ตัวแทนเลือกและคิวรีแหล่งข้อมูล

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

• ตัวอย่างคิวรี: เพิ่มคู่คําถาม-คิวรีตัวอย่างเพื่อแสดงให้เห็นว่าตัวแทนข้อมูล Fabric ควรตอบสนองต่อคิวรีทั่วไปอย่างไร ตัวอย่างเหล่านี้ทําหน้าที่เป็นแนวทางสําหรับตัวแทนซึ่งช่วยให้เข้าใจวิธีการตีความคําถามที่คล้ายกันและสร้างคําตอบที่ถูกต้อง

Note

การเพิ่มคู่คิวรี/คําถามตัวอย่างยังไม่ได้รับการสนับสนุนสําหรับแหล่งข้อมูลแบบจําลองเชิงความหมายของ Power BI ในขณะนี้

ด้วยการรวมคําแนะนํา AI ที่ชัดเจนและคิวรี่ตัวอย่างที่เกี่ยวข้อง คุณจะสามารถจัดแนวตัวแทนข้อมูล Fabric ให้สอดคล้องกับความต้องการข้อมูลขององค์กรของคุณเพื่อให้มั่นใจว่าการตอบกลับมีความแม่นยําและตามบริบทมากขึ้น

ความแตกต่างระหว่างตัวแทนข้อมูล Fabric และ Copilot

แม้ว่าทั้งตัวแทนข้อมูล Fabric และ Fabric copilot จะใช้ Generative AI เพื่อประมวลผลและให้เหตุผลกับข้อมูล แต่ความแตกต่างที่สําคัญมีอยู่ในฟังก์ชันการทํางานและกรณีการใช้งาน:

ความยืดหยุ่นในการกําหนดค่า: คุณสามารถกําหนดค่าตัวแทนข้อมูล Fabric ได้สูง คุณสามารถให้คําแนะนําแบบกําหนดเองและตัวอย่างเพื่อปรับแต่งลักษณะการทํางานให้เข้ากับสถานการณ์ที่เฉพาะเจาะจง ในทางกลับกัน Fabric copilots ได้รับการกําหนดค่าไว้ล่วงหน้าและไม่มีการปรับแต่งในระดับนี้

ขอบเขตและกรณีการใช้งาน: Fabric copilots ช่วยงานภายใน Microsoft Fabric เช่น การสร้างโค้ดสมุดบันทึกหรือคิวรีคลังสินค้า ในทางตรงกันข้ามตัวแทนข้อมูลผ้าเป็นวัตถุแบบสแตนด์อโลน เพื่อให้ตัวแทนข้อมูล Fabric ใช้งานได้หลากหลายมากขึ้นสําหรับกรณีการใช้งานที่กว้างขึ้น พวกเขาสามารถรวมกับระบบภายนอกเช่น Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams หรือเครื่องมืออื่น ๆ ภายนอก Fabric ได้

การประเมินของตัวแทนข้อมูล Fabric

ทีมผลิตภัณฑ์ได้ประเมินคุณภาพและความปลอดภัยของการตอบสนองของตัวแทนข้อมูลของ Fabric อย่างเข้มงวด:

การทดสอบเกณฑ์มาตรฐาน: ทีมผลิตภัณฑ์ได้ทดสอบตัวแทนข้อมูล Fabric ในชุดข้อมูลสาธารณะและส่วนตัวที่หลากหลายเพื่อให้แน่ใจว่าการตอบสนองมีคุณภาพสูงและแม่นยํา

การบรรเทาอันตรายที่เพิ่มขึ้น: ทีมผลิตภัณฑ์ใช้มาตรการป้องกันเพื่อให้แน่ใจว่าเอาต์พุตของตัวแทนข้อมูล Fabric ยังคงมุ่งเน้นไปที่บริบทของแหล่งข้อมูลที่เลือก ซึ่งช่วยลดความเสี่ยงของคําตอบที่ไม่เกี่ยวข้องหรือทําให้เข้าใจผิด

Limitations

ตัวแทนข้อมูล Fabric อยู่ในการแสดงตัวอย่างสาธารณะและมีข้อจํากัด การอัปเดตจะช่วยปรับปรุงตัวแทนข้อมูล Fabric เมื่อเวลาผ่านไป

• ตัวแทนข้อมูล Fabric สร้างเฉพาะคิวรี "อ่าน" ของ SQL, DAX และ KQL เท่านั้น ไม่สร้างคิวรี SQL, DAX หรือ KQL ที่สร้าง ปรับปรุง หรือลบข้อมูล
• ตัวแทนข้อมูล Fabric ไม่สนับสนุนข้อมูลที่ไม่มีโครงสร้าง เช่น ไฟล์ .pdf, .docxหรือ .txt คุณไม่สามารถใช้ตัวแทนข้อมูล Fabric เพื่อเข้าถึงแหล่งข้อมูลที่ไม่มีโครงสร้างได้
• ตัวแทนข้อมูล Fabric ไม่สนับสนุนภาษาที่ไม่ใช่ภาษาอังกฤษในขณะนี้ เพื่อประสิทธิภาพสูงสุด ให้ระบุคําถาม คําแนะนํา และตัวอย่างการสืบค้นเป็นภาษาอังกฤษ
• คุณไม่สามารถเปลี่ยน LLM ที่ตัวแทนข้อมูล Fabric ใช้ได้
• ประวัติการสนทนาในตัวแทนข้อมูล Fabric อาจไม่คงอยู่เสมอไป ในบางกรณี เช่น การเปลี่ยนแปลงโครงสร้างพื้นฐานแบ็กเอนด์ การอัปเดตบริการ หรือการอัปเกรดแบบจําลอง ประวัติการสนทนาที่ผ่านมาอาจถูกรีเซ็ตหรือสูญหาย
• ตัวแทนข้อมูล Fabric ไม่สามารถดําเนินการคิวรีได้เมื่อความจุของพื้นที่ทํางานของแหล่งข้อมูลอยู่ในภูมิภาคที่แตกต่างจากความจุของพื้นที่ทํางานของตัวแทนข้อมูล ตัวอย่างเช่น เลคเฮาส์ที่มีความจุในยุโรปเหนือจะล้มเหลวหากความจุของตัวแทนข้อมูลอยู่ใน France Central

เนื้อหาที่เกี่ยวข้อง

• บทช่วยสอนแบบ end-to-end ของตัวแทนข้อมูล Fabric
• สร้าง ตัวแทนข้อมูล Fabric