Aracılığıyla paylaş

Kumaş veri ajanı kavramları (önizleme)

Microsoft Fabric'teki veri aracısı, üretken yapay zeka kullanarak kendi konuşma soru-cevap sistemlerinizi oluşturmanıza olanak tanıyan yeni bir Microsoft Fabric özelliğidir. Doku veri aracısı, veri içgörülerini kuruluşunuzdaki herkes için daha erişilebilir ve eyleme dönüştürülebilir hale getirir. Ekibiniz, Fabric veri aracısını kullanarak kuruluşunuzun Fabric OneLake'te depoladığı veriler hakkında düz İngilizce sorular içeren konuşmalar yapabilir ve ardından ilgili yanıtları alabilir. Bu şekilde yapay zeka konusunda teknik uzmanlığı olmayan veya veri yapısı hakkında ayrıntılı bilgi edinen kişiler bile kesin ve bağlam açısından zengin yanıtlar alabilir.

Fabric veri aracısına ince ayar yapmak için kuruluşa özgü yönergeler, örnekler ve talimatlar da ekleyebilirsiniz. Bu yaklaşım, yanıtların kuruluşunuzun ihtiyaçlarına ve hedeflerine uygun olmasını sağlayarak herkesin verilerle daha etkili bir şekilde etkileşim kurmasını sağlar. Doku veri aracısı, içgörü erişilebilirliği önündeki engelleri azalttığı, işbirliğini kolaylaştırdığı ve kuruluşunuzun verilerinden daha fazla değer ayıklamasına yardımcı olduğu için veri odaklı karar alma kültürünü teşvik eder.

Önemli

Bu özellik önizleme aşamasındadır.

Önkoşullar

Fabric veri aracısı nasıl çalışır?

Doku veri aracısı, kullanıcıların verileriyle doğal olarak etkileşim kurmasına yardımcı olmak için büyük dil modellerini (LLM' ler) kullanır. Fabric veri aracısı, Azure OpenAI Assistant API'lerini uygular ve bir aracı gibi davranır. Kullanıcı sorularını işler, en ilgili veri kaynağını (Lakehouse, Warehouse, Power BI veri kümesi, KQL veritabanları, ontoloji) belirler ve sorguları oluşturmak, doğrulamak ve yürütmek için uygun aracı çağırır. Kullanıcılar daha sonra düz dilde sorular sorabilir ve yapılandırılmış, insan tarafından okunabilir yanıtlar alabilir. Bu yaklaşım karmaşık sorgu yazma gereksinimini ortadan kaldırır ve doğru ve güvenli veri erişimi sağlar.

Ayrıntılı olarak şu şekilde çalışır:

Soru ayrıştırma ve doğrulama: Doku veri aracısı, kullanıcı sorularını işlemek için temel aracı olarak Azure OpenAI Yardımcısı API'lerini uygular. Bu yaklaşım sorunun güvenlik protokolleri, sorumlu yapay zeka (RAI) ilkeleri ve kullanıcı izinleri ile uyumlu olmasını sağlar. Fabric veri aracı, tüm veri kaynaklarına salt okunur veri bağlantıları sağlayarak salt okunur erişimi kesin bir şekilde uygular.

Veri kaynağı tanımlama: Doku veri aracısı, veri kaynağının şemasına erişmek için kullanıcının kimlik bilgilerini kullanır. Bu yaklaşım, sistemin kullanıcının görüntüleme iznine sahip olduğu veri yapısı bilgilerini getirmesini sağlar. Aracı daha sonra kullanıcının sorusunu ilişkisel veritabanları (Lakehouse ve Warehouse), Power BI veri kümeleri (Anlam Modelleri), KQL veritabanları ve ontologlar gibi kullanılabilir tüm veri kaynaklarına karşı değerlendirir. Ayrıca, en ilgili veri kaynağını belirlemek için kullanıcı tarafından sağlanan veri aracısı yönergelerine de başvurabilir.

Araç çağırma ve sorgu oluşturma: Doğru veri kaynağı veya kaynaklar belirlendikten sonra, Doku veri aracısı soruyu netlik ve yapı için yeniden sorgular ve ardından yapılandırılmış bir sorgu oluşturmak için ilgili aracı çağırır:

  • İlişkisel veritabanları (Lakehouse/Warehouse) için SQL'e doğal dil (NL2SQL).
  • Power BI veri kümeleri (Anlamsal Modeller) için Doğal Dil'den DAX'a (NL2DAX).
  • Doğal dilden KQL'e (NL2KQL) KQL veritabanları için.

Seçili araç, sağlanan şema, meta veriler ve Fabric veri aracısının altında yatan bağlamı temel alarak bir sorgu oluşturur.

Sorgu doğrulama: Araç, sorgunun doğru şekilde biçimlendirildiğinden ve kendi güvenlik protokollerine ve RAI ilkelerine bağlı olduğundan emin olmak için doğrulama gerçekleştirir.

Sorgu yürütme ve yanıt: Doku veri aracısı doğrulandıktan sonra sorguyu seçilen veri kaynağına karşı yürütür. Sonuçlar, tablolar, özetler veya önemli içgörüler gibi yapılandırılmış veriler içerebilen, okunabilir bir yanıt olarak biçimlendirilir.

Kullanıcılar bu yaklaşımı kullanarak verileriyle doğal dil kullanarak etkileşimde bulunabilir. Fabric veri ajanı, sorgu oluşturma, doğrulama ve yürütmenin karmaşıklıklarını yönetir. Kullanıcıların SQL, DAX veya KQL yazmaları gerekmez.

Yapı veri aracısı yapılandırması

Doku veri aracısını yapılandırmak, Power BI raporu oluşturmaya benzer; gereksinimlerinizi karşıladığından emin olmak için raporu tasarlayıp iyileştirerek işe başlarsınız, ardından verilerle etkileşim kurabilmeleri için iş arkadaşlarınızla yayımlayıp paylaşabilirsiniz. Fabric veri aracısının kurulumunu yapmak şunları içerir:

Veri Kaynaklarını Seçme: Fabric veri aracısı, göl evleri, ambarlar, KQL veritabanları, Power BI anlam modelleri ve ontolojiler dahil olmak üzere, her türlü kombinasyonda en fazla beş veri kaynağını destekler. Örneğin, yapılandırılmış bir Doku veri aracısı beş Power BI anlam modeli içerebilir. İki Power BI anlam modeli, bir göl evi ve bir KQL veritabanının bir karışımını içerebilir. Kullanabileceğiniz birçok seçenek vardır.

İlgili Tabloları Seçme: Veri kaynaklarını seçtikten sonra bunları birer birer ekleyin ve Doku veri aracısının kullandığı her kaynaktan belirli tabloları tanımlayın. Bu adım, Fabric veri aracısının yalnızca ilgili verilere odaklanmasıyla kesin sonuçlar almasını sağlar. Göl evleri için bu adım, göl evi tablolarını (tek tek göl evi dosyalarını değil) seçmek anlamına gelir. Verileriniz dosya olarak başlıyorsa (örneğin CSV veya JSON), bunları tablolara alarak veya tablolar aracılığıyla başka bir şekilde kullanıma sunarak aracı tarafından kullanılabilir hale getirin.

Bağlam Ekleme: Doku veri aracısı doğruluğunu geliştirmek için Doku veri aracısı yönergeleri ve örnek sorgular aracılığıyla daha fazla bağlam sağlayın. Fabric veri aracısı için temel alınan aracı olarak bağlam, Azure OpenAI Yardımcısı API'sinin kullanıcı sorularını nasıl işleyeceği konusunda daha bilinçli kararlar vermesine ve bunları yanıtlamak için en uygun veri kaynağını belirlemesine yardımcı olur.

  • Veri aracısı yönergeleri: Belirli soru türlerini yanıtlamak için en iyi veri kaynağını belirlemede Doku veri aracısını temel alan aracıya yol gösterecek yönergeler ekleyin. Ayrıca, kuruluş terminolojisini veya belirli gereksinimleri netleştiren özel kurallar veya tanımlar da sağlayabilirsiniz. Bu yönergeler, aracının veri kaynaklarını seçme ve sorgulama şeklini etkileyen daha fazla bağlam veya tercih sağlayabilir. Örneğin, finansal ölçümlerle ilgili soruları Power BI anlam modeline yönlendirin, ham veri keşfi içeren sorguları göle atayın ve günlük analizi gerektiren soruları KQL veritabanına yönlendirin.

  • Örnek sorgular: Doku veri aracısının yaygın sorgulara nasıl yanıt vermesi gerektiğini göstermek için örnek soru-sorgu çiftleri ekleyin. Bu örnekler, aracı için benzer soruları yorumlamayı ve doğru yanıtlar oluşturmayı anlamasına yardımcı olan bir kılavuz görevi görür.

Uyarı

Power BI anlam modeli veri kaynakları için örnek sorgu/soru çiftleri ekleme şu anda desteklenmemektedir.

Net yapay zeka yönergelerini ve ilgili örnek sorguları birleştirerek Doku veri aracısını kuruluşunuzun veri gereksinimleriyle daha iyi uyumlu hale getirerek daha doğru ve bağlama duyarlı yanıtlar sağlayabilirsiniz.

Fabric veri aracısı ile yardımcı pilot arasındaki fark

Hem Doku veri aracıları hem de Doku yardımcı pilotları verileri işlemek ve bu veriler üzerinde mantık oluşturmak için üretken yapay zeka kullansa da, işlevlerinde ve kullanım örneklerinde önemli farklılıklar vardır:

Yapılandırma Esnekliği: Doku veri aracılarını yüksek oranda yapılandırabilirsiniz. Davranışlarını belirli senaryolara göre uyarlamak için özel yönergeler ve örnekler sağlayabilirsiniz. Öte yandan, Fabric yardımcı pilotları ön yapılandırılmış olarak gelir ve bu özelleştirme düzeyini sunmaz.

Kapsam ve Kullanım Örneği: Doku yardımcı pilotları, Not defteri kodu veya ambar sorguları oluşturma gibi Microsoft Fabric içindeki görevlere yardımcı olur. Buna karşılık doku veri aracıları tek başına yapıtlardır. Fabric veri aracılarının daha kapsamlı kullanım senaryoları için daha çok yönlü hale gelmesi amacıyla, Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams veya Fabric dışındaki diğer araçlarla entegre edilebilirler.

Fabric veri temsilcisinin değerlendirilmesi

Ürün ekibi, Fabric veri ajanı yanıtlarının kalitesini ve güvenliğini titizlikle değerlendirdi.

Benchmark Testi: Ürün ekibi, yüksek kaliteli ve doğru yanıtlar sağlamak amacıyla çeşitli kamu ve özel veri kümelerinde Fabric veri ajanlarını test etti.

Gelişmiş Risk Azaltımları: Ürün ekibi, Fabric veri aracısı çıktılarının seçili veri kaynaklarının bağlamına odaklanmasını sağlamak için korumalar uygulayarak ilgisiz veya yanıltıcı yanıt riskini azalttı.

Sınırlamalar

Doku veri aracısı şu anda genel önizleme aşamasındadır ve sınırlamaları vardır. Güncelleştirmeler, Doku veri aracısını zaman içinde geliştirecektir.

  • Fabric veri aracısı yalnızca SQL, DAX ve KQL "okuma" sorguları üretir. Veri oluşturan, güncelleştiren veya silen SQL, DAX veya KQL sorguları oluşturmaz.
  • Doku veri aracısı, .pdf, .docxveya .txt dosyaları gibi yapılandırılmamış verileri desteklemez. Yapı veri aracısını yapılandırılmamış veri kaynaklarına erişmek için kullanamazsınız.
  • Lakehouse veri kaynakları için Fabric veri aracısı, seçtiğiniz lakehouse tablolarını kullanarak soruları yanıtlar. Tek başına lakehouse dosyalarını (örneğin CSV veya JSON dosyaları), tablo olarak içe alınmadıkları veya erişilebilir hale getirilmedikçe doğrudan okumaz.
  • Fabric veri aracısı şu anda İngilizce dışındaki dilleri desteklememektedir. En iyi performans için soruları, yönergeleri ve örnek sorguları İngilizce olarak sağlayın.
  • Fabric veri aracısının kullandığı LLM'yi değiştiremezsiniz.
  • Doku veri aracısında konuşma geçmişi her zaman kalıcı olmayabilir. Arka uç altyapısı değişiklikleri, hizmet güncelleştirmeleri veya model yükseltmeleri gibi bazı durumlarda, geçmiş konuşma geçmişi sıfırlanabilir veya kaybolabilir.
  • Fabric veri aracısı, veri kaynağının çalışma alanı kapasitesi veri aracısının çalışma alanı kapasitesinden farklı bir bölgede olduğunda sorgu yürütemez. Örneğin, Veri Aracısı'nın kapasitesi Orta Fransa'da olduğunda Kuzey Avrupa'da kapasitesi olan bir göl evi başarısız olur.

İlgili içerik

  • Last updated on