AI 技能依赖于生成式 AI,特别是大型语言模型 (LLM)。 LLM 可以根据特定架构和问题生成查询,例如 T-SQL 查询。 系统将 AI 技能中的问题、所选数据的信息(包括表名和列名以及表中找到的数据类型)发送给 LLM。 接下来,它会请求生成 T-SQL 查询,以回答问题。 分析生成的查询,首先确保它不会以任何方式更改数据。 然后执行该查询。 最后,显示查询执行结果。 AI 技能旨在访问特定的数据库资源,然后生成和执行相关的 T-SQL 查询。
AI 技能配置
就像看待 Power BI 报表一样去看待 AI 技能。 首先生成报表,然后与可以使用报表的同事共享,以获取对方的数据见解。 AI 技能的工作方式与之类似。 首先需要创建和配置 AI 技能。 然后,可以与同事共享。
在 AI 技能妥善发挥功能之前,应先进行部分必要配置步骤。 AI 技能通常可为合理问题提供现成的回答,但也会为特定情况提供不正确的回答。 存在以下情况时通常会出现错误答案:AI 缺少有关公司、设置或关键术语定义的上下文。 若要解决此问题,请向 AI 提供指令和示例问题查询对。 可以使用强大的技术来指导 AI 获得正确的答案。
AI 技能与 Copilot 之间的差异
AI 技能和 Fabric Copilot 背后的技术相似。 它们都使用生成式 AI 来推理数据。 它们也有一些关键区别:
配置:借助 AI 技能,可以将 AI 配置为按所需方式运行。 可以向它提供指令和示例,以便将其优化为特定的用例。 Fabric Copilot 不提供此配置灵活性。
用例:Copilot 可以帮助在 Fabric 上完成工作。 它可以帮助生成笔记本代码或数据仓库查询。 相比之下,AI 技能可独立运行。 最终可以将其连接到 Microsoft Teams 和 Fabric 之外的其他区域。
通过了解如何在 Word、PowerPoint、Outlook、Excel 和 Teams 等 Microsoft 应用程序中使用 Copilot 创建有效提示,学习如何使用 AI 提高工作效率。 面向非营利组织的 AI 技能集合是为了增强非营利组织的数字能力而设计的一条综合技能培训路径。 建议所有非营利专业人员使用此学习路径。