实时智能 Copilot 的隐私性、安全性和负责任使用（预览版）
在本文中，了解用于实时智能的 Copilot（预览版）的工作原理、如何保护业务数据并遵守隐私要求，以及如何负责任地使用生成式 AI。 有关 Fabric 中这些 Copilot 主题的概述，请参阅 Copilot 的隐私性、安全性和负责任使用（预览版）。
此功能利用 OpenAI 的强大功能将自然语言查询无缝转换为 Kusto 查询语言 （KQL），这是用于查询大型数据集的专用语言。 从本质上讲，它充当用户日常语言和技术复杂度之间的桥梁，消除了不熟悉该语言的用户的采用障碍。 通过利用 OpenAI 的高级语言理解，此功能使用户能够以熟悉的自然语言格式提交业务问题，然后转换为 KQL 查询。
Copilot 通过简化查询创建过程来加快工作效率，同时提供用户友好的高效数据分析方法。
Copilot 用于实时智能的预期用途
Kusto Copilot 通过基于基础数据集列名称/架构将自然语言业务问题转换为 KQL 查询，从而加速数据科学家和分析师的数据探索过程。
实时智能可以 Copilot 做什么？
Kusto Copilot 由 OpenAI 开发的生成 AI 模型提供支持，Microsoft。 具体而言，它使用 OpenAI 的嵌入和完成 API 生成自然语言提示并生成 KQL 查询。
用于实时智能 Copilot 的数据用途
Copilot for Real-Intelligence 有权访问用户可访问 Copilot 的数据，例如数据库架构、用户定义的函数和已连接数据库的数据采样。 Copilot 参考当前连接到 KQL 查询集的任意数据库。 不 Copilot 存储任何数据。
实时智能 Copilot 的评估
- 我们在一个完整的研究周期中测试了多个配置和方法，已证明 OpenAI 集成方法可以生成最高准确度的 KQL 查询。 Copilot 不会自动运行生成的 KQL 查询，建议用户自行运行查询。
- Kusto Copilot 不会自动运行任何生成的 KQL 查询，建议用户自行运行查询。
实时智能的限制Copilot
- Copilot 可能会误解复杂且较长的用户输入，从而有可能导致建议的 KQL 查询不准确或有误导作用。
- 定向到非 KQL 表或具体化视图（例如 KQL 函数）的数据库实体的用户输入可能会导致可能不准确或误导性的 KQL 查询。
- 组织内的 10,000 多名并发用户很可能失败或导致重大性能下降。
- 在执行之前，应先由用户验证 KQL 查询，以防止执行不安全的 KQL 查询。
实时智能 Copilot 的使用技巧
- 建议提供详细的相关自然语言查询。 此外，应提供简洁而简单的请求， copilot 以避免不准确或误导建议的 KQL 查询。 还应将问题限制为 KQL 表或具体化视图的数据库。
- 例如，如果要询问特定列，请提供列名及其包含的数据类型。 如果想要使用特定的运算符或函数，这也将有所帮助。 你提供的信息越多，Copilot 的回答就越符合你的要求。