本文帮助你将 Power BI 中的 Copilot 体验用于语义模型。
Microsoft Fabric 中的 Copilot 是一种生成式 AI 助手，旨在增强 Fabric 平台（包括 Power BI 工作负载）中的数据分析体验。 可以在 Power BI 中使用 Copilot 来支持自助服务和企业用户开发和使用语义模型。 有效使用时，Copilot 可以支持分析师和业务用户提高工作效率，并从其语义模型中获得更多价值。
但是，若要在 Power BI 中将 Copilot 与语义模型配合使用，必须先准备数据、语义模型和用户。 如果不准备这些元素，Copilot 主要生成质量低、不准确的输出，这些输出可能不正确甚至误导。 以下部分将指导你如何在 Power BI 中使用 Copilot 来开发或消费 Copilot 提供的语义模型体验。
注释
有关详细信息，请参阅 Power BI 文档中的 Copilot。
Copilot及其功能正在随着时间的推移而演变。 以下部分中的 Copilot 体验可能会更改，并且语义模型可能提供新的体验。 因此，应随时了解每月 Power BI 版本和所有相关的 Copilot 公告。
重要
不能在特定工作负荷中启用或禁用 Copilot，也不能针对特定的 Copilot 体验。 如果在 Fabric 中为用户或安全组启用 Copilot，则这些用户可以访问所有工作负载和 Copilot 体验。
借助 Copilot 开发语义模型
在 Power BI 中开发语义模型时，请使用 Copilot 来帮助提高某些任务的效率和便利性。 通常，此过程涉及利用 Copilot 来简化冗余或重复的更改（例如生成度量值说明），或者帮助你处理或理解具有挑战性的模型设计或 DAX（例如，在 DAX 查询视图中使用 Copilot 解释 DAX 概念或生成 DAX 查询）。
以下部分介绍了创建语义模型的 Power BI 开发人员或分析师如何利用 Power BI 中的各种 Copilot 体验。
注释
以下部分重点介绍在 Power BI Desktop 中支持语义模型开发的体验，而不是在线使用 Power BI 服务中的“编辑数据模型”。 在 Power BI 服务中编辑数据模型时，以下部分中的指南和注意事项可能仍然适用，但请注意，这两种体验之间存在差异。
通常，使用 Power BI Desktop 或第三方工具开发 Power BI 语义模型，然后在准备好使用这些模型时将这些模型发布到 Power BI 服务。 但是，如果这是首选数据模型，或者无法使用桌面工具开发模型，还可以在 Power BI 服务中编辑数据模型。
询问有关语义模型的数据问题
开发语义模型时，通常需要浏览和查询数据。 通常，使用 Power Query 编辑器、报表画布和 DAX 查询的组合。 但是，还可以使用 Copilot 聊天窗格询问有关模型及其内容的数据问题。 通常，提出数据问题更类似于使用体验，企业用户可以在报表中找不到答案时询问有关数据的问题。 但是，开发人员可以使用此功能浏览数据或验证 Copilot 在其模型上的表现。
下图显示了用户向 Copilot 询问有关语义模型的数据问题的示例。 下图显示了以下提示： 2023 年澳大利亚销售区域的利润 % 是什么？
用例
使用 Copilot 针对下列用例提出数据问题：
浏览模型中的数据： 开发人员可以使用 Ask 数据问题 体验来使用 Copilot 浏览其模型中的数据。 但是，通过将视觉对象添加到报表画布或使用 DAX 查询来浏览数据可能会更高效。 这是因为每当在模型中进行更改时，报表视觉对象都会自动更新，但 Copilot 聊天窗格中的数据问题的答案是静态的，每当关闭 Copilot 聊天窗格时就会消失。 此外，Copilot 生成的可视化效果可以包含用户无法在 Power BI Desktop 中自行创建的视觉效果专属的筛选器。 这些筛选器可能会误导或难以调查。
验证 Copilot 用于使用语义模型： 开发人员应使用 “询问数据问题 ”体验来了解和测试 Copilot 消耗体验对其语义模型的性能。 这是开发语义模型时使用 “提出数据问题 ”的主要用例。 此用例使开发人员能够更改其语义模型，从而更好地支持 Copilot 生成更有用的输出。
重要
设计语义模型时，请确保与用户讨论并记录其使用方式，包括他们将使用哪些项、工具和体验。 如果用户不会在 Power BI 中使用 Copilot，则开发人员无需使用 “询问数据问题 ”体验来测试其模型。 但是，如果用户计划现在或将来使用 Copilot 来使用语义模型，那么开发人员在模型设计和开发过程中必须考虑这一点。
优点
开发人员可以使用 “询问数据”问题 来了解使用 Power BI 中的 Copilot 使用语义模型的业务用户的体验。 如果业务用户想要使用 Copilot 来使用语义模型，则此测试至关重要。
体验的具体内容
"提出数据问题"功能与 Fabric 中的标准 Copilot 过程在以下方面存在区别。 此概述适用于在开发和使用语义模型时使用“询问数据问题”功能。
输入： 用户提供书面提示，询问问题或从语义模型请求特定信息。
预处理和基础数据： Copilot 从模型架构中检索基础数据。 它会执行架构缩减，以尝试将上下文限制为最重要的内容。 作为上下文，Copilot 采用以下信息来尝试提高 Copilot 输出的有用性和具体性：
- 当前报表页上的任何报表元数据。 如果存在相关的报表元数据，则 Power BI 中的 Copilot 回答来自报表的数据问题，而不是模型。
- 当前会话中与 Copilot 的对话。 此对话包括任何以前的问题和输出，其中包括 Copilot 以前回答的数据问题中的数据点。
- 语义模型架构，包括表、行、列、度量值和其他对象（如关系、计算组等）。
- 完整的模型语言架构。
- 某些语义模型属性，包括说明、数据类型、格式字符串和数据类别。
排除以下信息：
- 任何隐藏的报表页。
- 隐藏的模型中的任何字段（度量值或列）。
- 标记为 私有的模型中的任何表。
输出： Copilot 提供的输出包含多个部分：
- 视觉： Copilot 通过呈现 Power BI 视觉对象（如卡片、折线图或表格）来回答数据问题。 Copilot选择视觉元素及其格式，用户无法在提示中控制或请求这些内容。 如果基础数据模型、DAX 或数据未优化或过于复杂，可能会导致可视化超时。
- 总结： Copilot 汇总了查询结果。 此摘要是通过将语义查询结果发送回 Azure OpenAI（包括数据点）并请求自然语言解释生成的。
- 错误或澄清请求： 如果 Copilot 无法生成响应，可能会返回一般错误消息。 此错误消息可能包括澄清请求，包括用户原始数据问题的建议变体。
注意
在 Power BI 中将 Copilot 与 Power BI Desktop 中的语义模型结合使用时，Copilot 可能会使用报表元数据作为基础数据。 在某些情况下，报表元数据可以包含数据点，例如列值，这可能包括敏感信息。 对于旧版报表元数据格式和新的 Power BI 增强型报表（PBIR）格式，此条件都是如此。
如何改进 Copilot 输出的方法
Copilot 可以生成不准确或低质量的输出，包括数据问题的不正确答案。 通常，错误答案源于用户错误或模型问题。 若要减少错误或意外的 Copilot 输出的概率，请解决用户提示和数据模型设计问题。
重要
对数据问题的不准确响应可能导致业务用户做出不正确的决策和作，从而产生不良结果。 为了避免这种负面影响，请务必尽可能减少 Copilot 的不准确响应的可能性。
用户只能通过编写糟糕的提示来生成不正确的结果。 提示不佳的示例包括：
模糊或不完整的提示： 如果错误或不完整地描述了所需的输出，或者在提示中使用不明确的语言，则 Copilot 不太可能产生有用的结果。 编写提示时，请尝试尽可能具体和描述性地说明所需结果。
提示不正确： 如果引用度量值、列或表名时出现拼写错误，则 Copilot 可能不会引用正确的字段。 编写提示时，请确保提示中提到的字段正确引用语义模型架构中的字段。 此规则包括避免缩写、首字母缩略词或标点过多。 还可以使用同义词来引用字段，但无法验证哪些同义词可用于给定字段（例如，将鼠标悬停在数据窗格中的度量值或列时如何查看说明）。
过多或不当的基础数据：如果通过 Copilot 聊天窗格提交提示，Copilot 会将该会话中的聊天历史记录在预处理阶段作为基础数据使用。 根据聊天历史记录需要的内容，你可能会获得不同的或意外的结果。 编写提示时，请注意任何以前的提示和输出都用作基础数据。 若要避免此问题，请选择 Copilot 按钮以关闭并重新打开 Copilot 聊天窗格，在提交新提示之前清除聊天历史记录。
下图显示了由于用户提示不佳而导致 Copilot 输出错误的示例：
下图显示了以下提示： 2023 年澳大利亚销售区域的利润 % 是什么？ 在输出中，Copilot 将利润值而不是利润作为百分比返回。 在这种情况下，用户可以通过更清楚地指定希望利润百分比（而不是使用百分比符号）来从 Copilot 获得更好的结果。
除了用户提示之外，由于基础语义模型的质量或组织， Ask 数据问题 体验还可以产生错误或意外的结果。 语义模型生成不良结果的示例包括：
模型设计或实现不佳： 如果语义模型未遵循常见最佳做法（例如 星型架构设计），则任何消耗工具或体验都可能会获得不良结果。 始终致力于提高语义模型的质量，以最大化利用 Power BI 和 Fabric。 另请参阅 Power BI 的数据建模指南 ，获取有关改进 Power BI 语义模型的更多提示和指南。
命名约定不佳： 如果字段具有不一致或过多的命名约定（如首字母缩略词、缩写和标点），则用户更有可能在提示中出错，在引用这些字段时，Copilot 会感到困惑。 当表、列和度量值具有可读英语中的名称时，Copilot 效果最佳。
模型组织不佳： 如果不组织模型，则可能会遇到 Copilot 的更多问题。 模型组织是一个大主题，其中包含许多任务，包括字段说明、隐藏列和度量值，以及避免跨不同表具有相同名称的字段。
语言建模： 如果语义模型未设置语言建模，包括关系字段或谓词的同义词，则 Copilot 可能更有可能返回意外的结果。 Power BI 依赖于与 Q&A 功能相同的语言建模。 为您的语义模型设置语言模型将在语义模型开发任务之外花费额外的时间和精力。 但是，可以使用 Copilot 生成同义词来稍微抵消这一点，本文稍后将对此进行说明。
模型复杂性： 模型越复杂，包括具有更多字段、依赖项和业务逻辑，在使用 Copilot 时遇到困难的可能性就越大。 例如，复杂的模式（如货币转换或断开的表格，例如字段参数）可能会导致意外或不正确的结果，当用户在提示中引用这些字段或表格时。 使用更复杂的模型，可能需要考虑特定的模型设计决策，以便通过 Copilot 获得最佳结果。 通常，应使用 Copilot 测试模型，以确定是否获得一致正确且可靠的结果。 如果不是这样，您可能要考虑建议用户不要使用 Copilot 来耗用您的语义模型。
注释
有关详细信息，请参阅本文后面的 “为 Copilot 使用准备语义模型 ”。 另请参阅单独的文章 更新数据模型，以便与 Copilot for Power BI 配合使用 ，了解其他注意事项。
下图显示了由于语义模型问题而导致 Copilot 输出错误的示例：
下图描绘了以下提示：2023 年在澳大利亚销售了多少台？在响应中，Copilot 返回“客户”表中的“国家/地区”列筛选为“澳大利亚”的单位数，而不是筛选“销售区域”表中的“国家/地区”列。 在这种情况下，用户可以改进提示以指定销售区域国家/地区。 但是，语义模型开发人员还可以隐藏或重命名 Customer 表中的国家/地区列（如果 Copilot 不打算使用它）。 或者，他们可以使用 Q&A 设置从语言模型的 字段同义词 中禁用字段。
语言架构和 Q&A 设置的重要性在 语言架构部分讨论。
小窍门
可以通过单击“ 添加到页面 ”按钮来确定 Copilot 用于生成视觉对象或回答数据问题的字段和筛选器。 此操作将视觉对象添加到报表画布，可在其中选择视觉对象并查看 Copilot 应用的任何筛选器或 Copilot 使用的字段。
无论提示或模型质量如何，在使用 “询问数据问题 ”体验时，仍可以从 Copilot 获取不准确或低质量的输出。 这是因为基础模型（其当前配置）是不确定的，不能保证生成正确的答案，或者具有相同提示、模型和数据相同的答案。
下图显示了 Copilot 生成不准确或不当结果的示例：
用户询问数据问题，Copilot 由于筛选了错误的日期列而错误回答的屏幕截图。
在此示例中，图像显示提示：问题：哪个国家在2024年产生了最高的利润？问题：哪个国家/地区在2023年产生了最高的利润？输出显示，科皮洛特首先要求澄清后，它说模型中没有2024年的数据。 但是，在 2024 年，使用日期表筛选到该年份时，模型中 存在 数据。 然后，Copilot 返回从 Customer 表中筛选生日列的结果，而不是模型中标记的日期表。 虽然用户可以生成更具体的提示，或者开发人员可以隐藏 “生日 ”字段，在这种情况下，Copilot 应生成预期结果。
若要缓解此问题，请训练用户，以关键地评估他们从 Fabric 和 Power BI 中的 Copilot 获取的任何输出，以及如何排查意外结果或通过关闭并重新打开 Copilot 聊天窗格或窗口来尝试新的提示。
DAX 查询视图
开发语义模型时，请使用 Copilot 在 DAX 查询视图中生成 DAX 查询。 在这些查询中，还可以定义 DAX 度量值，然后可以添加到语义模型。 还可以使用 Copilot 在生成的查询或自己创作的查询中解释 DAX 概念。
下图显示了一个用户要求 Copilot 生成 DAX 查询的示例。
该图描绘了以下提示： 2023 年按月计算的 YTD 利润。 然后，用户可以要求 Copilot 解释查询，如下图所示。
该图像描述了以下提示： 说明此 DAX 查询。 解释显示在 Copilot 窗口底部。
用例
在 DAX 查询视图中使用 Copilot 进行以下场景：
生成 DAX 查询： 使用 Copilot 来建议 DAX 查询，你可以应用这些建议：
- 浏览或分析模型或数据。
- 测试和验证模型或数据。
- 尝试使用新的方法或模式在 DAX 中计算。
重构现有 DAX 查询： 使用 Copilot 可以更方便地或高效地修改自己复制或写入的查询，例如：
- 添加注释来解释和记录 DAX 查询或度量值。
- 使查询更易于阅读和理解，例如从您正在研究的 Power BI 报表图表中复制的查询。
- 在代码中进行大规模或重复性的替换。
- 要求 Copilot 删除或替换变量。
生成 DAX 度量值： 使用 Copilot 建议在查询生成之前定义的 DAX 度量值。 这些措施可以应用于您生成的 DAX 查询，也可以添加到您的语义模型中。
说明 DAX 概念： 使用 Copilot 解释和更好地了解 DAX 中的不同概念，例如：
- DAX 查询或查询中定义的度量值。
- DAX 函数，例如 CALCULATE 或 KEEPFILTERS。
优点
在 DAX 查询视图中使用 Copilot 的主要好处是，在编写 DAX 查询时获得支持。 这种支持意味着不太有经验的开发人员和分析师可以使用 Copilot 来了解 DAX 概念或生成在模型中使用的 DAX。 它能够帮助中级和经验丰富的开发人员节省时间，无论是在需要开发 DAX 时无法记住特定函数或模式，还是在他们想要重构或简化现有查询时。
其他生成 AI 工具可用于 DAX 代码，但 Power BI 中的 Copilot 具有以下特定优势：
- Power BI 中的 Copilot 与 DAX 语言的作者合作开发。
- Copilot 不使用任何模型微调，但它包含由 Microsoft 提供的、带有特定 DAX 示例的元提示。
- 无需复制或粘贴代码或模型信息，因为 Copilot 已集成到 Power BI Desktop 中。
- 在后期处理期间，Copilot 使用 DAX 分析器来确保查询有效，从而减少在查询中接收幻觉的概率。
警告
经验不足的 Power BI 开发人员或分析师应确保他们在使用 之前 验证并了解他们生成的任何 DAX。 在 DAX 查询视图中使用 Copilot 来建议添加到模型的度量值时，此验证尤其重要。 这是因为 Copilot 不知道你将使用该度量值的位置，虽然建议的代码可能在初始 DAX 查询中工作，但在报表的不同筛选器上下文中，可能会产生意外或不正确的结果。
为了验证和了解 DAX，这些经验不足的开发人员可以使用 Copilot 向代码添加注释、说明概念，以及通过使用经过验证的在线源（如 Microsoft文档）来研究模式或函数。
体验的具体内容
DAX 查询视图中的 Copilot 体验在预处理和后期处理过程中具有与 Fabric 中的其他 Copilot 体验不同的步骤。
DAX 查询视图中的 Copilot 具备以下特性需要注意：
输入： 用户在特定于单个 DAX 查询窗口的输入框中提供书面提示。 他们可以请求查询、请求对 Copilot 已生成的现有查询的更改，或解释 DAX 概念。 在输入框中，用户还可以选择用于生成查询的按钮。 “重试”按钮在忽略当前上下文时重新生成查询，以便你可以尝试获取其他方法。
预处理和基础数据： Copilot 从模型架构以及查询窗口中的所有内容中检索基础数据。 Copilot 将以下信息用作上下文，以尝试改进 Copilot 输出的有用性和具体性：
- 当前 DAX 查询窗口中的任何文本，包括你编写的 DAX 代码、注释或你生成的以前的 DAX 查询。
- 当前会话中与 Copilot 的对话历史记录。 此历史记录包括以前的问题和输出，但不包括数据点。
- 语义模型架构，包括表、行、列、度量值和其他对象，如关系和计算组。 此架构包括所有对象，无论它们是否处于隐藏状态，但与共享语义模型建立实时连接时除外。
- 模型语言架构中的同义词。
- 某些语义模型属性，包括 DAX 表达式、说明（前 200 个字符后截断）、数据类型、格式字符串（以及格式字符串表达式）和数据类别。
- 一些统计聚合，例如可能用于查询的模型中列的最小值和最大值。 这些值作为上下文数据点被发送到 Copilot。
- Copilot 还可以将查询结果发送回 Azure OpenAI，以解释生成的查询或其结果。
排除以下信息：
- 当您选择“Retry”按钮时，与 Copilot 的当前会话中的对话历史记录将显示。
- 标记为私有的模型中的任何表。
- DAX 表达式中的注释。
输出： Copilot 提供的输出在 DAX 查询窗口中包括 DAX 代码和 DAX 注释，或在 Copilot 输入框中解释 DAX。 然后，用户通常必须选择运行并保留查询本身。
如何改进 Copilot 输出的方法
若要提高 Copilot 生成的 DAX 查询的质量，请使用与在 Copilot 中使用“提出数据问题”体验时相同的提示。 具体而言，请确保提示清晰、准确且具有描述性，并且语义模型经过精心设计、组织，并且不包含过多的复杂性或异常。
注释
有关详细信息，请参阅本文后面的 “为 Copilot 使用准备语义模型 ”。 另请参阅单独的文章 更新数据模型，以便与 Copilot for Power BI 配合使用 ，了解其他注意事项。
针对 DAX 查询体验的提示如下：
本地连接模型和实时连接模型之间的差异： Copilot 的工作方式根据是在 Power BI Desktop 中打开的本地模型，还是在 Power BI 服务中的共享的语义模型而有所不同。 例如，当你与共享语义模型建立实时连接并使用 DAX 查询视图体验时：
- Copilot 无法查看度量值的 DAX 表达式，或任何隐藏或私有的对象。
- Copilot 必须先运行 DAX 查询，然后再返回它，以确保查询有效。
使用“重试”按钮： “重试”按钮会清空 Copilot 缓存，确保获得具有相同提示和地面数据的新结果。 在迭代处理满足特定要求的解决方案时，此功能非常有用。
要求 Copilot 向代码添加注释： 注释是组织和记录 DAX 查询的有用方法，有助于了解 Copilot 生成的代码。 还可以要求 Copilot 解释 DAX 概念。
检查质量，同行评审的来源： 如果仍然不了解 Copilot 生成的带有注释和说明的代码，请在线研究来自 Microsoft 文档 或 Power BI 社区的可靠来源的函数和模式。
注意 Copilot 的变量使用情况： Copilot 很难在 DAX 查询和定义的度量值中适当地使用变量。 例如，Copilot 可能会尝试筛选或对已声明的变量进行分组，这是不可能的，并产生意外的结果。
使用简明的说明区分类似命名的字段：当同一模型中存在类似的字段时，说明会有所帮助，例如“客户”表中的“名称”和“应用商店”表中的“名称”。
注意 Copilot 的计算组使用情况： Copilot 可能会在建议的查询中遇到使用计算组的困难。 若要改进 Copilot 对计算组的使用，请包括计算组说明中列出的计算项名称。
请注意较新的函数和 DAX 语法： Copilot 和其他生成 AI 工具在其训练数据量和范围内受到限制。 因此，它们更有可能使用较新的 DAX 函数或语法出错。 对于这些方案，你可能希望先尝试自行创作查询，然后使用 Copilot 对其进行修改。
生成度量值时，请始终请求查询： DAX 查询视图中的 Copilot 体验旨在生成 DAX 查询。 当指示 Copilot 执行此任务时，可以获得最佳结果，而不是要求其生成度量值或其他 DAX 表达式。
语言架构
使用 Copilot 为模型建议字段和语言关系的同义词。 为语义模型创建语言架构时创建同义词或关系。 此 语言建模 步骤对于确保在用户向语义模型提出问题时，Q&A 和 Copilot 都可以返回有用的结果。 它们用于解释用户提示并标识正确的字段，例如同义词营业额用于标识名为销售金额的度量值。
若要向语义模型添加同义词和关系，请启用 Power BI Desktop 设置 “打开 Q&A”，在 当前文件的“数据加载”设置中询问有关数据的自然语言问题。 然后，在 Power BI Desktop 的建模功能区中通过 Q&A 安装程序打开 Q&A 设置窗口。
下图描述了 Power BI Desktop 中的 Q&A 设置窗口，你可以在其中添加供 Power BI 中 Q&A 和 Copilot 使用的同义词和关系。
在这里，您可以手动添加同义词或关系，或者从您的组织、同义词库中添加建议的同义词，或使用 Copilot 建议来添加同义词。 Copilot 可以建议同义词和新关系类型，以添加到语义模型。 Copilot 还可以解释无法识别的术语。 对于同义词，可以从 “建议”设置 菜单调整此项，如下图所示。
有关使用 Q&A 设置菜单的详细信息，请参阅 Q&A 工具简介来训练 Power BI Q&A。
还可以使用语言架构 YAML 文件添加同义词和关系，而不是使用 Q&A 设置窗口。
在为语义模型执行语言建模时，使用 Copilot 生成同义词作为第一步。 然后，整理建议的同义词，删除没有意义的同义词，并在必要时添加其他同义词。 确保 与组织共享有用的同义词 以重复使用它们。
如果要将表、列或度量值排除在 Q&A 或 Copilot 的使用之外，请在 Q&A 设置的同义词窗口中禁用“包含在 Q&A”选项。 对于不希望在各种 Copilot 体验中引用的技术或冗余字段，建议执行此操作。
注释
如果不打算为语义模型使用 Copilot 或 Q&A，则无需设置语言架构。 语言建模仅有利于这些特定功能。
优点
使用 Copilot 建议同义词可以节省开发人员的时间，并帮助想出他们不会考虑的新同义词。 如果需要使用它，此方法可以使语言建模更高效且有效。
如何改进 Copilot 输出的方法
此 Copilot 功能利用以下基础数据作为上下文：
- 语义模型架构，包括未隐藏的表、行、列、度量值和其他对象（如关系、计算组等）。
- 完整的模型语言架构。
- 某些语义模型属性，包括说明、数据类型、格式字符串和数据类别。
鉴于此基础数据，可以通过以下方式确保建议的同义词很有用：
- 使用一致且准确的命名约定。
- 尽可能避免使用标点符号、首字母缩略词和缩写。
- 用英语命名表、列和度量值。
使用 Copilot 生成度量值说明
使用 Copilot 为模型度量值生成说明。 度量值说明可帮助模型使用者和其他开发人员了解度量值的目的以及如何使用它。 此外，度量值说明可以提高 Copilot 输出对其他 Copilot 体验的有用性，例如在 Power BI 语义模型的 DAX 查询视图中使用 Copilot 生成查询时。
使用 Copilot 为模型度量值生成说明。 然后，查看结果并对其进行修改，以确保它们准确、简洁和有用。
优点
创建度量值说明通常是一项经常被忽视的艰巨任务。 生成度量值说明可减少组织和记录语义模型所需的时间。 与语言架构不同，所有语义模型都受益于向表、列和度量值添加说明。 这种做法有助于改进模型文档，并有助于提高组织中其他人的有用性。
小窍门
如果需要其他语言的度量说明，可以先用英语生成它们。 然后，可以使用笔记本中的其他工具（例如 语义链接实验室）自动翻译已发布的模型。
如何改进 Copilot 输出的方法
此 Copilot 功能利用以下基础数据作为上下文：
- 度量值和计算对象的 DAX 表达式。
- 字段属性，包括说明、数据类型、格式字符串和数据类别。
- 字段同义词。
鉴于此基础数据，可以通过以下方式确保建议的同义词很有用：
- 使用一致的命名约定。
- 限制使用标点符号、首字母缩略词和缩写。
- 英语命名度量值。
使用 Copilot 消耗语义模型
在使用期间，可以使用 Copilot 向语义模型提出数据问题。 每当使用报表（包括在 Power BI Desktop 中、工作区、应用或 OrgApp 项或 Power BI 移动应用中发布的报表）时，都可以使用此体验。
在以下方案中，使用者可能会询问语义模型的数据问题：
- 他们在报表中找不到所需的信息或分析。
- 他们希望以不同的方式查看呈现的数据，并且未启用 个性化视觉对象 。
- 他们希望使用自然语言而不是使用工具或代码来提问数据问题。
注释
请参阅本文前面关于在 Copilot 的帮助下开发语义模型的提问数据问题。 在通过“询问数据问题”功能来使用语义模型时，图像和指南同样适用。
有关如何在报表中使用 Copilot（使用语义模型）的详细信息，请参阅文章 ：将 Copilot 与 Power BI 报表配合使用。
为 Copilot 使用准备语义模型
只有在执行必要的步骤来 更新数据模型以便与 Copilot for Power BI 配合使用后，才使用 Copilot 来使用语义模型。
小窍门
请考虑使用 标签语义模型，以便让它们准备好供 Copilot 使用。 此方法可帮助数据使用者识别可与 Copilot 一起使用的模型，并期望获得更好的结果。 或者，请考虑语义模型的准备情况，以便与 Copilot 一起使用，作为其 认可 以提升甚至 认证 状态的条件。
如果模型尚未准备好在 Power BI 中与 Copilot 配合使用，但用户仍希望灵活地询问数据本身，请考虑使用 个性化视觉对象。 或者，你可以向用户展示如何使用 浏览数据 或从 Power BI Desktop 或 Excel 连接到语义模型 来创建自己的报表。
Power BI Desktop
在 Power BI Desktop 中，使用 Copilot 聊天窗格询问有关语义模型的数据问题。 此功能适用于 Power BI Desktop 中打开的本地模型，以及使用实时连接连接到共享语义模型时。 有关详细信息，请参阅本文前面的 “提问数据问题 ”。
还可以使用 DAX 查询视图通过生成 DAX 查询来使用语义模型。 如果高级用户希望使用代码浏览数据，Power BI 的高级用户可能会使用此方法。
但是，对于大多数数据消费者来说，通过将可视化添加到报表画布中或使用其他项目（如 探索 功能或 Analyze-in-Excel 数据透视表）来使用和探索语义模型通常更加方便和高效。 这些项目通常具有更简单的用户界面和用户体验，与自然语言聊天类似体验（如 Copilot）相比，它们更适合探索和理解数据。
小窍门
连接到发布在 Pro 或 PPU 工作区中的语义模型时，可以在 Power BI 中使用 Copilot 功能。 唯一的要求是将 Power BI Desktop 配置为从 F64 工作区使用 Copilot；这个要求不依赖于你连接和使用哪个具体的语义模型。
已发布报告
在已发布的报表中，使用 Copilot 聊天窗格询问与连接的语义模型相关的数据问题。 Fabric 中的此体验与 Power BI Desktop 中的询问数据问题体验相同，适用于模型开发和消费。
注释
Fabric 和 Power BI Desktop 中的 Copilot 体验之间可能存在细微的差异。 最终，随着时间的推移，这些体验将达到一致并以相同的方式运作。
Power BI 移动应用
在 Power BI 移动应用中，使用应用中的 Copilot 聊天窗格询问任何报表的数据问题。 问题将被提交到该报表的关联语义模型。 此功能的工作方式类似于本文前面介绍 的“提出数据问题 ”体验。