透過 Microsoft Fabric 中的資料代理，你可以創造對話式 AI 體驗，回答關於儲存在資料湖屋、倉庫、Power BI 語意模型、KQL 資料庫及 Microsoft Fabric 本體論中的資料問題。 即使您不是 AI 專家或非常熟悉數據，您的同事也可以以純英文詢問問題，並接收數據導向的解答。
這很重要
這項功能處於預覽狀態。
先決條件
- 已啟用 Microsoft Fabric 的付費 F2 或更高 Fabric 容量，或每個容量的 Power BI Premium （P1 或更高） 容量
- 已啟用 Fabric 資料代理租戶設定。
- 已啟用 AI 的跨地理位置處理。
- 已啟用 AI 的跨地理位置儲存。
- 至少要有一種，且有資料：倉庫、湖屋、一個或多個 Power BI 語意模型、KQL 資料庫，或本體論。
- Power BI 語義模型透過 XMLA 端點租用戶切換 啟用於 Power BI 語義模型數據來源。
驗證和權杖
您不需要建立或提供 Azure OpenAI 金鑰或存取權杖，即可使用 Fabric 資料代理程式。 Fabric 會使用 Microsoft 管理的 Azure OpenAI 小幫手，並為您處理驗證。
- 資料存取會在您的 Microsoft Entra ID 使用者身分識別和工作區/資料許可權下執行。 代理程式只會在您具有存取權時讀取結構描述並執行 SQL/DAX/KQL。
- 若要將 Power BI 語意模型新增為資料來源，您需要該模型的讀取權限 （不需要寫入）。 只需要讀取權限即可針對您有權存取的來源提出問題。 如需語意模型許可權的詳細資訊，請參閱 資料集和語意模型安全性。
- 如果您的組織使用每個容量的 Power BI Premium （P1 或更高） 容量，而不是 F SKU，請確定已在該容量上 啟用 Microsoft Fabric 。
- 產品內聊天體驗不需要服務主體和 API 權杖。 任何具有服務主體的自動化都是個別案例，此處未涵蓋。
建立和取用 Fabric 資料代理程式的端對端流程
本章節會概述在 Fabric 中建立、驗證及共用 Fabric 資料代理程式的重要步驟以供取用。
此流程很簡單，您在幾分鐘內就能開始測試 Fabric 資料代理程式資源。
建立新 Fabric 數據代理程式
若要建立新的 Fabric 資料代理程式，請先瀏覽至您的工作區，然後選取 [+ 新增專案] 按鈕。 如以下的螢幕擷取畫面所示，在 [所有項目] 索引標籤中，搜尋 [網狀架構資料代理程式] 以找出適當的選項：
選取之後，提示會要求您提供 Fabric 資料代理程式的名稱，如下列螢幕擷取畫面所示：
請參考提供的螢幕擷取畫面，透過圖示指南了解如何命名 Fabric 資料代理程式。 輸入名稱之後，請繼續進行設定，讓 Fabric 資料代理程式合您的特定需求。
選擇您的資料
建立 Fabric 資料代理後，你可以任意組合新增最多五個資料來源——包括湖屋、倉庫、Power BI 語意模型、KQL 資料庫和本體論（總共最多五個）。 例如，您可以新增五個 Power BI 語意模型，或兩個 Power BI 語意模型、一個 Lakehouse 和一個 KQL 資料庫。
當您首次建立 Fabric 資料代理程式並輸入名稱，OneLake 目錄會自動出現，讓您可以新增資料來源。 若要新增資料源，請從目錄中選取它，如下一個畫面所示，然後選取 [[新增]。 每個數據源都必須個別新增。 例如，您可以新增一個資料湖倉，選取 [新增]，然後繼續新增其他資料來源。 若要篩選數據源類型，請選取篩選圖示，然後選取所需的類型。 您可以只檢視所選類型的資料來源，以便尋找及連線適用的 Fabric 資料代理程式來源。
新增資料來源之後，[Fabric 資料代理] 頁面左側窗格中的 總管 會顯示所選資料來源中的所有可用資料表，您可以使用核取方塊來設定哪些資料表可供 AI 使用，如下圖所示：
備註
您只需要讀取許可權，即可將 Power BI 語意模型新增為資料來源。 不需要寫入許可權，因為 Fabric 資料代理程式會發出唯讀查詢。
若要新增更多資料來源，請移至 Fabric 資料代理程式頁面左側窗格的 總覽，然後選取 + 資料來源，如以下螢幕截圖所示：
OneLake 目錄會再次開啟，您可以視需要順暢地新增更多數據源。
小提示
請務必針對數據表和數據行使用描述性名稱。 名為 SalesData 的數據表比 TableA更有意義，而且 ActiveCustomer 或 IsCustomerActive 等數據行名稱比 C1 或 ActCu更清楚。 描述性名稱可協助 AI 產生更精確且可靠的查詢。
提問
新增數據源並選取每個數據源的相關數據表之後，您就可以開始提出問題。 系統會處理問題，如下列螢幕快照所示：
類似這些範例的問題也應該有效：
- 「2023 年我們在加州的總銷售額是多少？」
- 前 5 名清單價格最高的產品是什麼？它們的類別是什麼？
- 「從未售出的最貴物品是什麼？」
這類問題很適切，因為系統可以將其轉譯成結構化查詢 (T-SQL、DAX 或 KQL)，並比對資料庫執行，然後根據儲存的資料傳回具體答案。
不過，下列類型的問題就超出功能範圍了：
- 「為什麼 2024 年第 2 季的工廠生產力較低？」
- 「我們銷售額激增的根本原因是什麼？」
這些問題目前不在範圍中，因為它們需要複雜的推理、相互關聯分析或資料庫無法直接使用的外部因素。 Fabric 資料代理程式目前不會執行進階分析、機器學習或因果推斷。 它只會根據用戶的查詢擷取和處理結構化數據。
當您提出問題，Fabric 資料代理程式會使用 Azure OpenAI 助理 API 來處理要求。 流程會以下列方式運作：
使用使用者認證進行架構存取
系統首先利用使用者的憑證存取資料來源的架構（例如湖屋、倉庫、 PBI 語意模型、KQL 資料庫或本體論）。 這可確保系統擷取使用者有權檢視的數據結構資訊。
製作提示
若要解譯用戶的問題，系統會結合：
- 用戶查詢：使用者所提供的自然語言問題。
- 架構資訊：在上一個步驟中擷取之數據源的元數據和結構詳細數據。
- 範例和指示：設定 Fabric 資料代理程式時提供的任何預先定義範例 (例如範例問題和解答) 或特定指示。 這些範例和指示有助於精簡 AI 對問題的瞭解，並引導 AI 如何與數據互動。
這項資訊全都會用來建構提示。 此指令作為 Azure OpenAI 助理 API 的輸入，並作為 Fabric 資料代理程式的基礎代理運作。 這基本上會指示 Fabric 資料代理程式如何處理查詢，以及要產生的答案類型。
工具調用基於查詢需求
代理程式會分析建構的提示，並決定要叫用哪些工具來擷取答案：
- SQL 自然語言 （NL2SQL）：當數據位於湖倉或數據倉儲時，用於生成 SQL 查詢。
- 自然語言至 DAX （NL2DAX）：用來建立 DAX 查詢，以在 Power BI 數據源中與語意模型互動
- KQL 的自然語言 （NL2KQL）： 用來建構 KQL 查詢以查詢 KQL 資料庫中的數據
選取的工具會使用 Fabric 資料代理程式所提供之代理程式的結構描述、中繼資料和內容來產生查詢。 然後此工具會驗證查詢，以確保其安全性通訊協定的適當格式和合規性，以及它自己的負責任 AI（RAI） 原則。
回應建構
Fabric 資料代理程式的基礎代理程式會執行查詢，並確保回應的結構和格式正確。 代理程式通常包含額外的內容，以方便使用者回答。 最後，答案會在交談介面中向用戶顯示，如下列螢幕快照所示：
代理程式同時呈現結果和擷取最終答案所採取的中繼步驟。 此方法可增強透明度，並在必要時允許驗證這些步驟。 使用者可以展開步驟的下拉式清單，以檢視 Fabric 資料代理程式擷取答案所採取的所有步驟，如以下螢幕擷取畫面所示：
此外，Fabric 資料代理程式會提供用來查詢相應資料來源的產生的程式碼，深入解析回應的建構方式。
這些查詢專為查詢數據而設計。 不允許涉及數據建立、數據更新、數據刪除、任何類型的數據變更等作業，以保護數據的完整性。
您可以隨時選取 [清除聊天] 按鈕來清除聊天，如下列螢幕快照所示：
清除聊天功能會清除所有聊天記錄，並啟動新的工作階段。 刪除聊天記錄之後，就無法加以擷取。
變更資料來源
要移除資料來源，請在 [Fabric 資料代理程式] 頁面的左側窗格中，將滑鼠指標懸停於 [Explorer] 的資料來源名稱上，直到出現三點功能表。 選取三個點以顯示選項，然後選取 [移除 以刪除數據源，如下列螢幕快照所示：
或者，如果資料來源已更改，您可以在相同的選單中選取 重新整理，如下列螢幕擷圖所示：
這可確保在探勘工具中正確反映並填入任何資料來源的更新，讓您的 Fabric 資料代理程式與最新的資料保持同步。
網狀架構資料代理程式設定
Fabric 資料代理程式提供數個設定選項，可讓使用者自訂 Fabric資料代理程式行為，以更符合組織的需求。 在 Fabric 資料代理程式處理並呈現資料時，這些設定可提供更多彈性，讓使用者更充分掌控結果。
提供指示
您可以提供特定指示來引導 AI 的行為。 若要在 [Fabric 資料代理指示] 窗格中新增指示，請選取 [資料代理程式指示]，如以下螢幕擷取畫面所示：
![顯示選取 [資料代理程式指示] 按鈕的螢幕擷取畫面。](media/how-to-create-data-agent/select-adding-instructions.png#lightbox)
在這裡，您可以使用純英文文字撰寫最多 15,000 個字元，以指示 AI 如何處理查詢。
例如，您可以指定特定問題類型要使用的確切數據源。 數據來源選擇的範例可能會涉及指示 AI 進行使用
- 適用於財務查詢的Power BI語意模型
- 銷售數據的湖倉架構
- 適用於作業計量的 KQL 資料庫
這些指示可確保 AI 會根據您的指引和問題內容，產生適當的查詢，無論是 SQL、DAX 或 KQL。
如果您的 AI 資源持續誤譯特定字詞、縮略字或專用名詞，您可以嘗試提供本章節列出的明確定義，以確保 AI 能夠正確理解並處理。 這特別適用於領域特定術語或獨特的商務術語。
藉由量身打造這些指示並定義詞彙，您可以增強 AI 提供精確且相關的深入解析的能力，以完全符合您的資料策略和商務需求。
提供範例查詢
您可以藉由提供針對每個支援資料來源量身打造的範例查詢 （湖屋、倉儲、KQL 資料庫） 來增強回應精確度。 這種方法稱為生成式 AI 中的 少量學習 ，有助於引導 Fabric 資料代理程式產生更符合您期望的回應。
當您提供 AI 範例查詢/ 問題組時，它會在回答未來的問題時參考這些範例。 比對新查詢與最相關的範例可協助 AI 納入商業特定邏輯，並有效地回應常見問題。 此功能可針對個別數據源進行微調，並確保產生更精確的 SQL 或 KQL 查詢。
Power BI 語意模型數據目前不支援新增範例查詢/問題組。 不過，對於湖屋、倉儲和 KQL 資料庫等支持的數據源，提供更多範例可大幅改善 AI 在預設效能需要調整時產生精確查詢的能力。
小提示
一組多樣的範例查詢可強化 Fabric 資料代理程式的能力，以產生精確且相關的 SQL/KQL 查詢。
若要新增或編輯範例查詢，請選取 [範例查詢] 按鈕來開啟範例查詢窗格，如下列螢幕快照所示：
此窗格提供新增或編輯所有支援資料來源的範例查詢，唯獨 Power BI 語意模型與本體論除外。 針對每個數據源，您可以選取 [新增或編輯範例查詢] 輸入相關範例，如下列螢幕快照所示：
備註
Fabric 資料代理程式只會參考包含有效 SQL/KQL 語法且符合所選資料表結構描述的查詢。 Fabric 資料代理程式不會使用尚未完成驗證的查詢。 請確定所有範例查詢都有效且正確對應結構描述，以確保 Fabric 資料代理程式能有效使用這些查詢。
發佈和共用 Fabric 資料代理程式
在測試各種問題的 Fabric 資料代理程式效能，並確認它產生準確的 SQL、DAX 或 KQL 查詢之後，您可以與同事共用。 此時，選取 [發佈]，如下列螢幕快照所示：
此步驟會開啟視窗，要求描述 Fabric 資料代理程式。 在這裡，請輸入 Fabric 資料代理程式執行功能的詳細說明。 這些詳細資料有助於同事瞭解 Fabric 資料代理程式的功能，也能協助其他 AI 系統/協調器有效地叫用 Fabric 資料代理程式。
發佈 Fabric資料代理程序之後，您會有兩個版本。 其中一個版本是目前的草稿版本，您可以繼續精簡和改善。 第二個版本是已發佈的版本，您可以與想要使用 Fabric 資料代理程式進行查詢以獲得解答的同事共用。 您可以在開發時將同事的意見反應納入目前的草稿版本，以進一步增強 Fabric 數據代理程式的效能。