AI-képesség létrehozása (előzetes verzió)

Cikk
02/27/2025

A Microsoft Fabric AI-képességgel olyan beszélgetési AI-élményeket hozhat létre, amelyek megválaszolják a Lakehouse-ban, a raktárakban, a Power BI szemantikai modelljeiben és a Fabricben tárolt KQL-adatbázisokban tárolt adatokkal kapcsolatos kérdéseket. Az adatelemzések elérhetővé válnak. Munkatársai egyszerű angol nyelven tehetnek fel kérdéseket, és adatvezérelt válaszokat kaphatnak, még akkor is, ha nem AI-szakértők vagy mélyen ismerik az adatokat.

Fontos

Ez a funkció előzetes verzióban érhető el.

Előfeltételek

Egy fizetett F64-es vagy annál nagyobb hálózati kapacitás erőforrás
Az AI-képesség bérlői kapcsolója engedélyezve van.
A Copilot-bérlő kapcsolója engedélyezve van.
AI- térközi feldolgozása engedélyezve van.
mesterséges intelligenciához térbeli tárolás engedélyezve van.
Adattárház, lakehouse, Power BI szemantikai modellek és KQL-adatbázisok adatokkal.
A Power BI szemantikai modellek bérlőváltása XMLA-végpontokon keresztül engedélyezve van a Power BI szemantikai modell adatforrásai számára.

Teljes folyamat az AI-készségek létrehozásához és használatához a Fabric keretében

Ez a szakasz ismerteti az AI-képességek létrehozásának, érvényesítésének és megosztásának fő lépéseit a Fabricben, így azok használathoz is elérhetők.

A folyamat egyszerű, és percek alatt megkezdheti az AI-képességek erőforrásainak tesztelését.

Új AI-képesség létrehozása

Új AI-készség létrehozásához először lépjen a munkaterületre, majd válassza a + Új elem gombot. A "Minden elem" lapon keresse meg a AI-készséget, hogy megtalálja a megfelelő beállítást, ahogyan az a képernyőképen látható.

Miután kiválasztotta, a rendszer kérni fogja, hogy adjon nevet az AI-készségeinek, ahogyan az a képernyőképen látható:

Tekintse meg az AI-képesség elnevezéséről szóló vizuális útmutatóhoz megadott képernyőképet. A név megadása után folytassa a konfigurációt, hogy az AI-készség igazodjon az adott követelményekhez.

Az adatok kijelölése

Az AI-képesség létrehozása után legfeljebb öt adatforrást adhat hozzá, beleértve a lakehouse-t, a raktárakat, a Power BI szemantikai modelleket és a KQL-adatbázisokat bármilyen kombinációban. Hozzáadhat például öt Power BI szemantikai modellt, vagy két Power BI szemantikai modellt, egy lakehouse-t és egy KQL-adatbázist.

Amikor először hoz létre AI-készséget, és megad egy nevet, a OneLake-katalógus automatikusan megjelenik, így adatforrásokat vehet fel. Adatforrás hozzáadásához a következő képernyőn látható módon válassza ki a katalógusból, majd válassza a Hozzáadáslehetőséget. Minden adatforrást külön-külön kell hozzáadni. Hozzáadhat például egy tóházat, kiválaszthatja hozzáadása lehetőséget, majd folytathatja egy másik adatforrás hozzáadását. Az adatforrástípusok szűréséhez válassza a szűrő ikont, majd válassza ki a kívánt típust. Csak a kiválasztott típusú adatforrásokat tekintheti meg, így könnyebben megtalálhatja és csatlakoztathatja az AI-jártasságához megfelelő forrásokat.

Miután hozzáadta az adatforrást, az AI-képességlap bal oldali ablaktábláján lévő Explorer feltölti az egyes kijelölt adatforrások elérhető tábláival, ahol a jelölőnégyzetekkel elérhetővé vagy elérhetetlenné teheti a táblákat az AI számára az alábbi képernyőképen látható módon:

Feljegyzés

Olvasási/írási engedélyre van szüksége ahhoz, hogy egy Power BI szemantikai modellt adjon hozzá adatforrásként az AI-képességhez.

Az adatforrások későbbi hozzáadásához keresse meg a Explorer az AI-képességoldal bal oldali ablaktábláján, és válassza a + Adatforráslehetőséget, ahogyan az a képernyőképen látható:

A OneLake katalógus újra megnyílik, és igény szerint zökkenőmentesen hozzáadhat további adatforrásokat.

Borravaló

Mindenképpen használjon leíró neveket táblákhoz és oszlopokhoz is. A SalesData nevű tábla jelentéssel bír, mint TableA, és az olyan oszlopnevek, mint ActiveCustomer vagy IsCustomerActive, világosabbak, mint C1 vagy ActCu. A leíró nevek segítenek az AI-nek pontosabb és megbízhatóbb lekérdezéseket létrehozni.

Itt teheti fel kérdéseit

Miután hozzáadta az adatforrásokat, és kiválasztotta az egyes adatforrásokhoz tartozó táblákat, kérdéseket tehet fel. A rendszer a képernyőképen látható módon kezeli a kérdéseket:

Az alábbi példákhoz hasonló kérdéseknek is működniük kell:

"Mi volt a teljes értékesítés Kaliforniában 2023-ban?"
"Mi az 5 legjobb termék a legmagasabb listaárakkal, és mik a kategóriáik?"
"Melyek azok a legdrágább tételek, amelyeket soha nem adtak el?"

Az ilyen típusú kérdések azért megfelelőek, mert a rendszer strukturált lekérdezésekké (T-SQL, DAX vagy KQL) tudja lefordítani őket, végrehajtja őket adatbázisokon, majd konkrét válaszokat ad vissza a tárolt adatok alapján.

A következőkhöz hasonlóan azonban nincs hatóköre:

"Miért alacsonyabb a gyár termelékenysége 2024 második negyedévében?"
"Mi az értékesítési csúcsunk kiváltó oka?"

Ezek a kérdések jelenleg hatókörön kívül esnek, mert összetett érvelést, korrelációs elemzést vagy olyan külső tényezőket igényelnek, amelyek közvetlenül nem érhetők el az adatbázisban. Az AI-képesség jelenleg nem végez fejlett elemzést, gépi tanulást vagy ok-okozati következtetést. Egyszerűen lekéri és feldolgozza a strukturált adatokat a felhasználó lekérdezése alapján.

Amikor kérdést tesz fel, az AI-képesség az Azure OpenAI Assistant API-val dolgozza fel a kérést. A folyamat a következő módon működik:

Sémahozzáférés felhasználói hitelesítő adatokkal

A rendszer először a felhasználó hitelesítő adatait használja az adatforrás sémájának eléréséhez (például lakehouse, warehouse, PBI szemantikai modell vagy KQL-adatbázisok). Ez biztosítja, hogy a rendszer lekérje azokat az adatszerkezeti információkat, amelyeket a felhasználónak meg kell tekintenie.

A parancssor létrehozása

A felhasználó kérdésének értelmezéséhez a rendszer a következőt egyesíti:

Felhasználói lekérdezés: A felhasználó által megadott természetes nyelvi kérdés.
Sémaadatok: Az előző lépésben lekért adatforrás metaadatai és szerkezeti adatai.
Példák és utasítások: Előre definiált példák (például mintakérdések és válaszok) vagy az AI-képesség beállításakor megadott konkrét utasítások. Ezek a példák és utasítások segítenek pontosítani az AI megértését a kérdésben, és útmutatást nyújtanak az AI adataival való interakcióhoz.

Ezek az információk a parancssor létrehozásához használhatók. Ez a kérdés az Azure OpenAI Assistant API bemeneteként szolgál, amely az AI-képesség alapjául szolgáló ügynökként viselkedik. Ez lényegében arra utasítja az AI-készséget, hogy hogyan dolgozza fel a lekérdezést, és hogy milyen típusú választ kell létrehoznia.

Eszközhívás lekérdezési igények alapján

Az ügynök elemzi a létrehozott kérdést, és eldönti, hogy melyik eszközt hívja meg a válasz lekéréséhez:

Natural Language to SQL (NL2SQL): SQL-lekérdezések létrehozására szolgál, ha az adatok egy tóházban vagy raktárban találhatók
Natural Language to DAX (NL2DAX): DAX-lekérdezések létrehozására szolgál a szemantikai modellekkel való interakcióhoz a Power BI-adatforrásokban
Természetes nyelvtől KQL-ig (NL2KQL): KQL-lekérdezések létrehozására szolgál a KQL-adatbázisokban lévő adatok lekérdezéséhez

A kiválasztott eszköz lekérdezést hoz létre az AI-képesség alapjául szolgáló ügynök által biztosított sémával, metaadatokkal és környezettel. Ezután az eszköz ellenőrzi a lekérdezést, hogy biztosítsa a megfelelő formázást és megfelelést a biztonsági protokolloknak, valamint saját felelősségteljes mesterséges intelligencia (RAI) szabályzatainak.

Válasz felépítése

Az AI-képesség alapjául szolgáló ügynök végrehajtja a lekérdezést, és biztosítja, hogy a válasz megfelelően legyen strukturálva és formázva. Az ügynök gyakran ad hozzá extra kontextust, hogy a válasz ügyfélbarát legyen. Végül a válasz egy beszélgetési felületen jelenik meg a felhasználó számára, ahogyan az alábbi képernyőképen látható:

Az ügynök bemutatja az eredményt és a köztes lépéseket is, amelyeket az AI-képesség a végső válasz lekéréséhez tett. Ez a megközelítés növeli az átláthatóságot, és szükség esetén lehetővé teszi ezeknek a lépéseknek az ellenőrzését. A felhasználók kibonthatják a lépések legördülő menüjét, hogy megtekintsék az AI-képesség által a válasz lekéréséhez szükséges összes lépést, ahogyan az alábbi képernyőképen látható:

Emellett az AI-képesség biztosítja a megfelelő adatforrás lekérdezéséhez használt generált kódot, amely további betekintést nyújt a válasz létrehozásának módjába.

Ezek a lekérdezések kizárólag adatok lekérdezésére szolgálnak. Olyan műveletek, amelyek magukban foglalják a

adatlétrehozás
adatfrissítések
adattörlések
bármilyen adatváltozás

nem engedélyezett, az adatok integritásának védelme érdekében.

A csevegés törléséhez bármikor kiválaszthatja a Csevegés törlése gombot a következő képernyőképen látható módon:

A Csevegés törlése funkció törli az összes csevegési előzményt, és új munkamenetet indít el. Miután törölte a csevegési előzményeket, nem tudja lekérni.

Az adatforrás módosítása

Adatforrás eltávolításához mutasson az adatforrás nevére az Explorer az AI-képességoldal bal oldali paneljén, amíg meg nem jelenik a három pontból álló menü. Jelölje ki a három elemet a beállítások megjelenítéséhez, majd válassza a eltávolítása lehetőséget az adatforrás törléséhez az alábbi képernyőképen látható módon:

Másik lehetőségként, ha az adatforrás módosult, kiválaszthatja Frissítés ugyanazon a menün belül, az alábbi képernyőképen látható módon:

Ez biztosítja, hogy az adatforrás frissítései mind tükröződjenek, mind megfelelően legyenek kitöltve az Explorerben, hogy a mesterséges intelligencia képességei szinkronban maradjanak a legújabb adatokkal.

AI-képességek konfigurálása

Az AI-képesség számos konfigurációs lehetőséget kínál, amelyekkel a felhasználók testre szabhatják az AI-képességek viselkedését, hogy jobban megfeleljenek a szervezet igényeinek. Mivel az AI-képesség feldolgozza és bemutatja az adatokat, ezek a konfigurációk rugalmasságot biztosítanak, amely lehetővé teszi az eredmények nagyobb ellenőrzését.

Utasítások megadása

Konkrét utasításokat adhat meg az AI viselkedésének irányításához. A hozzáadásukhoz válassza AI-utasításokat az alábbi képernyőképen látható módon:

Megnyílik az AI-utasítások panel, ahogyan az a képernyőképen látható:

Itt legfeljebb 15 000 karaktert írhat egyszerű angol nyelvű szövegbe, hogy az AI-t a lekérdezések kezelésére utasítsa.

Megadhatja például, hogy pontosan milyen adatforrást használjon bizonyos típusú kérdésekhez. Az adatforrás-választási lehetőségek például magukban foglalhatják az AI használatának irányítását

Power BI szemantikai modellek pénzügyi lekérdezésekhez
egy tóház az értékesítési adatokhoz
KQL-adatbázis üzemeltetési metrikákhoz

Ezek az utasítások biztosítják, hogy az AI megfelelő lekérdezéseket hozzon létre, legyen az SQL, DAX vagy KQL az Ön útmutatása és a kérdések kontextusa alapján.

Ha az AI-erőforrás következetesen félreértelmez bizonyos szavakat, mozaikszavakat vagy kifejezéseket, ebben a szakaszban egyértelmű definíciókat adhat meg, hogy az AI megfelelően megértse és feldolgozza őket. Ez különösen hasznos lesz a tartományspecifikus terminológiához vagy az egyedi üzleti zsargonhoz.

Ezeknek az utasításoknak a testreszabásával és a kifejezések meghatározásával javíthatja az AI azon képességét, hogy pontos és releváns megállapításokat nyújtson, teljes mértékben összhangban az adatstratégiával és az üzleti követelményekkel.

Példa lekérdezések megadása

Az AI-képességekre adott válaszok pontossága akkor javítható, ha az egyes adatforrásokhoz, például a lakehouse-hoz, a raktárhoz és a KQL-adatbázisokhoz szabott példalekérdezéseket ad meg. Ez az úgynevezett Few-Shot Tanulási a generatív AI-ben segít irányítani az AI-készséget, hogy az elvárásoknak jobban megfelelő válaszokat hozzon létre.

Amikor minta lekérdezés-/kérdéspárokat ad meg az AI-nek, az ezekre a példákra hivatkozik, amikor választ ad a jövőbeli kérdésekre. Az új lekérdezések és a legrelevánsabb példák egyeztetése segít az AI-nek üzleti logikát beépíteni, és hatékonyan válaszolni a gyakori kérdésekre. Ez a funkció lehetővé teszi az egyes adatforrások finomhangolását, és biztosítja a pontosabb SQL- vagy KQL-lekérdezések létrehozását.

A Power BI szemantikai modelladatai jelenleg nem támogatják a minta lekérdezési/kérdéspárok hozzáadását. A támogatott adatforrások, például a lakehouse-, a raktár- és a KQL-adatbázisok esetében azonban további példákkal jelentősen javíthatja az AI azon képességét, hogy pontos lekérdezéseket hozzon létre, amikor az alapértelmezett teljesítmény kiigazítást igényel.

Borravaló

A különböző példalekérdezések növelik az AI-képességek azon képességét, hogy pontos és releváns SQL/KQL-lekérdezéseket hozzanak létre. Példa lekérdezések hozzáadásához vagy szerkesztéséhez válassza a Példa lekérdezések gombot a példa lekérdezések panel megnyitásához, ahogyan az alábbi képernyőképen látható:

Ez az ablaktábla a Power BI szemantikai modelljeinek kivételével az összes támogatott adatforráshoz használható példa-lekérdezések hozzáadására és szerkesztésére szolgál. Minden adatforrás esetében kiválaszthatja Példalekérdezések hozzáadása vagy szerkesztése a vonatkozó példák beviteléhez, ahogyan az alábbi képernyőképen látható:

Feljegyzés

Az AI-képesség csak olyan lekérdezésekre vonatkozik, amelyek érvényes SQL/KQL szintaxist tartalmaznak, és amelyek megfelelnek a kijelölt táblák sémájának. Az AI-képesség nem használ olyan lekérdezéseket, amelyek nem fejezték be az ellenőrzésüket. Győződjön meg arról, hogy az összes példa-lekérdezés érvényes és helyesen igazodik a sémához, hogy az AI-képesség hatékonyan használja őket.

Miután tesztelte az AI-készség teljesítményét különböző kérdések között, és meggyőződik arról, hogy pontos SQL-, DAX- vagy KQL-lekérdezéseket hoz létre, megoszthatja a munkatársaival. Ezen a ponton válassza a Közzététellehetőséget, ahogyan az alábbi képernyőképen látható.

Ez a lépés megnyit egy ablakot, amely az AI-képesség leírását kéri. Itt adja meg az AI-képesség részletes leírását. Ezek a részletek ismertetik munkatársainak az AI-képesség funkcióit, és segítséget nyújtanak más AI-rendszereknek/vezénylőknek az AI-képesség hatékony meghívásához.