共用方式為

建立 AI 技能 (預覽版)

  • 發行項

使用 Microsoft Fabric AI 技術，您可以建立交談式 AI 體驗，以回答有關在 Fabric 中的 lakehouse、warehouse、Power BI 語意模型和 KQL 資料庫中儲存的數據問題。 您的數據深入解析可供存取。 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。

重要

這項功能處於預覽狀態。

必要條件

在 Fabric 中建立及取用 AI 技能的完整流程

本節概述在 Fabric 中建立、驗證及共用 AI 技能的重要步驟，使其可供取用。

此程序很簡單，而且您在幾分鐘內就能開始測試 AI 技能資源。

建立新的 AI 技能

若要建立新的 AI 技能，請先流覽至您的工作區，然後選取 [+ 新增專案] 按鈕。 在「所有專案」標籤中，搜尋 AI 技術 以找到合適的選項，如下列螢幕截圖所示：

顯示建立 AI 技能的螢幕擷取畫面。

選取之後，系統會提示您提供 AI 技能的名稱，如下列螢幕快照所示：

顯示如何提供 AI 技能名稱的螢幕快照。

如需命名 AI 技能的視覺化指南，請參閱提供的螢幕快照。 輸入名稱之後，請繼續進行設定，以符合您的特定需求來調整AI技能。

設定您的資料

建立 AI 技能之後，您最多可以加入五個數據源，包括 Lakehouses、warehouses、Power BI 語意模型，以及任意組合的 KQL 資料庫。 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。

當您第一次建立 AI 技能並提供名稱時，OneLake 目錄會自動出現，讓您新增數據源。 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 lakehouse，選取 [新增]，然後繼續新增另一個數據源。 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。 您只能檢視所選類型的數據源，讓您更輕鬆地找出並連接適用於 AI 技能的適當來源。

新增資料源之後，AI 技能頁面左窗格中的 [總管] 會填入每個所選數據源中的可用數據表，您可以在其中使用複選框讓數據表可供 AI 使用或無法使用，如下列螢幕快照所示：

顯示如何新增數據源的螢幕快照。

注意

您需要讀取/寫入許可權，才能將Power BI語意模型新增為AI技能的數據源。

如需後續新增資料來源，請瀏覽至 AI 技能頁面左窗格中的 [總管]，然後選取 [+ 資料來源]，如下列螢幕快照所示：

顯示如何新增更多數據源的螢幕快照。

OneLake 目錄會再次開啟，您可以視需要順暢地新增更多數據源。

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：

顯示 AI 技能問題的螢幕擷取畫面。

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？」

這些類型的問題很適合，因為系統可以將它們轉譯成結構化查詢（T-SQL、DAX 或 KQL），針對資料庫執行它們，然後根據儲存的數據傳回具體答案。

然而，以下項目不在範圍內：

  • 「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。 AI 技能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。

當您提出問題時，AI 技能會使用 Azure OpenAI Assistant 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

系統會先使用使用者的認證來存取數據源的架構（例如 lakehouse、warehouse、PBI 語意模型或 KQL 資料庫）。 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：

  1. 用戶查詢：使用者所提供的自然語言問題。
  2. 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。
  3. 範例和指示：設定 AI 技能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。 此提示可用作 Azure OpenAI 助理 API 的輸入，該 API 作為 AI 技能的基礎代理程式運作。 這基本上會指示 AI 技能如何處理查詢，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 的自然語言 （NL2SQL）：當數據位於 Lakehouse 或倉儲時，用來產生 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 AI 技能基礎代理程式所提供的架構、元數據和內容來產生查詢。 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

AI 技能基礎的代理程式會執行查詢，並確保響應的結構化和格式適當。 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：

顯示 AI 技能問題答案的螢幕快照。

代理程式會呈現 AI 技能擷取最終答案所採取的結果和中繼步驟。 此方法可增強透明度，並在必要時允許驗證這些步驟。 用戶可以展開步驟的下拉式清單，以檢視 AI 技能擷取答案所採取的所有步驟，如下列螢幕快照所示：

顯示 AI 技能所採取步驟的螢幕快照。

此外，AI 技能會提供用來查詢對應數據源的已產生程式代碼，進一步深入瞭解回應的建構方式。

這些查詢專為查詢數據而設計。 牽涉到的作業

  • 數據創建
  • 數據更新
  • 數據刪除
  • 任何類型的數據變更

為了保護數據的完整性，這是不允許的。

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：

顯示“清除聊天”功能的螢幕快照。

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

若要移除數據源，請將滑鼠停留在 [總管] 中的數據源名稱上方， AI 技能頁面的左窗格中，直到三點功能表出現為止。 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：

顯示如何刪除或重新整理數據源的螢幕快照。

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：

顯示如何重新整理數據源的螢幕快照。

這可確保在資源管理器中準確顯示並填入任何數據源的更新，讓您的 AI 技能與最新的數據保持同步。

AI 技能設定

AI 技能提供數個設定選項，可讓使用者自定義 AI 技能行為，以更符合組織的需求。 當 AI 技能處理並呈現數據時，這些設定可提供彈性，以更充分掌控結果。

提供指示

您可以提供特定指示來引導 AI 的行為。 若要新增它們，請選取 AI 指示，如下列螢幕快照所示：

顯示選取 [AI 指示] 按鈕的螢幕截圖。

[AI 指示] 窗格隨即開啟，如下列螢幕快照所示：

顯示您可以在何處編輯提供給 AI 的指示的螢幕擷取畫面。

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 資源持續誤譯特定單字、縮略字或字詞，您可以在本節中提供明確的定義，以確保 AI 瞭解並正確處理它們。 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

當您針對每個數據源提供量身打造的範例查詢時，例如 lakehouse、warehouse 和 KQL 資料庫，您可以增強 AI 技能響應的準確性。 這種方法稱為「Few-Shot 學習」，可協助引導 AI 技能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。

提示

一組不同的範例查詢可增強 AI 技能產生精確且相關的 SQL/KQL 查詢的能力。 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：

顯示您可以在何處編輯提供給 AI 的範例的螢幕擷取畫面。

此窗格提供新增或編輯所有支持的數據源範例查詢的選項，但 Power BI 語意模型除外。 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：

螢幕快照，其中顯示您提供給 AI 的 SQL 範例。

注意

AI 技能只會參考包含有效 SQL/KQL 語法且符合所選數據表架構的查詢。 AI 技能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與架構正確對齊，以確保AI技能有效地利用它們。

發佈及共用 AI 技能

在測試各種問題中 AI 技能的效能，並確認其產生精確的 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：

顯示 AI 技能發布的螢幕快照。

此步驟會開啟一個窗口，詢問AI技能的描述。 在這裡，提供 AI 技能用途的詳細說明。 這些詳細數據會引導同事瞭解 AI 技能的功能，並協助其他 AI 系統 / 協調器有效地叫用該 AI 技能。

發佈 AI 技能之後，您將有兩個版本的 AI 技能。 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，您可以與想要查詢 AI 技能的同事共用，以取得其問題的解答。 您可以在開發時將同事的意見反應納入目前草稿版本，以進一步增強AI技能的效能。

相關內容