Visão geral do chat-magics em notebooks do Microsoft Fabric (versão prévia)

Importante

Esse recurso está na versão prévia.

A biblioteca Python Chat-magics aprimora seu fluxo de trabalho de ciência de dados e engenharia em notebooks do Microsoft Fabric. Ele se integra perfeitamente ao ambiente do Fabric e permite a execução de comandos IPython magic especializados em uma célula de notebook para fornecer saídas em tempo real. Comandos mágicos do IPython e mais plano de fundo sobre o uso podem ser encontrados aqui: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Nota

• Seu administrador precisa habilitar a opção de locatário antes de você começar a usar o Copilot. Leia o artigo Configurações de locatário do Copilot para obter detalhes.
• Sua capacidade F64 ou P1 precisa estar em uma das regiões listadas neste artigo, Disponibilidade da região Fabric.
• Se seu locatário ou capacidade estiver fora dos EUA ou da França, o Copilot estará desabilitado por padrão, a menos que o administrador do locatário do Fabric habilite a configuração de locatário Dados enviados para o Azure OpenAI podem ser processados fora da região geográfica, do limite de conformidade ou da instância de nuvem nacional do seu locatário no portal do Administrador do Fabric.
• Não há suporte para o Copilot no Microsoft Fabric em SKUs de avaliação. Há suporte apenas para SKUs pagos (F64 ou superior ou P1 ou superior).
• Copilot no Fabric está sendo lançado em versão prévia pública e deve estar disponível para todos os clientes até o final de março de 2024.
• Confira o artigo Visão geral do Copilot no Fabric e no Power BI para obter mais informações.

Capacidades do Chat-magics

Geração de código e consulta instantânea

O comando %%chat permite que você faça perguntas sobre o estado do seu notebook. O %%code habilita a geração de código para manipulação ou visualização de dados.

Descrições de dataframe

O comando %describe fornece resumos e descrições de dataframes carregados. Isso simplifica a fase de exploração de dados.

Comentários e depuração

Os comandos %%add_comments e %%fix_errors ajudam a adicionar comentários ao código e corrigir erros, respectivamente. Isso ajuda a tornar seu bloco de anotações mais legível e sem erros.

Controles de privacidade

O chat-magics também oferece configurações de privacidade granulares, o que permite controlar quais dados são compartilhados com o Serviço OpenAI do Azure. Os comandos %set_sharing_level e %configure_privacy_settings, por exemplo, fornecem essa funcionalidade.

Como o Chat-magics pode ajudá-lo?

O chat-magics aprimora sua produtividade e fluxo de trabalho nos notebooks do Microsoft Fabric. Isso acelera a exploração de dados, simplifica a navegação do notebook e melhora a qualidade do código. Ele se adapta a ambientes de código multilíngue e prioriza a privacidade e a segurança dos dados. Por meio de reduções de carga cognitiva, ele permite que você se concentre mais na solução de problemas. Seja você um cientista de dados, engenheiro de dados ou analista de negócios, o Chat-magics integra perfeitamente recursos robustos do Azure OpenAI de nível empresarial diretamente em seus notebooks. Isso o torna uma ferramenta indispensável para tarefas eficientes e simplificadas de ciência e engenharia de dados.

Introdução ao Chat-magics

1. Abra um notebook novo ou existente do Microsoft Fabric.
2. Selecione o botão Copilot na barra de ferramentas do notebook para inserir o código de inicialização do Chat-magics em uma nova célula do notebook.
3. Execute a célula quando ela for adicionada na parte superior do notebook.

Verificar a instalação do Chat-magics

1. Crie uma nova célula no notebook e execute o comando %chat_magics para exibir a mensagem de ajuda. Esta etapa verifica a instalação adequada do Chat-magics.

Introdução aos comandos básicos: %%chat e %%code

Usando %%chat (Cell Magic)

1. Crie uma nova célula no bloco de anotações.
2. Digite %%chat na parte superior da célula.
3. Insira sua pergunta ou instrução abaixo do comando %%chat - por exemplo, Quais variáveis estão definidas no momento?
4. Execute a célula para ver a resposta do Chat-Magics.

Usando %%code (Cell Magic)

1. Crie uma nova célula no bloco de anotações.
2. Digite %%code na parte superior da célula.
3. Abaixo disso, especifique a ação de código que você deseja : por exemplo, carregar my_data.csv em um dataframe do Pandas.
4. Execute a célula, e examine o trecho de código gerado.

Personalizando configurações de saída e idioma

1. Use o comando %set_output para alterar o padrão de como os comandos mágicos fornecem saída. As opções podem ser exibidas executando %set_output?
2. Escolha onde colocar o código gerado, de opções como
   • célula atual
   • nova célula
   • saída da célula
   • em uma variável

Comandos avançados para operações de dados

%describe, %%add_comments e %%fix_errors

1. Use %describe DataFrameName em uma nova célula para obter uma visão geral de um dataframe específico.
2. Para adicionar comentários a uma célula de código para melhor legibilidade, digite %%add_comments na parte superior da célula que você deseja anotar e executar. Certifique-se de validar se o código está correto
3. Para correção de erro de código, digite %%fix_errors na parte superior da célula que continha um erro e execute-o.

Configurações de privacidade e segurança

1. Por padrão, sua configuração de privacidade compartilha mensagens anteriores enviadas de e para o MODELO de Aprendizado de Idioma (LLM). No entanto, ele não compartilha conteúdo de células, saídas ou quaisquer esquemas ou dados de exemplo de fontes de dados.
2. Use %set_sharing_level em uma nova célula para ajustar os dados compartilhados com o processador de IA.
3. Para obter configurações de privacidade mais detalhadas, use %configure_privacy_settings.

Comandos de contexto e foco

Usando %pin, %new_task e outros comandos de contexto

1. Use %pin DataFrameName para ajudar a IA a se concentrar em dataframes específicos.
2. Para limpar a IA para se concentrar em uma nova tarefa em seu notebook, digite %new_task seguido de uma tarefa que você está prestes a realizar. Isso limpa o histórico de execução que copilot conhece até este ponto e pode tornar as respostas futuras mais relevantes.

Conteúdo relacionado

• Como usar o painel Copilot