Copilot för SQL-databas i Microsoft Fabric (förhandsversion)
Gäller för:✅SQL-databas i Microsoft Fabric
Microsoft Copilot för SQL Database i Fabric är en AI-assistent som är utformad för att effektivisera dina databasuppgifter. Copilot integreras sömlöst med din Fabric-databas och ger intelligenta insikter som hjälper dig längs varje steg på vägen i dina T-SQL-utforskningar.
Introduktion till Copilot för SQL-databas
Copilot för SQL Database använder tabell- och visningsnamn, kolumnnamn, primärnyckel och metadata för sekundärnyckel för att generera T-SQL-kod. Copilot för SQL-databasen använder inte data i tabeller för att generera T-SQL-förslag.
Viktiga funktioner i Copilot för SQL-databasen är:
Kodkomplettering: Börja skriva T-SQL i SQL-frågeredigeraren och Copilot genererar automatiskt ett kodförslag som hjälper dig att slutföra frågan. Tabbnyckeln accepterar kodförslaget eller fortsätter att skriva för att ignorera förslaget.
Snabbåtgärder: I menyfliksområdet i SQL-frågeredigeraren är alternativen Åtgärda och Förklara snabba åtgärder. Markera en SQL-fråga som du väljer och välj en av snabbåtgärdsknapparna för att utföra den valda åtgärden i frågan.
Korrigering: Copilot kan åtgärda fel i koden när felmeddelanden uppstår. Felscenarier kan innehålla felaktig/ej stödd T-SQL-kod, fel stavning med mera. Copilot kommer också att ge kommentarer som förklarar ändringarna och föreslår metodtips för SQL.
Förklara: Copilot kan ge förklaringar på naturligt språk för SQL-frågan och databasschemat i kommentarsformat.
Chattfönster: Använd chattfönstret för att ställa frågor till Copilot via naturligt språk. Copilot svarar med en genererad SQL-fråga eller ett naturligt språk baserat på den fråga som ställs.
Naturligt språk till SQL: Generera T-SQL-kod från oformaterade textbegäranden så att användarna kan köra frågor mot data utan att behöva känna till SQL-syntaxen.
Dokumentbaserad Q&A: Ställ frågor till Copilot om allmänna SQL-databasfunktioner och svarar på naturligt språk. Copilot hjälper också till att hitta dokumentation som är relaterad till din begäran.
Använda Copilot effektivt
Här följer några tips för att maximera produktiviteten med Copilot.
När du skapar frågor bör du börja med en tydlig och kortfattad beskrivning av den specifika information som du letar efter.
Naturligt språk till SQL beror på uttrycksfulla tabell- och kolumnnamn. Om tabellen och kolumnerna inte är uttrycksfulla och beskrivande kanske Copilot inte kan konstruera en meningsfull fråga.
Använd naturligt språk som gäller för tabell- och visningsnamn, kolumnnamn, primära nycklar och sekundärnycklar i databasen. Den här kontexten hjälper Copilot att generera korrekta frågor. Ange vilka kolumner du vill se, aggregeringar och eventuella filtreringsvillkor så explicit som möjligt. Copilot bör kunna korrigera stavfel eller förstå kontexten med tanke på schemakontexten.
När du använder kodslutningar lämnar du en kommentar överst i frågan med
--
för att hjälpa till att vägleda Copilot med kontexten om den fråga som du försöker skriva.Undvik tvetydigt eller alltför komplext språk i dina frågor. Förenkla frågan samtidigt som dess klarhet bibehålls. Den här redigeringen säkerställer att Copilot effektivt kan översätta den till en meningsfull T-SQL-fråga som hämtar önskade data från de associerade tabellerna och vyerna.
För närvarande stöder Copilot för SQL-databasen i Fabric endast engelska till T-SQL.
Följande exempelfrågor är tydliga, specifika och skräddarsydda för egenskaperna för schemat och datadatabasen, vilket gör det enklare för Copilot att generera korrekta T-SQL-frågor:
What are the top-selling products by quantity?
Count all the products, group by each category
Show all sales transactions occurred on [a specific date]
Create a table in [schema name] called "SalesTransactions" with the columns CustomerID, ProductID and OrderID
Aktivera copilot
- Administratören måste aktivera klientväxeln innan du börjar använda Copilot. Mer information finns i Klientinställningar för Copilot.
- Din F64- eller P1-kapacitet måste finnas i någon av de regioner som anges i den här artikeln, tillgänglighet för infrastrukturregion.
- Om din klientorganisation eller kapacitet ligger utanför USA eller Frankrike inaktiveras Copilot som standard såvida inte infrastrukturadministratören aktiverar data som skickas till Azure OpenAI kan bearbetas utanför klientorganisationens geografiska region, efterlevnadsgräns eller klientinställning för nationella molninstanser i infrastrukturadministratörsportalen.
- Copilot i Microsoft Fabric stöds inte på utvärderings-SKU:er. Endast betalda SKU:er (F64 eller högre eller P1 eller högre) stöds.
- Mer information finns i Översikt över Copilot i Infrastrukturresurser och Power BI.
Vad ska jag veta för att använda Copilot på ett ansvarsfullt sätt?
Microsoft strävar efter att se till att våra AI-system styrs av våra AI-principer och ansvarsfull AI Standard. Dessa principer omfattar att ge våra kunder möjlighet att använda dessa system effektivt och i linje med deras avsedda användning. Vår strategi för ansvarsfull AI utvecklas kontinuerligt för att proaktivt ta itu med nya problem.
Copilot-funktioner i Fabric är byggda för att uppfylla Responsible AI Standard, vilket innebär att de granskas av tvärvetenskapliga team för potentiella skador och sedan förfinas för att inkludera åtgärder för dessa skador.
Mer information finns i Sekretess, säkerhet och ansvarsfull användning av Copilot i Infrastrukturresurser.
Begränsningar för Copilot för SQL-databas
Här är de aktuella begränsningarna för Copilot för SQL-databasen:
- Copilot kan inte göra ändringar i befintliga SQL-frågor i SQL-frågeredigeraren. Om du till exempel ber Copilot-chattfönstret att redigera en viss del av en befintlig fråga fungerar den inte. Copilot förstår dock tidigare indata i chattfönstret, så att användarna kan iterera frågor som tidigare genererats av Copilot innan de infogas.
- Copilot kan ge felaktiga resultat när avsikten är att utvärdera data. Copilot har bara åtkomst till databasschemat, ingen av data inuti.
- Copilot-svar kan innehålla felaktigt innehåll eller innehåll av låg kvalitet, så se till att granska utdata innan du använder dem i ditt arbete.
- Personer som på ett meningsfullt sätt kan utvärdera innehållets noggrannhet och lämplighet bör granska utdata.