Copilot för Real-Time Intelligence
Copilot för Real-Time Intelligence är ett avancerat AI-verktyg som hjälper dig att utforska dina data och extrahera värdefulla insikter. Du kan ange frågor om dina data, som sedan automatiskt översätts till KQL-frågor (Kusto Query Language). Copilot effektiviserar processen med att analysera data för både erfarna KQL-användare och medborgardataforskare.
Faktureringsinformation om Copilotfinns under tillkännagivandet av Copilot i Fabric-prissättning.
Förutsättningar
- En arbetsyta med en Microsoft Fabric-aktiverad kapacitet
- Läs- eller skrivåtkomst till en KQL-frågeuppsättning
Notera
- Administratören måste aktivera klientväxeln innan du börjar använda Copilot. Mer information finns i artikeln Copilot klientinställningar.
- Din F64- eller P1-kapacitet måste finnas i någon av de regioner som anges i den här artikeln, Tillgänglighet för Fabric-region.
- 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 nationella molninstans klientinställning i infrastrukturadministrationsportalen.
- Copilot i Microsoft Fabric stöds inte på utvärderings-SKU:er. Endast betalda SKU:er (F64 eller högre eller P1 eller högre) stöds.
- Copilot i Fabric lanseras för närvarande i offentlig förhandsversion och förväntas vara tillgängligt för alla kunder i slutet av mars 2024.
- För mer information, se artikeln Översikt av Copilot i Fabric och Power BI.
Kapaciteter hos Copilot för Real-Time Intelligens
Copilot för Real-Time Intelligence kan du enkelt översätta frågor på naturligt språk till Kusto Query Language (KQL). Andrepiloten fungerar som en brygga mellan vardagsspråket och KQL:s tekniska invecklingar, och tar därmed bort implementeringsbarriärer för dataanalytiker och medborgardataforskare. Genom att utnyttja OpenAI:s avancerade språkförståelse kan du med den här funktionen skicka affärsfrågor i ett välbekant naturligt språkformat som sedan konverteras till KQL-frågor. Copilot ökar produktiviteten genom att förenkla processen för att skapa frågor med en användarvänlig och effektiv metod för dataanalys.
Copilot stöder konversationsinteraktioner som gör att du kan förtydliga, anpassa och utöka dina frågor dynamiskt, samtidigt som kontexten för dina tidigare indata bibehålls. Du kan förfina frågor och ställa uppföljningsfrågor utan att börja om:
Dynamisk frågeförfining: Du kan förfina den första KQL som genereras av Copilot genom att förfina din uppmaning för att ta bort tvetydighet, ange tabeller eller kolumner eller ge mer kontext.
Smidiga uppföljningsfrågor: Om den genererade KQL:n är korrekt men du vill utforska data djupare kan du ställa uppföljningsfrågor som rör samma uppgift. Du kan utöka frågans omfattning, lägga till filter eller utforska relaterade datapunkter genom att bygga vidare på föregående dialog.
Få åtkomst till Real-Time Intelligence-Copilot
- Om du vill komma åt Copilot för Real-Time Intelligence går du till en ny eller befintlig KQL-frågeuppsättning.
- Anslut till en databas. Mer information finns i Välj en databas
- Välj knappen Copilot.
- I fönstret Copilot anger du din affärsfråga på naturligt språk.
- Tryck på Retur. Efter några sekunder genererar Copilot en KQL-fråga baserat på dina indata. Du kan kopiera frågan till urklipp eller infoga den direkt i KQL-frågeredigeraren. Om du vill köra frågan i frågeredigeraren måste du ha skrivbehörighet till KQL-frågeuppsättningen.
- Välj knappen Kör för att köra frågan.
Notera
- Copilot genererar inte kontrollkommandon.
- Copilot kör inte automatiskt den genererade KQL-frågan. Användarna rekommenderas att köra sökfrågorna på egen risk.
Du kan fortsätta att ställa uppföljningsfrågor eller förfina frågan ytterligare. Starta en ny chatt genom att välja pratbubblan längst upp till höger i fönstret Copilot (1).
Hovra över en tidigare fråga (2) och välj ikonen penna för att kopiera den till frågerutan för att redigera den eller kopiera den till Urklipp.
Förbättra noggrannheten hos Copilot för Real-Time intelligens
Här följer några tips som kan hjälpa dig att förbättra noggrannheten för KQL-frågorna som genereras av Copilot:
- Börja med enkla frågor om naturligt språk för att lära dig de aktuella funktionerna och begränsningarna. Gå sedan gradvis vidare till mer komplexa frågor.
- Ange uppgiften exakt och undvik tvetydighet. Tänk om du delade den naturliga språkuppmaningen med några KQL-experter från ditt team utan att lägga till muntliga instruktioner – skulle de kunna skapa rätt fråga?
- Om du vill generera den mest exakta frågan anger du all relevant information som kan hjälpa modellen. Om du kan kan du ange tabeller, operatorer eller funktioner som är viktiga för frågan.
- Förbered databasen: Lägg till docstring-egenskaper för att beskriva vanliga tabeller och kolumner. Detta kan vara redundant för beskrivande namn (till exempel tidsstämpel) men är viktigt för att beskriva tabeller eller kolumner med meningslösa namn. Du behöver inte lägga till dokumentsträngar i tabeller eller kolumner som sällan används. Mer information finns i kommandot .alter table column-docstrings.
- Om du vill förbättra Copilot resultat väljer du antingen som eller ogillar-ikonen för att skicka dina kommentarer i formuläret Skicka feedback.
Anteckning
Skicka feedback formuläret skickar namnet på databasen, dess URL, KQL-frågan som genererats av copilot och eventuella kostnadsfria textsvar som du tar med i feedbacköverföringen. Resultatet av den körda KQL-frågan skickas inte.
Begränsningar
-
Copilot kan tyda på potentiellt felaktiga eller missvisande föreslagna KQL-frågor på grund av:
- ** Långa och komplexa användarinmatningar.
- Användarindata som pekar till databasentiteter som inte är KQL Database-tabeller eller materialiserade vyer (till exempel KQL-funktioner).
- Mer än 10 000 samtidiga användare i en organisation kan leda till fel eller ett stort prestandabortfall.