Copilot för realtidsinformation
Copilot för Realtidsinformation 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-frågespråk). Copilot effektiviserar processen med att analysera data för både erfarna KQL-användare och medborgardataforskare.
Faktureringsinformation om Copilotfinns i Meddelande Copilot i Fabric-priser.
Förutsättningar
- En arbetsyta med en Microsoft Fabric-aktiverad kapacitet
- Läs- eller skrivåtkomst till en KQL-frågeuppsättning
Kommentar
- 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 infrastrukturregion.
- Om din klientorganisation eller kapacitet ligger utanför USA eller Frankrike Copilot inaktiveras som standard såvida inte infrastrukturadministratören aktiverar data som skickas till Azure OpenAI kan bearbetas utanför klientorganisationens geografiska region, efterlevnadsgräns eller nationella klientinställning för 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.
- Copilot in Fabric lanseras för närvarande i offentlig förhandsversion och förväntas vara tillgängligt för alla kunder i slutet av mars 2024.
- Mer information finns i artikeln Översikt över Copilot i Infrastrukturresurser och Power BI .
Funktioner Copilot för realtidsinformation
CopilotFör Realtidsinformation kan du enkelt översätta frågor på naturligt språk till Kusto-frågespråk (KQL). Fungerar copilot som en bro 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 påskyndar 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 inledande KQL som genereras genom Copilot 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 realtidsinformationen Copilot
- Om du vill komma åt Copilot realtidsinformation går du till en ny eller befintlig KQL-frågeuppsättning.
- Ansluta 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 Copilot genererar 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.
- Klicka på knappen Kör för att köra frågan.
Kommentar
- Copilot genererar inte kontrollkommandon.
- Copilot kör inte automatiskt den genererade KQL-frågan. Användarna uppmanas att köra frågorna efter eget gottfinnande.
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 pennikonen för att kopiera den till frågerutan för att redigera den eller kopiera den till Urklipp.
Förbättra noggrannheten Copilot för realtidsinformation
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. Bildbehandling som du delade frågan om naturligt språk med få KQL-experter från ditt team utan att lägga till muntliga instruktioner – skulle de kunna generera 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.
- För att förbättra Copilot resultatet väljer du antingen ikonen gilla eller ogilla för att skicka dina kommentarer i formuläret Skicka feedback .
Kommentar
Formuläret Skicka feedback skickar namnet på databasen, dess URL, KQL-frågan som genereras av copilotoch eventuella svar på fritext som du tar med i feedbacköverföringen. Resultatet av den körda KQL-frågan skickas inte.
Begränsningar
- Copilot kan föreslå potentiellt felaktiga eller vilseledande föreslagna KQL-frågor på grund av:
- Komplexa och långa användarindata.
- Användarindata som dirigerar till databasentiteter som inte är KQL Database-tabeller eller materialiserade vyer (till exempel KQL-funktion.)
- Mer än 10 000 samtidiga användare i en organisation kan leda till fel eller större prestanda.