通过

实时智能 Copilot 的隐私、安全和负责任的使用

  • 项目

在本文中，了解 Copilot 的 Real-Time Intelligence 工作原理、它如何保护业务数据并遵守隐私要求，以及如何负责任地使用生成式 AI。 有关 Fabric 中的 Copilot 的这些主题的概述，请参阅 Copilot 的隐私、安全和负责任的使用。

此功能利用 OpenAI 的强大功能将自然语言查询无缝转换为 Kusto 查询语言 （KQL），这是用于查询大型数据集的专用语言。 从本质上讲，它充当用户日常语言与KQL技术复杂性之间的桥梁，消除了不熟悉这种语言的用户在采用过程中的障碍。 通过利用 OpenAI 的高级语言理解，此功能使用户能够以熟悉的自然语言格式提交业务问题，然后转换为 KQL 查询。

Copilot 通过简化查询创建过程来提高工作效率，但也提供了用户友好的高效数据分析方法。

实时智能 Copilot 的预期用途

Kusto Copilot 基于基础数据集列名称/架构将自然语言业务问题翻译为 KQL 查询，从而加速数据科学家和分析师的数据探索过程。

实时智能 Copilot 可以做什么？

Kusto Copilot 由 OpenAI 和 Microsoft 开发的生成 AI 模型提供支持。 具体而言，它使用 OpenAI 的嵌入和完成 API 生成自然语言提示并生成 KQL 查询。

实时智能 Copilot 的数据使用

Copilot for Real-Time Intelligence 可以访问 Copilot 用户可访问的数据，例如数据库架构、用户定义的函数和连接的数据库的数据采样。 Copilot 是指当前连接到 KQL 查询集的任意数据库。 Copilot 不存储任何数据。

实时智能 Copilot 的评估

  • 经过一个彻底的研究期，其中测试了多个配置和方法，OpenAI 集成方法已被证明可以生成最高准确度的 KQL 查询。 Copilot 不会自动运行生成的 KQL 查询，建议用户自行运行查询。
  • Kusto Copilot 不会自动运行任何生成的 KQL 查询，建议用户自行运行查询。

实时智能 Copilot 的限制

  • 复杂且冗长的用户输入可能被 Copilot误解，从而导致建议的 KQL 查询潜在的不准确或误导性。
  • 定向到非 KQL 表或物化视图（例如 KQL 函数）的数据库实体的用户输入可能会导致不准确或具有误导性的 KQL 查询建议。
  • 组织内的 10,000 多名并发用户很可能失败或导致重大性能下降。
  • 在执行之前，应先由用户验证 KQL 查询，以防止执行不安全的 KQL 查询。

有关使用实时智能 Copilot 的提示

  • 建议提供详细的相关自然语言查询。 此外，应向 Copilot 提供简洁而简单的请求，以避免生成不准确或具有误导性的建议 KQL 查询。 还应将问题限定于作为 KQL 表或具体化视图的数据库。
  • 例如，如果要询问特定列，请提供列名及其包含的数据类型。 如果想要使用特定的运算符或函数，这也将有所帮助。 提供的信息越多，Copilot 答案就越好。

相关内容