AI 技能概念 (預覽)
透過 Microsoft Fabric AI 技能，您可以讓同事更容易存取資料。 您可以設定產生式 AI 系統來產生查詢，回答有關您資料的問題。 設定 AI 技能之後，可以與同事共用，然後以簡單的英文詢問其問題。 根據其問題，AI 會針對回答這些問題的資料產生查詢。
重要
此功能處於預覽。
AI 技能的運作方式
AI 技能依賴產生式 AI，特別是大型語言模型 (LLM)。 這些 LLM 可以根據特定結構描述和問題，產生查詢，例如 T-SQL 查詢。 系統會將 AI 技能中的問題、所選資料的相關資訊 (包括資料表和資料行名稱，以及資料表中找到的資料類型) 傳送至 LLM。 接下來，它會要求產生回答問題的 T-SQL 查詢。 剖析產生的查詢，以確保不會以任何方式變更資料。 然後執行該查詢。 最後，顯示查詢執行結果。 AI 技能的目的是存取特定的資料庫資源，然後產生並執行相關的 T-SQL 查詢。
AI 技能設定
請考慮 AI 技能，因為您可能會考慮 Power BI 報表。 您先建置報表，然後與同事共用報表，以便取用報表來取得其資料見解。 AI 技能的運作方式類似。 您必須先建立和設定 AI 技能。 然後，您可以與同事共用。
您應該在 AI 技能正常運作之前，先處理一些必要的設定步驟。 AI 技能通常可為合理的問題提供現用的解答，但會為您的特定情況提供不正確的答案。 錯誤答案通常會發生，因為 AI 遺漏了貴公司、設定或定義重要詞彙的內容。 若要解決此問題，請提供 AI 的指示和範例問題查詢組。 您可以使用這些功能強大的技術，引導 AI 獲得正確的答案。
AI 技能與 Copilot 之間的差異
AI 技能與 Fabric Copilot 背後的技術很類似。 兩者都使用產生式 AI 來推論資料。 它們也存在一些主要差異：
- 設定：使用 AI 技能，可以將 AI 設定為以所需方式運作。 您可以提供指示和範例，進行微調，使其符合您的特定使用案例。 Fabric Copilot 不提供此設定彈性。
- 使用案例：Copilot 可以協助您在 Fabric 上執行工作。 它可協助您產生筆記本程式碼或資料倉儲查詢。 相反地，AI 技能會獨立運作。 您最終可將其連線到 Microsoft Teams 和 Fabric 以外的其他區域。
評估 AI 技能
- 產品小組針對不同的公開和私人 T-SQL 工作基準測試了 AI 技能，以確定 SQL 查詢的品質。
- 產品小組也投資了額外的危害風險降低舉措。 其中包括技術方法，將 Copilot 輸出的焦點放在所選資料來源的內容上。
限制
AI 技能目前處於公開預覽狀態，且具有限制。 更新會隨著時間推移改善 AI 技能。
- 產生式 AI 不會解譯已執行 T-SQL 查詢的結果。 它僅會產生該查詢。
- AI 技能有可能會傳回不正確的答案。 您應該與同事測試 AI 技能，以確認其是否如預期地回答問題。 如果犯錯，請提供更多範例和指示。
- 僅支援倉儲和 Lakehouse 上的 T-SQL 查詢。
- AI 技能僅會產生 T-SQL「讀取」查詢。 它不會產生建立、更新或刪除資料的 T-SQL 查詢。
- AI 技能只能存取您提供的資料。 它只會使用您提供的資料資源組態。
- AI 技能具有符合授與 AI 技能問題者權限的資料存取權限。 當 AI 技能發佈至其他位置，例如 Copilot for Microsoft 365 或 Microsoft Copilot Studio 時，情況就是如此。
- 您無法使用 AI 技能來存取非結構化資料資源。 例如，這些資源包括.pdf、.docx 或 .txt 檔案。
- 此時，您僅能選取單一倉儲或單一 Lakehouse。
- AI 技能不支援對話式介面。 每個問題都必須完全獨立。 它不記得先前的問題。
- 它會封鎖非英文的問題或指示。
- 您無法將 AI 技能連線到 Fabric Copilots、Microsoft Teams 或其他 Fabric 外部的體驗。
- 您無法變更 AI 技能使用的 LLM。
- 如果您使用非描述性資料行名稱，AI 技能就會失去正確性。
- 如果您使用具有數十個資料表的大型結構描述，AI 技能就會失去精確度。
- AI 技能處於預覽狀態。 其範圍有限，而且可能存在 Bug。 基於這些考慮，我們建議您避免其在生產系統中使用。 也請避免將其用於重大決策。
- 非描述性資料資源資料行和資料表名稱會對產生的 T-SQL 查詢品質產生顯著的負面影響。 我們建議使用描述性名稱。
- 使用太多資料行和資料表可能會降低 AI 技能效能。
- AI 技能目前設計用來處理簡單的查詢。 需要許多聯結或複雜邏輯的複雜查詢通常具有較低的可靠性。