Real-Time Intelligence 的隱私權、安全性和負責任使用 Copilot
在本文中，瞭解 Real-Time Intelligence Copilot 的運作方式、其如何保護您的商務數據，並遵守隱私權需求，以及如何負責任地使用衍生式 AI。 如需在 Fabric 中 Copilot 的主題概觀，請參閱 隱私權、安全性和 Copilot的負責任的使用。
此功能利用 OpenAI 的強大功能，將自然語言查詢順暢地翻譯成 Kusto 查詢語言 （KQL），這是查詢大型數據集的特殊語言。 基本上，它可作為使用者日常語言與 KQL 技術複雜之間的橋樑，為不熟悉該語言的使用者消除採用障礙。 藉由利用 OpenAI 的進階語言理解，此功能可讓使用者以熟悉的自然語言格式提交商務問題，然後轉換成 KQL 查詢。
Copilot 藉由簡化查詢建立程式來加速生產力，但也提供方便使用者且有效率的數據分析方法。
Copilot 用於 Real-Time 智能用途
Kusto Copilot 根據基礎數據集數據行名稱/架構，將自然語言商務問題翻譯成 KQL 查詢，藉此加速數據科學家和分析師的數據探索程式。
Copilot 能為 Real-Time 智慧做什麼？
Kusto Copilot 是由 OpenAI 和 Microsoft 開發的產生式 AI 模型所提供。 具體而言，它會使用 OpenAI 的內嵌和完成 API 來建置自然語言提示，併產生 KQL 查詢。
Copilot 的數據用於 Real-Time 智能
Copilot for Real-Time Intelligence 可以存取 Copilot 用戶可存取的數據，例如資料庫架構、使用者定義函式，以及連線資料庫的數據取樣。 Copilot 是指當前連線到 KQL 查詢集的資料庫。 Copilot 不會儲存任何數據。
Copilot 的 Real-Time 智能評估
- 在經過徹底的研究期間，測試了多種組態和方法後，OpenAI 整合方法已證明能產生精確度最高的 KQL 查詢。 Copilot 不會自動執行產生的 KQL 查詢，建議使用者自行執行查詢。
- Kusto Copilot 不會自動執行任何產生的 KQL 查詢，建議使用者自行執行查詢。
Real-Time Intelligence 的 Copilot 限制
- 複雜且冗長的使用者輸入可能會被 Copilot誤解，使得建議的 KQL 查詢可能不正確或具有誤導性。
- 使用者輸入可能會導致資料庫指向非 KQL 數據表或具體化檢視的實體（例如，KQL 函式），這可能會導致不正確或具有誤導性的 KQL 查詢建議。
- 超過 10,000 名使用者在組織內同時使用時，可能會失敗或導致重大的效能問題。
- 用戶應該先驗證 KQL 查詢，再執行以防止不安全的 KQL 查詢執行。
關於 Copilot 使用 Real-Time Intelligence 的秘訣
- 建議您提供詳細的相關自然語言查詢。 此外，您應該向 copilot 提供簡潔且簡單的指示，以避免不正確或具有誤導性的 KQL 查詢建議。 建議您也應該將查詢限制在 KQL 資料表或具體化檢視的資料庫中。
- 例如，如果您要詢問特定數據行的相關信息，請提供數據行名稱和它所包含的數據類型。 如果您想要使用特定運算符或函式，這會對您有幫助。 您提供的資訊越多，Copilot 答案就越好。