Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Der Daten-Agent ist ein leistungsfähiges Tool, das die Genauigkeit von Datenergebnissen verbessert und Erstellern eine Möglichkeit bietet, den Geschäftskontext in ihre Datenabfragen zu integrieren. Mithilfe des Daten-Agents können Benutzer über natürliche Sprache mit Daten interagieren und komplexe Datenvorgänge barrierefreier und umsetzbarer machen.
Darüber hinaus erleichtert der Datenagent die Erstellung, Pflege und Konfiguration von Datenexperten, wodurch Organisationen in die Lage versetzt werden, angepasste Lösungen zu entwickeln, die ihre einzigartigen Prozesse, Szenarien und ihre Geschäftslogik widerspiegeln. Durch diese Anpassung wird sichergestellt, dass die generierten Erkenntnisse nicht nur korrekt, sondern auch kontextbezogen relevant sind.
In diesem Artikel werden die verschiedenen Konfigurationen beschrieben, die Sie verwenden können, um Ihren Daten-Agent zu verbessern.
Daten-Agent-Anweisungen
Die Anweisungen des Datenagenten leiten den Agent bei der Erstellung präziser und relevanter Antworten auf Benutzerfragen. Diese Anweisungen können angeben, welche Datenquellen priorisiert werden sollen, wie bestimmte Arten von Abfragen behandelt werden sollen, und hilfreiche Terminologie oder Kontext für die Interpretation von Benutzerabsichten bereitstellen.
Hier ist ein empfohlenes Startformat zum Schreiben effektiver Anweisungen auf Agentebene:
## Objective
// Describe the overall goal of the agent.
// Example: "Help users analyze retail sales performance and customer behavior across regions."
## Data sources
// Specify which data sources the agent should consider, and in what order of priority.
// Example: "Use 'SalesLakehouse' for product and transaction data. Use 'CRMModel' for customer demographics."
## Key terminology
// Define terms or acronyms the agent may encounter in user queries.
// Example: "'GMV' refers to Gross Merchandise Value."
## Response guidelines
// Set expectations for how the agent should format or present answers.
// Example: ""
## Handling common topics
// Provide special handling rules or context for frequently asked topics.
// Example: "When asked about customers, use the 'ChurnModelScoring' Lakehouse to get customer details. Then, list any open support tickets"
Anweisungen zur Datenquelle
Anweisungen zur Datenquelle werden angewendet, wenn der Agent eine Frage an eine bestimmte Datenquelle weiter leitet. Diese Anweisungen stellen den Kontext bereit, der zum Erstellen präziser Abfragen erforderlich ist – sei es in SQL, DAX oder KQL –, damit der Agent genaue Informationen abrufen kann.
Dieser Abschnitt sollte datenquellenspezifische Anleitungen enthalten, z. B. relevante Tabellen, Spalten, Beziehungen und alle Abfragelogik, die zur Beantwortung allgemeiner oder komplexer Fragen erforderlich ist. Je mehr Kontext bereitgestellt wird, desto effektiver kann der Agent genaue und aussagekräftige Abfragen generieren.
Verwenden Sie die folgende Vorlage als Ausgangspunkt:
## General knowledge
// Share general background information the agent should consider when querying this data source.
## Table descriptions
// Describe key tables and important columns within those tables.
## When asked about
// Provide query-specific logic or table preferences for certain topics.
// Example: “When asked about shoe sales, always use the SalesProduct table.”
Datenquellenbeschreibung
Beschreibungen von Datenquellen ermöglichen es Erstellern, allgemeine Kontexte zu jeder Datenquelle bereitzustellen, damit der Daten-Agent Fragen intelligent weiterleiten kann. Eine Beschreibung sollte zusammenfassen, was die Datenquelle enthält, die Arten von Fragen, die sie beantworten kann, und alle geschäftsspezifischen Nuancen, die sie von anderen Quellen unterscheiden. Der Agent verwendet diese Informationen während des Begründungsprozesses, um zu bestimmen, welche Quelle für die Abfrage eines Benutzers am relevantesten ist.
Hinweis
Der Daten-Agent berücksichtigt auch Metadaten wie die Beschreibung, das Schema und Beispielabfragen, um zu bestimmen, welche Datenquelle bei der Beantwortung einer bestimmten Frage verwendet werden soll.
Beispielabfragen für Datenquellen
Beispielabfragen, auch als Few-Shot-Beispiele bezeichnet, werden von Datenagenten-Tools verwendet, um die Qualität der generierten Abfragen zu verbessern. Sie ermöglichen es Erstellern, Beispielabfragelogik zu übergeben, auf die der Agent beim Erstellen einer Antwort verweisen kann. Wenn eine Datenquelle verwendet wird, sucht das entsprechende Tool automatisch die relevantesten Beispielabfragen für die Frage des Benutzers und übergibt die obersten drei an das Daten-Agent-Tool. Diese Beispiele werden in den Generierungsprozess integriert und helfen dem Agent, genauere und kontextbezogenere Abfrageergebnisse zu erzielen.
