¿Qué es Copilot para escribir consultas en el conjunto de consultas KQL?

Copilot le ayuda a transformar sus preguntas de lenguaje natural en consultas del lenguaje de consulta kusto (KQL) sin esfuerzo. Describa las necesidades de análisis o extracción de datos en un lenguaje sencillo y Copilot genera la consulta KQL correspondiente para usted. Esta funcionalidad permite a los usuarios de todos los niveles de aptitudes, incluso aquellos que no están familiarizados con KQL, explorar y analizar datos con facilidad y eficacia.

Para obtener información sobre la facturación, Copilotconsulte Anuncio Copilot de precios de Fabric.

Prerrequisitos

• Un área de trabajo con una capacidad habilitada para Microsoft Fabric
• Acceso de escritura a un conjunto de consultas KQL

Cómo funciona Copilot la escritura de consultas en KQL

Copilot, impulsado por las avanzadas capacidades lingüísticas de OpenAI, simplifica el proceso de creación de consultas en el Lenguaje de Consulta Kusto (KQL) al traducir preguntas en lenguaje natural a KQL. Esta característica elimina la complejidad del aprendizaje de KQL, lo que hace que sea accesible tanto para analistas de datos experimentados como para científicos de datos ciudadanos. Esto simplifica el análisis de datos y aumenta la productividad haciendo que la creación de consultas sea intuitiva y sencilla.

Copilot admite interacciones conversacionales que le permiten aclarar, adaptar y ampliar las consultas dinámicamente, a la vez que mantiene el contexto de las entradas anteriores. Puede refinar las consultas y formular preguntas de seguimiento sin comenzar:

• Refinamiento dinámico de consultas: puede refinar el KQL inicial generado mediante Copilot la refinación del mensaje para quitar la ambigüedad, especificar tablas o columnas, o proporcionar más contexto.

• Preguntas de seguimiento sin problemas: si el KQL generado es correcto, pero desea explorar los datos más profundamente, puede formular preguntas de seguimiento relacionadas con la misma tarea. Puede expandir el ámbito de la consulta, agregar filtros o explorar puntos de datos relacionados mediante la creación del diálogo anterior.

Cómo usar Copilot para escribir consultas en KQL

Puede acceder a Copilot en Fabric de dos maneras:

• Mediante un conjunto de consultas KQL: Vaya a un conjunto de consultas KQL nuevo o existente y use la Copilot característica para generar consultas a partir de mensajes de lenguaje natural.

• A través del icono Editar de Real-Time Paneles: Al editar un icono en un panel deReal-Time, use Copilot para ayudar a crear o refinar consultas KQL directamente dentro de la experiencia de edición del panel.

Siga los pasos para usar Copilot en ambos contextos:

1. En el Copilot panel, escriba la pregunta en lenguaje natural y presione Entrar.

   Después de unos segundos, Copilot genera una consulta KQL basada en la entrada. Puede copiar la consulta en el Portapapeles, Insertarla en el editor de consultas o Reemplazar la consulta en contexto por ella. Para ejecutar la consulta en el editor de consultas, debe tener acceso de escritura al conjunto de consultas KQL.

2. Seleccione el botón Ejecutar para ejecutar la consulta.

   

   Nota:

   • Copilot no genera comandos de control.
   • Copilot no ejecuta automáticamente la consulta KQL generada. Ejecuta las consultas a tu discreción.

Puede seguir realizando preguntas de seguimiento o refinar aún más la consulta. Para iniciar un nuevo chat, seleccione la burbuja de voz en la parte superior derecha del Copilot panel (1).

Mantenga el puntero sobre una pregunta anterior (2) y seleccione el icono de lápiz para copiarlo en el cuadro de pregunta para editarlo o copiarlo en el Portapapeles.

Procedimientos recomendados para usar Copilot para escribir consultas KQL

Estas son algunas sugerencias que pueden ayudar a mejorar la precisión de las consultas KQL generadas por Copilot:

• Comience con indicaciones de lenguaje natural simples para aprender las funcionalidades y limitaciones actuales. A continuación, continúe gradualmente a avisos más complejos.

• Indique la tarea con precisión y evite la ambigüedad. Imagine que ha compartido el mensaje del lenguaje natural con algunos expertos de KQL de su equipo sin agregar instrucciones orales, ¿podrían generar la consulta correcta?

• Para generar la consulta más precisa, proporcione cualquier información relevante que pueda ayudar al modelo. Si puede, especifique tablas, operadores o funciones que son fundamentales para la consulta.

• Preparar la base de datos: agregue propiedades docstring para describir tablas y columnas comunes. Este paso puede ser redundante para nombres descriptivos (por ejemplo, marca de tiempo), pero es fundamental para describir tablas o columnas con nombres sin significado. No es necesario agregar docstring a tablas o columnas que rara vez se usan. Para obtener más información, visite el comando alter table column-docstrings.

• Para mejorar Copilot los resultados, seleccione el icono like o like para enviar sus comentarios en el formulario Enviar comentarios .

  Nota:

  El formulario Enviar comentarios envía el nombre de la base de datos, su dirección URL, la consulta KQL generada por copilot y cualquier respuesta de texto libre que incluya en el envío de comentarios. Los resultados de la consulta KQL ejecutada no se envían.

Agregar capturas privadas

Copilot mejora la solicitud del usuario aprovechando los ejemplos más relevantes (denominados pares de <NL, KQL> o "ejemplos") de una base de datos pública de ejemplos. Esta base de datos, gestionada y mantenida por el equipo de Real-Time Intelligence, se deriva de la documentación de KQL y está disponible para todos los Copilot usuarios. Aunque la base de datos Public Shots proporciona una base sólida, es genérica y carece de conocimientos específicos del dominio de la base de datos KQL actual.

Para mejorar aún más la capacidad de Copilot para generar consultas KQL precisas y complejas adaptadas a sus escenarios específicos, puede crear una base de datos de Capturas Privadas. Este enfoque permite incluir consultas de KQL avanzadas que abordan los requisitos únicos del equipo, como las que usan operadores avanzados de KQL (por ejemplo, semántica de grafos, análisis de series temporales, detección de anomalías) o funciones almacenadas definidas en la base de datos KQL.

Actualmente, las Capturas Privadas se publican automáticamente tanto desde conjuntos de consultas como desde los paneles dinámicos. Al guardar estos artefactos, las consultas de KQL que contienen se publican en la base de datos Private Shots, mejorando la capacidad de Copilot para generar consultas alineadas con sus datos y casos de uso específicos.

Inteligencia artificial responsable y uso de Copilot

Para ver las directrices de Microsoft sobre el uso responsable de la inteligencia artificial, consulte Privacidad, seguridad y uso responsable de Copilot para Real-Time Intelligence.

Microsoft se compromete a garantizar que nuestros sistemas de inteligencia artificial estén guiados por nuestros principios de inteligencia artificial y el estándar de inteligencia artificial responsable. Estos principios incluyen la capacitación de nuestros clientes para que usen estos sistemas de forma eficaz y en consonancia con sus usos previstos. Nuestro enfoque para la inteligencia artificial responsable está evolucionando continuamente para abordar de forma proactiva los problemas emergentes.

Limitaciones

Estas son las limitaciones actuales de Copilot en Fabric:

• Copilot no puede cambiar las consultas KQL existentes en el editor de consultas KQL. Por ejemplo, si pide Copilot al panel de chat que edite una parte específica de una consulta existente, no funciona. Sin embargo, Copilot comprende las entradas anteriores en el panel de chat, por lo que los usuarios pueden iterar las consultas generadas Copilot antes de la inserción.
• Copilot puede producir resultados inexactos cuando la intención es evaluar los datos. Copilot solo tiene acceso al esquema de la base de datos; no tiene acceso a ninguno de los datos.
• Copilot las respuestas pueden incluir contenido inexacto o de baja calidad, por lo que revise las salidas antes de usarlas en el trabajo.
• Las personas que pueden evaluar significativamente la precisión y la idoneidad del contenido deben revisar las salidas.
• El Copilot panel de chat de la base de datos de KQL en Fabric no está disponible actualmente si Private Link está habilitado y el acceso público está deshabilitado en la configuración del inquilino.

Contenido relacionado

• Generación de Real-Time panel con Copilot en Fabric en la carga de trabajo de inteligencia en tiempo real
• Privacidad, seguridad y uso responsable de Copilot para Real-Time Intelligence
• Copilot en Tejido
• Copilot para Microsoft Fabric: Preguntas más frecuentes