Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
L’Agent de données est un outil puissant conçu pour améliorer la précision des résultats des données et fournir aux créateurs un moyen d’incorporer le contexte métier dans leurs requêtes de données. En utilisant l’agent de données, les utilisateurs peuvent interagir avec les données par le biais du langage naturel, ce qui rend les opérations de données complexes plus accessibles et exploitables.
En outre, l’agent de données facilite la création, la curation et la configuration des experts en données, ce qui permet aux organisations de créer des solutions personnalisées qui reflètent leurs processus, scénarios et logique métier uniques. Cette personnalisation garantit que les insights générés ne sont pas seulement précis, mais également contextuelment pertinents.
Cet article décrit les différentes configurations que vous pouvez utiliser pour améliorer votre agent de données.
Instructions de l’agent de données
Les instructions de l’agent de données guident l’agent en générant des réponses précises et pertinentes aux questions des utilisateurs. Ces instructions peuvent spécifier les sources de données à hiérarchiser, décrire comment gérer certains types de requêtes et fournir une terminologie ou un contexte utiles pour interpréter l’intention de l’utilisateur.
Voici un format de départ recommandé pour écrire des instructions efficaces au niveau de l’agent :
## 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"
Instructions de source de données
Les instructions de source de données sont appliquées lorsque l’agent achemine une question vers une source de données spécifique. Ces instructions fournissent le contexte nécessaire pour construire des requêtes précises( dans SQL, DAX ou KQL) afin que l’agent puisse récupérer des informations précises.
Cette section doit inclure des conseils spécifiques à la source de données, tels que les tables, colonnes, relations et toute logique de requête requise pour répondre aux questions courantes ou complexes. Plus le contexte est fourni, plus l’agent peut générer des requêtes précises et significatives.
Utilisez le modèle suivant comme point de départ :
## 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.”
Description de la source de données
Les descriptions des sources de données permettent aux créateurs de fournir un contexte général sur chaque source de données afin que l’Agent de données puisse acheminer intelligemment les questions. Une description doit résumer ce que contient la source de données, les types de questions auxquelles elle peut répondre et toutes les nuances spécifiques à l’entreprise qui permettent de la distinguer d’autres sources. L’agent utilise ces informations pendant son processus de raisonnement pour déterminer quelle source est la plus pertinente pour la requête d’un utilisateur.
Note
L’Agent de données prend également en compte les métadonnées telles que la description, le schéma et les exemples de requêtes pour déterminer la source de données à utiliser lors de la réponse à une question particulière.
Exemples de requêtes de source de données
Les exemples de requêtes, également appelés exemples réduits, sont utilisés par les outils d'agent de données pour améliorer la qualité des requêtes générées. Ils permettent aux créateurs de passer un exemple de logique de requête que l’agent peut référencer lors de la formation d’une réponse. Lorsqu’une source de données est utilisée, l’outil correspondant recherche automatiquement les exemples de requêtes les plus pertinents pour la question de l’utilisateur et passe les trois premiers à l’outil d’agent de données. Ces exemples sont incorporés dans le processus de génération, ce qui aide l’agent à produire des résultats de requête plus précis et contextuelment appropriés.
