Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
Copilot ajuda-o a transformar as suas perguntas de linguagem natural em consultas Kusto Query Language (KQL) sem esforço. Descreva as suas necessidades de análise ou extração de dados em linguagem simples e Copilot gere a correspondente consulta KQL para si. Esta funcionalidade capacita utilizadores de todos os níveis de competência, mesmo aqueles que não estão familiarizados com o KQL, a explorar e analisar dados com facilidade e eficiência.
Para obter informações de faturamento sobre Copilot, consulte Anunciando Copilot em preços do Fabric.
Pré-requisitos
- Um espaço de trabalho com uma capacidade habilitada para Microsoft Fabric
- Acesso de escrita a um conjunto de consultas KQL
Observação
- O administrador precisa ativar a troca de inquilino antes de começar a usar Copilot. Consulte o artigo Copilot Configurações do locatário para obter detalhes.
- Sua capacidade F2 ou P1 precisa estar numa das regiões listadas neste artigo, Disponibilidade de regiões do Fabric.
- Se o seu inquilino ou capacidade estiver fora dos Estados Unidos ou da União Europeia, Copilot está desativado por padrão. O administrador do seu tenant Fabric também terá de ativar a definição de tenant Os dados enviados para o Azure OpenAI podem ser processados fora da região geográfica da capacidade da sua instância, das limitações de conformidade ou da instância de nuvem nacional no portal Fabric Admin para usar Copilot.
- Copilot no Microsoft Fabric não é suportada em SKUs de avaliação. Apenas SKUs pagos (F2 ou superior, ou P1 ou superior) são suportados.
- Consulte o artigo Visão geral do in Fabric e do Copilot Power BI para obter mais informações.
Como Copilot funciona para a escrita de consultas no KQL
Copilot, impulsionado pelas capacidades avançadas de linguagem da OpenAI, simplifica o processo de criação de consultas na Linguagem de Consulta Kusto (KQL) traduzindo perguntas em linguagem natural para KQL. Esta funcionalidade elimina a complexidade de aprender KQL, tornando-o acessível tanto a analistas de dados experientes como a cientistas de dados cidadãos. Isto simplifica a análise de dados e aumenta a produtividade ao tornar a criação de consultas intuitiva e direta.
Copilot suporta interações conversacionais que permitem que você esclareça, adapte e estenda suas consultas dinamicamente, mantendo o contexto de suas entradas anteriores. Você pode refinar consultas e fazer perguntas de acompanhamento sem começar de novo:
Refinamento dinâmico da consulta: você pode refinar o KQL inicial gerado refinando Copilot seu prompt para remover ambiguidade, especificar tabelas ou colunas ou fornecer mais contexto.
Perguntas de acompanhamento contínuas: Se o KQL gerado estiver correto, mas você quiser explorar os dados mais profundamente, você pode fazer perguntas de acompanhamento relacionadas à mesma tarefa. Você pode expandir o escopo da consulta, adicionar filtros ou explorar pontos de dados relacionados com base em diálogos anteriores.
Como usar Copilot para escrever consultas no KQL
Podes aceder Copilot no Fabric de duas formas:
Através de um conjunto de consultas KQL: Vá para um conjunto de consultas KQL novo ou existente e use o Copilot recurso para gerar consultas a partir de prompts de linguagem natural.
No bloco Editar dos Dashboards em Tempo Real: Ao editar um painel em um painel em Tempo Real, use Copilot para ajudar a criar ou refinar consultas KQL diretamente na edição do painel.
Siga os passos para usar Copilot em qualquer contexto:
No Copilot painel, introduza a sua pergunta em linguagem natural e pressione Enter.
Após alguns segundos, Copilot gera uma consulta KQL com base na sua entrada. Você pode copiar a consulta para a área de transferência, inseri-la no editor de consultas ou substituir a consulta no contexto com ela. Para executar a consulta no editor de consultas, é necessário ter permissão de escrita no queryset KQL.
Selecione o botão Executar para executar a consulta.
Observação
- Copilot não gera comandos de controle.
- Copilot não executa automaticamente a consulta KQL gerada. Faça as consultas a seu critério.
Pode continuar a fazer perguntas de acompanhamento ou refinar ainda mais a sua consulta. Para iniciar um novo chat, selecione o balão de fala no canto superior direito do Copilot painel (1).
Passe o cursor sobre uma pergunta anterior (2) e selecione o ícone de lápis para copiá-lo para a caixa de perguntas para editá-lo ou copiá-lo para a área de transferência.
Boas práticas para usar Copilot para escrever consultas KQL
Aqui estão algumas dicas que podem ajudar a melhorar a precisão das consultas KQL geradas por Copilot:
Comece com instruções simples de linguagem natural para aprender as capacidades e limitações atuais. Em seguida, prossiga gradualmente para instruções mais complexas.
Indique a tarefa com precisão e evite ambiguidades. Imagine que você compartilhou o prompt de linguagem natural com alguns especialistas em KQL de sua equipe sem adicionar instruções orais - eles seriam capazes de gerar a consulta correta?
Para gerar a consulta mais precisa, forneça todas as informações relevantes que possam ajudar o modelo. Se puder, especifique tabelas, operadores ou funções que são essenciais para a consulta.
Prepare seu banco de dados: adicione propriedades docstring para descrever tabelas e colunas comuns. Esta etapa pode ser redundante para nomes descritivos (por exemplo, carimbo de data/hora), mas é fundamental para descrever tabelas ou colunas com nomes sem significado. Não é necessário adicionar docstring a tabelas ou colunas que raramente são usadas. Para obter mais informações, visite o comando alter table column-docstrings.
Para melhorar Copilot os resultados, selecione o ícone de curtir ou não gostar para enviar seus comentários no formulário Enviar feedback .
Observação
O formulário Enviar comentários envia o nome do banco de dados, sua URL, a consulta KQL gerada pelo copiloto e qualquer resposta de texto livre que você incluir no envio de comentários. Os resultados da consulta KQL executada não são enviados.
Adicionando fotos privadas
Copilot melhora o prompt do utilizador ao aproveitar os exemplos mais relevantes (referidos como <NL, pares KQL> ou "shots") de uma base de dados Public Shots. Esta base de dados, curada e mantida pela equipa Real-Time Intelligence, deriva da documentação KQL e está facilmente disponível para todos Copilot os utilizadores. Embora a base de dados Public Shots forneça uma base sólida, é genérica e carece de conhecimento específico da sua base de dados KQL atual.
Para melhorar ainda mais a capacidade de Copilot de gerar consultas KQL precisas e complexas adaptadas aos seus cenários específicos, pode criar uma base de dados privada chamada "Private Shots". Esta abordagem permite-lhe incluir consultas KQL avançadas que respondam aos requisitos únicos da sua equipa, como aquelas que utilizam operadores KQL avançados (por exemplo, semântica de grafos, análise de séries temporais, deteção de anomalias) ou Funções Armazenadas definidas na sua base de dados KQL.
Atualmente, os Private Shots são publicados automaticamente tanto a partir de conjuntos de consultas como de dashboards em tempo real. Ao guardar estes artefatos, as consultas KQL que contêm são publicadas na base de dados "Private Shots", melhorando a capacidade do Copilot de gerar consultas alinhadas com os seus dados e casos de uso específicos.
Observação
- Depois de guardar os artefatos dos Private Shots, pode demorar alguns minutos até serem publicados e estarem disponíveis para serem usados por Copilot.
- Apenas o KQL é obrigatório. O LLM gerou a descrição respetiva em NL. Ainda assim, podes adicionar uma breve descrição do KQL num comentário anterior (que deve estar anexado ao KQL).
- As consultas KQL são verificadas quanto à sintaxe válida; apenas as consultas válidas são adicionadas à base de dados de Capturas Privadas.
- Copilot usa apenas Tiros Privados acessíveis ao utilizador. Se não tiveres permissão para ver um dashboard ou conjunto de consultas específico, Copilot não utilizes imagens desses artefactos.
- As consultas KQL geradas por Copilot e inseridas no conjunto de consultas usando o botão "Copiar para o Editor" incluem uma linha de comentário:
// This KQL query was generated by AI:. Estas consultas não são publicadas na base de dados do Private Shots. Para os incluir, remova este comentário mantendo o comentário seguinte contendo o prompt do utilizador, pois ajuda a gerar a descrição em linguagem natural.
A IA responsável e a utilização de Copilot
Para consultar as diretrizes da Microsoft sobre o uso responsável de IA, consulte Privacidade, segurança e uso responsável de Copilot para Real-Time Inteligência.
A Microsoft está comprometida em garantir que nossos sistemas de IA sejam guiados por nossos princípios de IA e Padrão de IA Responsável. Estes princípios incluem capacitar os nossos clientes para utilizarem estes sistemas de forma eficaz e de acordo com as utilizações pretendidas. A nossa abordagem à IA responsável está em constante evolução para abordar proativamente questões emergentes.
Limitações
Estas são as limitações atuais do Copilot no Fabric:
- Copilot não é possível alterar consultas KQL existentes no editor de consultas KQL. Por exemplo, se pedir Copilot ao painel de chat para editar uma parte específica de uma consulta existente, não funciona. No entanto, Copilot compreende as entradas anteriores no painel de chat, permitindo que os utilizadores iterem sobre as consultas que Copilot geraram antes da inserção.
- Copilot pode produzir resultados imprecisos quando a intenção é avaliar dados. Copilot só tem acesso ao esquema da base de dados; Não tem acesso a nenhum dos dados.
- Copilot As respostas podem incluir conteúdo impreciso ou de baixa qualidade, por isso revise os resultados antes de os utilizar no seu trabalho.
- As pessoas que podem avaliar significativamente a precisão e adequação do conteúdo devem rever os resultados.
- O Copilot painel de chat do Fabric na base de dados KQL não está atualmente disponível se o Private Link estiver ativado e o Acesso Público estiver desativado na configuração do tenant.