可用于 Copilot 将自然语言问题翻译成 Kusto 查询语言 （KQL） 查询。 只需用纯语言描述要分析或查找的内容，并 Copilot 生成相应的 KQL 查询。 此功能使任何人（无论他们熟悉 KQL）都能更轻松地高效地浏览和分析数据。
有关计费信息Copilot，请参阅 Fabric 定价中的公告Copilot。
先决条件
注释
- 在开始使用 Copilot 之前，管理员需要启用租户切换。 有关详细信息，请参阅 Copilot 租户设置一文。
- F2 或 P1 容量需要位于 Fabric 区域可用性一文中列出的其中一个区域。
- 如果租户或容量位于美国或法国以外，默认情况下 Copilot 是禁用的，除非您的 Fabric 租户管理员在 Fabric 管理门户中启用 发送到 Azure OpenAI 的数据可以在租户容量的地理区域、合规边界或国家云实例之外进行处理 租户设置。
- 试用版 SKU 不支持 Microsoft Fabric 中的 Copilot。 仅支持付费 SKU（F2 或更高版本或 P1 或更高版本）。
- 请参阅 Fabric 和 Power BI 中的 Copilot 概述一文获取更多信息。
Copilot在 KQL 中编写查询的功能
Copilot 使你可以毫不费力地将自然语言查询翻译为 Kusto 查询语言 （KQL）。 警察充当日常语言与 KQL 技术复杂之间的桥梁，这样做消除了数据分析师和公民数据科学家的采用障碍。 利用 OpenAI 的高级语言理解，此功能允许你以熟悉的自然语言格式提交业务问题，然后转换为 KQL 查询。 Copilot 通过使用用户友好且高效的数据分析方法来简化查询创建过程，从而提高工作效率。
Copilot 支持 对话交互 ，使你能够动态阐明、调整和扩展查询，同时保持以前的输入的上下文。 可以优化查询并提出后续问题，而无需重新开始：
动态查询优化：可以通过优化提示来删除歧义、指定表或列或提供更多上下文来优化初始 Copilot KQL。
无缝跟进问题：如果生成的 KQL 正确，但想要更深入地探索数据，可以询问与同一任务相关的后续问题。 可以通过基于以前的对话来扩展查询范围、添加筛选器或浏览相关数据点。
用于 Copilot 在 KQL 中编写查询
可以通过两种方式访问 Copilot ：
通过 KQL 查询集： 转到新的或现有的 KQL 查询集 ，并使用 Copilot 该功能从自然语言提示生成查询。
通过 Real-Time 仪表板中的“编辑”磁贴： 在 Real-Time 仪表板中编辑磁贴时，用于 Copilot 帮助直接在仪表板编辑体验中创建或优化 KQL 查询。
请按照以下步骤在任一上下文中使用 Copilot ：
在 Copilot 窗格中，以自然语言输入业务问题。
按 Enter。
几秒钟后， Copilot 根据输入生成 KQL 查询。 可以将查询复制到剪贴板，将其 插入 到查询编辑器，或用它 替换 上下文中的查询。 若要在查询编辑器中运行查询，必须具有对 KQL 查询集的写入访问权限。
选择“ 运行 ”按钮以执行查询。
注释
- Copilot 不生成控件命令。
- Copilot 不会自动运行生成的 KQL 查询。 建议用户自行运行查询。
可以继续提出后续问题或进一步优化查询。 若要开始新的聊天，请选择窗格右上角的 Copilot 语音气泡（1）。
将鼠标悬停在上一个问题（2）上，然后选择 铅笔 图标将其复制到问题框以编辑它或将其复制到剪贴板。
提高编写 KQL 查询的准确性Copilot
下面是一些提示，可帮助提高以下方法 Copilot生成的 KQL 查询的准确性：
从简单的自然语言提示开始，了解当前功能和限制。 然后，逐渐转到更复杂的提示。
准确说明任务，避免歧义。 假设你与团队中的几个 KQL 专家共享了自然语言提示，而无需添加口头说明 - 他们能否生成正确的查询？
若要生成最准确的查询，请提供可帮助模型的任何相关信息。 如果可以，请指定对查询至关重要的表、运算符或函数。
准备数据库：添加 docstring 属性来描述常见表和列。 对于描述性名称（例如时间戳），此步骤可能冗余，但对于描述具有无意义的名称的表或列至关重要。 无需向很少使用的表或列添加 docstring。 有关详细信息，请访问 alter table column-docstrings 命令。
若要改进Copilot结果，请在“提交反馈”表单中选择“类似”或“不喜欢”图标以提交批注。
注释
提交反馈表单提交数据库的名称、其 URL、由 copilot 生成的 KQL 查询以及反馈提交中包含的任何自由文本响应。 不会发送已执行的 KQL 查询的结果。
添加专用镜头
使用 Copilot 增强用户提示，通过来自公共实例数据库中的最相关示例（<NL、KQL> 对，也称为示例片段）。 此数据库由 RTI 团队策划和管理。 它主要基于 KQL 文档，即刻可供 Copilot 的用户使用。 但是，它是一个泛型数据库，不包含当前 KQL DB 的任何特定于域的知识。 为了在您的方案中进一步提升 Copilot 正确生成复杂 KQL 查询的能力，您可以创建一个 Private Shots 数据库。 这样，就可以使用高级 KQL 运算符（例如 图形语义、 时序分析、 异常检测等）和 KQL DB 中定义的 存储函数 ，为团队的特定方案添加高级 KQL 查询。 目前，Private Shots 会自动从查询集和实时仪表板中发布。 保存这些项目会触发在专用快照数据库中发布包含的 KQL 查询。
注释
- 保存这些工件需要几分钟时间，直到它们被发布并准备好由 Copilot 进行检索以增强用户提示。
- 只有 KQL 是必需的。 由 LLM 自动生成相应的自然语言说明。 尽管如此，仍然欢迎您通过前面的注释（必须附加到 KQL）添加 KQL 的简短说明。
- 检查 KQL 查询是否具有有效的语法，只有有效的查询会被添加到专用快照数据库。
- 对于特定用户，Copilot 仅使用对该用户可见的私人镜头。 例如，如果该用户没有查看特定仪表盘或查询集的权限，Copilot则不会使用这些项目中的镜头。
- 由 Copilot 生成并通过 Copilot 的“复制到编辑器”按钮复制到查询集的 KQL 查询，以注释行“// 该 KQL 查询由 AI 生成：”开始，并未发布到专用快照数据库。 如果要包含这些注释，只需删除该批注，并且请保留以下批注（即用户的提示），因为它有助于生成自然语言说明。
限制和注意事项
-
Copilot 可能会建议可能不准确或误导建议的 KQL 查询，因为：
- 复杂且长时间的用户输入。
- 指向非 KQL 数据库表或具体化视图的数据库实体（例如 KQL 函数）的用户输入。