Konfigurieren Des Daten-Agents

Ein Data Agent ermöglicht es Nutzern, mit Daten über natürliche Sprache zu interagieren. Um die Genauigkeit der Ergebnisse zu verbessern, fügen Sie Geschäftskontext hinzu, der prägt, wie der Agent Fragen interpretiert und Anfragen erstellt. Dieser Kontext hilft Ihnen, maßgeschneiderte Lösungen zu schaffen, die die Prozesse, Szenarien und Geschäftslogik Ihrer Organisation widerspiegeln, sodass die vom Agenten generierten Erkenntnisse sowohl korrekt als auch kontextuell relevant sind.

Dieser Artikel beschreibt die Konfigurationen, die Sie verwenden können, um Ihren Datenagenten 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.

Verwenden Sie dieses empfohlene Format, um effektive Anweisungen auf Agentenebene zu schreiben:

## 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: "Present results as a short summary followed by a table of the supporting data."

## 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 helfen Erstellern, einen übergeordneten Kontext zu jeder Datenquelle bereitzustellen, damit der Datenagent 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.

Beispielabfragen für Datenquellen

Beispielabfragen, auch bekannt als few-shot-Beispiele, werden von Data Agent-Tools verwendet, um die Qualität erzeugter 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.

Schema-Objektbeschreibungen (Vorschau)

Für SQL-Datenquellen liefern Schema-Objektbeschreibungen Geschäftskontext für Tabellen, Spalten und andere Elemente in einem Datenquellenschema. Der Datenagent nutzt diese Beschreibungen, um große oder mehrdeutige Schemata zu interpretieren und zu verstehen, was jedes Element darstellt, was ihm hilft, genauere Abfragen zu erzeugen.

Um zu lernen, wie man Beschreibungen fügt und verwaltet, siehe Schema-Objektbeschreibungen hinzufügen (Vorschau).

Nächste Schritte

• Daten-Agent-Konzept
• Daten-Agent-Szenario