Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Cada agente de datos de Fabric se ejecuta en un entorno de ejecución. El tiempo de ejecución determina los componentes principales del agente: la lógica de orquestación, planeación y enrutamiento, junto con las herramientas integradas de generación de consultas que traducen preguntas de lenguaje natural en consultas en los orígenes de datos.
Fabric ofrece dos entornos de ejecución:
- Tiempo de ejecución estándar : el entorno de ejecución disponible con carácter general (GA), optimizado para un comportamiento estable y predecible.
- Entorno de ejecución en versión preliminar — un entorno de ejecución con las mejoras y modificaciones más recientes en los componentes principales (por ejemplo, las herramientas integradas para generar consultas o la lógica de enrutamiento del agente), antes de que esos cambios pasen a estar disponibles de forma general.
El entorno de ejecución que elija determina cómo y cuándo los cambios en los componentes principales del agente llegan a su agente. No determina qué fuentes de datos puedes añadir. Algunas configuraciones de vista previa, como las descripciones de objetos de esquema, solo están disponibles en el tiempo de ejecución de la previsualización.
Important
Las actualizaciones del modelo al modelo de lenguaje grande subyacente (LLM) se aplican de forma coherente en los entornos de ejecución estándar y en versión preliminar. La selección en tiempo de ejecución no controla qué modelo usa el agente de datos.
Tiempo de ejecución estándar
El tiempo de ejecución estándar es el entorno de ejecución de disponibilidad general y es el valor predeterminado para los nuevos agentes de datos. Contiene las implementaciones disponibles con carácter general de los componentes principales del agente, entre las que se incluyen:
- Herramientas integradas de generación de consultas que traducen preguntas en lenguaje natural en consultas en las fuentes de datos compatibles, incluidas Lakehouse, Data Warehouse, SQL Database, Mirrored Database, Eventhouse KQL Database y el modelo semántico de Power BI.
- La lógica de orquestación, planeación y enrutamiento del agente principal.
Las actualizaciones del entorno de ejecución estándar son poco frecuentes. Los cambios llegan aquí solo después de superar la validación en el entorno de ejecución de versión preliminar y pasar a disponibilidad general. Elija el entorno de ejecución estándar para los agentes de datos de producción en los que el comportamiento coherente y la renovación mínima entre versiones son importantes.
Tiempo de ejecución de la versión preliminar
El entorno de ejecución preliminar contiene las mejoras más recientes de las herramientas integradas y la orquestación antes de que pasen a disponibilidad general. Estas actualizaciones pueden incluir:
- Nuevas herramientas integradas que aún no están disponibles en el entorno de ejecución estándar.
- Modificaciones y mejoras de calidad en las herramientas integradas existentes (por ejemplo, las actualizaciones de cómo el agente genera o valida las consultas de un origen de datos determinado).
- Cambios en la lógica principal de orquestación, planeación o enrutamiento del agente.
Las actualizaciones del entorno de ejecución de la versión preliminar son más frecuentes y el comportamiento puede cambiar entre versiones. Elija el entorno de ejecución en versión preliminar cuando quiera evaluar los próximos cambios, compruebe que los agentes siguen funcionando según lo previsto o proporcionen comentarios sobre las mejoras antes de llegar a disponibilidad general.
Lo que se encuentra actualmente en el entorno de ejecución de versión preliminar
Las siguientes actualizaciones se incluyen en el entorno de ejecución de versión preliminar hoy mismo. Esta lista cambia a medida que se incorporan nuevas mejoras y que las existentes pasan a disponibilidad general (GA).
| Mejora | Feature | Description |
|---|---|---|
| Contexto de esquema para fuentes de datos SQL | Descripciones de objetos de esquema (Vista previa) | Añade contexto empresarial para tablas, columnas y otros elementos de esquema para ayudar al agente de datos a interpretar esquemas SQL grandes o ambiguos y generar consultas más precisas. |
| Consulta de ejemplo mejorada a continuación | NL2SQL avanzado | NL2SQL se adhiere más estrechamente a los patrones que se muestran en la biblioteca de consultas de ejemplo, en lugar de agregar lógica o restricciones adicionales que no estaban en los ejemplos. |
| Sustitución de valores de filtro | NL2SQL avanzado | NL2SQL razona sobre los valores de filtro implícitos y los sustituye por los correctos, incluso cuando se infieren varios filtros categóricos o booleanos en lugar de expresarse explícitamente. |
| Control de ambigüedad | NL2SQL avanzado | NL2SQL detecta preguntas ambiguas y formula una pregunta aclarada antes de generar SQL, en lugar de confirmar en una suposición que puede producir la respuesta incorrecta. |
| Manejo de preguntas complejas más preciso | Generación avanzada de DAX | La generación de DAX razona a lo largo de varios pasos, inspecciona los resultados, resuelve ambigüedades y refina su enfoque para responder preguntas complejas con mayor precisión. |
| Generación de filtros más fiable | Generación avanzada de DAX | La generación DAX busca valores dentro de las columnas del modelo semántico para identificar los valores correctos de los filtros y generar consultas más fiables. |
También puede cambiar un agente de datos para que use el entorno de ejecución de versión preliminar mediante programación con el SDK de Python del agente de datos de Fabric:
data_agent = FabricDataAgentManagement(data_agent_name)
# Switch to the preview runtime
data_agent.update_configuration(enable_preview_features=True)
config = data_agent.get_configuration()
print(f"Preview runtime enabled: {config.enable_experimental_features}")
# Switch back to the standard runtime
data_agent.update_configuration(enable_preview_features=False)
config = data_agent.get_configuration()
print(f"Preview runtime enabled: {config.enable_experimental_features}")
Note
El tiempo de ejecución que usa un agente de datos publicado se establece mediante la configuración del agente en el momento de la publicación. Si publica un agente de datos mientras está configurado para usar el entorno de ejecución de la versión preliminar, la versión publicada continúa ejecutándose en el entorno de ejecución de la versión preliminar hasta que vuelva a publicar el agente con otra selección en tiempo de ejecución.