Data Agent Microsoft Fabric mahdollistaa organisaatioille keskustelukokemusten rakentamisen yritysdatan päälle. Yhdistämällä Fabric-artefaktit Data Agentiin käyttäjät voivat kääntää luonnollisen kielen kysymyksiä tarkkoiksi kyselyiksi, mikä antaa sidosryhmille, analyytikoista johtajiin, mahdollisuuden avata oivalluksia ilman yhtäkään koodiriviä. Tässä artikkelissa käydään läpi kaikki Data Agentin tukemat tietolähteet ja kunkin tietolähteen konfigurointimahdollisuudet.
Yleiskatsaus
Data Agent tukee seuraavia tietolähdeluokkia:
| Kategoria |
Esineitä |
Kyselykieli |
Keskeinen skenaario |
|
SQL |
Lakehouse, tietovarasto, SQL-tietokanta, peilatut tietokannat |
T-SQL |
Rakenteellinen analytiikka relaatio- ja Delta Lake -datan yli |
|
Eventhouse |
Eventhouse KQL -tietokanta |
KQL |
Reaaliaikainen älykkyys ja aikasarjaanalytiikka |
|
Semanttinen malli |
Power BI:n semanttiset mallit |
DAX |
Liiketoimintalogiikka, lasketut mittarit ja kuratoidut mittarit |
|
Kaavio (esikatselu) |
Kaavion malli |
GQL |
Suhderikas datan tutkimus ja graafianalytiikka |
|
Ontologia (ennakko) |
Fabric Ontology |
Ontologia-alkuperäinen |
Toimialan tieto ja semanttinen konteksti datan integrointiin |
|
Azure AI Search (preview) |
Azure AI Search Index |
Luonnollinen kieli + haku |
Rakenteeton tiedonhaku (PDF-tiedostot, teksti, rikastettu sisältö) |
Vinkki
Yksi Data Agent voi yhdistää jopa viisi tietolähdettä millä tahansa yhdistelmällä, jolloin voit yhdistää jäsenneltyä, reaaliaikaista, semanttista ja jäsentämätöntä dataa yhteen keskustelukokemukseen.
Tuetut esineet
-
Lakehouse—Delta Lake -taulukot ilmestyivät SQL Analytics Endpointin kautta.
-
tietovarasto—Täysi Fabric varasto T-SQL-pinta-alalla.
-
SQL Database—Fabric-natiivit SQL-tietokannat.
-
Peilatut tietokannat—Ulkoiset tietokannat, jotka on peilattu Fabric (esimerkiksi Azure SQL, Cosmos DB, Snowflake).
Jokainen SQL-lähdekoodi Fabric:ssa sisältää SQL Analytics Endpointin, joka on suorituskykyinen, vain luku -luku -T-SQL-kyselypinta OneLake Delta -datan päällä. Data Agent hyödyntää sisäänrakennettua NL2SQL-palvelua , joka:
- Muuntaa käyttäjän luonnollisen kielen kysymyksen T-SQL-kyselyksi käyttäen valittuja skeemaa, ohjeita ja esimerkkikyselyitä.
- Validoi generoidun kyselyn skeemavalintaa vastaan varmistaakseen, että se viittaa vain hyväksyttyihin tauluihin ja näkymiin.
- Suorittaa kyselyn SQL Analytics Endpointin kautta ja palauttaa ihmisen luettavat tulokset.
Tuetut esineet
-
Eventhouse KQL Database—Fabric:n Real-Time Intelligence -tallennus suoratoisto-, tapahtumalähtöiselle ja aikasarja-datalle.
Data Agent yhdistyy Eventhouse KQL Database Endpointiin ja hyödyntää Kuston sisäänrakennettua NL2KQL :ää, mahdollistaen seuraavat ominaisuudet:
- Käyttäjän kysymys käännetään KQL-kyselyksi valitun skeeman ja annettujen ohjeiden tai esimerkkien avulla.
- Kysely validoidaan varmistamaan, että se koskee vain hyväksyttyjä skeeman entiteettejä.
- Hyväksynnän jälkeen kysely suoritetaan Kusto-moottoria vastaan—optimoituna matalan viiveen ja suuren läpimenon analytiikkakuormiin.
Tuetut esineet
-
Power BI Semanttiset mallit—Julkaistuja aineistoja, jotka sisältävät taulukoita, suhteita, mittareita, laskettuja sarakkeita ja hierarkioita.
Jokainen semanttinen malli Fabric:ssa paljastaa XMLA Endpointin, jota Data Agent käyttää DAX-kyselyjen suorittamiseen. Sisäänrakennettu NL2DAX-palvelu :
- Kääntää luonnollisen kielen DAX-kyselyksi hyödyntäen mallin metatietoja (taulukkokuvaukset, sarakkeiden synonyymit, mittamääritelmät, suhteet).
- Validoi kyselyn valittua skeemaa vastaan.
- Suoritetaan XMLA-päätepisteen kautta ja palauttaa muotoillut tulokset.
Tuetut esineet
-
graafimalli—Fabric graafiartefakteja, jotka määrittelevät solmu- ja reunaskeemat.
Graph Data Agent voi ajaa GQL-kyselyjä ja saada oivalluksia graafitietolähteistäsi Fabric. Tällaisen agentin konfigurointia varten lisää graafimalli tai graafikyselyjoukko tietolähteeksi.
Kun dataagentti ajaa GQL:n graafitietolähdettä vastaan, taustalla oleva Fabric Graph -artefakti suorittaa kyselyn suorituksen, mikä aiheuttaa graph-operaation kulutuksen.
Tuetut esineet
-
Fabric Ontologia—Semanttinen kerros, joka kattaa domain-tietoa, entiteettimääritelmiä ja suhteita.
Kun ontologia on konfiguroitu Fabric-ohjelmassa, se voidaan lisätä Data Agentin tietolähteeksi. Agentti käyttää ontologiaa ymmärtääkseen toimialueen kontekstia ja vastatakseen organisaatiosi tietomalliin perustuviin kysymyksiin.
Tuetut esineet
-
Azure AI Search Index—Indeksit, jotka on rakennettu Azure AI Foundry rakenteettoman sisällön, kuten PDF-tiedostojen, tekstitiedostojen ja muiden rikastettujen asiakirjojen päälle.
Data Agent yhdistää suoraan Azure AI Search -indeksiisi resurssi-URL-osoitteen kautta. Kun käyttäjä esittää kysymyksen, agentti lähettää kyselyn (käyttäjän henkilöllisyydellä käyttöoikeuksien hallintaa varten) hakuindeksiin, hakee olennaisimmat asiakirjan osat ja laatii lopullisen vastauksen. Viitteet sisällytetään automaattisesti, kun indeksi sisältää URL- tai tiedostopolkukentät.
SQL-lähteiden tukemat asetukset
| Konfigurointi |
Tuettu |
Yksityiskohdat |
| Skeeman valinta |
✅ Kyllä |
Valitse tietyt taulukot, näkymät ja funktiot agentin laajuuden määrittämiseksi. |
| Agentin ohjeet |
✅ Kyllä |
Ohjaa agenttia siinä, milloin ja miten kysymykset kannattaa ohjata tähän lähteeseen. |
| Tietolähdekäskyt |
✅ Kyllä |
Anna taulukkokuvaukset, liitoslogiikka, avainsarakeiden tiedot ja liiketoimintaterminologia NL2SQL:ään. |
| Tietolähteen kuvaus |
✅ Kyllä |
Kuvaus, joka auttaa agenttia arvioimaan, onko tämä tietolähde relevantti käyttäjän kysymykseen. |
|
Skeemaobjektien kuvaukset (Esikatselu) |
✅ Kyllä |
Tarjoa liiketoimintakonteksti tauluille, sarakkeille ja muille skeemaelementeille SQL-kyselyiden generoinnin parantamiseksi. Saatavilla vain esikatseluaikana. |
| Esimerkkikyselyt |
✅ Kyllä |
Tarjoa luonnollisen kielen ja SQL-pareja, jotta agentti voi oppia monimutkaisia kyselymalleja. Parhaat esimerkit haetaan automaattisesti vektorien samankaltaisuuden avulla. |
Eventhouse KQL:n lähteiden tukemat kokoonpanot
| Konfigurointi |
Tuettu |
Yksityiskohdat |
| Skeeman valinta |
✅ Kyllä |
Valitse tietyt taulukot, materialisoidut näkymät, funktiot ja pikakuvakkeet agentin laajuuden määrittämiseksi. |
| Agentin ohjeet |
✅ Kyllä |
Ohjaa agenttia siinä, milloin ja miten kysymykset kannattaa ohjata tähän lähteeseen. |
| Tietolähdekäskyt |
✅ Kyllä |
Tarjoa kontekstia NL2KQL:n taulukoista, MV:istä, funktioista ja pikanäppäimistä. |
| Tietolähteen kuvaus |
✅ Kyllä |
Kuvaus, joka auttaa agenttia arvioimaan, onko tämä tietolähde relevantti käyttäjän kysymykseen. |
| Esimerkkikyselyt |
✅ Kyllä |
Tarjoa luonnollisen kielen/KQL-parit agentille monimutkaisten aggregaatioiden ja yhdistämiskuvioiden opettamiseen. |
Semanttista mallia tukevat konfiguraatiot
| Konfigurointi |
Tuettu |
Yksityiskohdat |
| Skeeman valinta |
✅ Kyllä* |
Valitse taulukot paljastettavaksi. Saraketason ohjaus on käytettävissä, kun Prep for AI on konfiguroitu Power BI. |
| Agentin ohjeet |
✅ Kyllä |
Ohjaa agenttia, milloin valita semanttinen malli vastaamaan kysymyksiin. |
| Tietolähdekäskyt |
❌ Ei* |
Käskyjä hallitaan Prep for AI (AI Instructions and Verified Answers) kautta semanttisella mallipuolella. Data Agent kunnioittaa heitä läsnä ollessaan. |
| Tietolähteen kuvaus |
❌ Ei |
Semanttiset mallit eivät tue tietolähteiden kuvauksia. |
| Esimerkkikyselyt |
❌ Ei* |
Ei tällä hetkellä tueta semanttisille malleille. Käytä Prep for AI:ssa vahvistettuja vastauksia lisätäksesi esimerkkejä DAX-kyselyistä. |
*semanttiset mallit konfiguroidaan pääasiassa Prep for AI in Power BI kautta, joka tarjoaa tekoälydataskeemat, tekoälyohjeet ja varmennetut vastaukset.
Graafimallin tukemat konfiguraatiot
| Konfigurointi |
Tuettu |
Yksityiskohdat |
| Skeeman valinta |
❌ Ei |
Graph ei salli käyttäjän tarkastella agenttiaan tietyillä solmuilla ja reunoilla. |
| Agentin ohjeet |
✅ Kyllä |
Ohjaa agenttia siinä, milloin ja miten kysymykset kannattaa ohjata tähän lähteeseen. |
| Tietolähdekäskyt |
✅ Kyllä |
Siirretty NL2GQL-moottorille kyselyjen generoinnin ohjaamiseksi. |
| Tietolähteen kuvaus |
✅ Kyllä |
Kuvaus, joka auttaa agenttia arvioimaan, onko tämä tietolähde relevantti käyttäjän kysymykseen. |
| Esimerkkikyselyt |
✅ Kyllä |
Siirretty NL2GQL:lle opettamaan monimutkaisia graafien kulkukuvioita. |
Ontologian tukemat konfiguraatiot
| Konfigurointi |
Tuettu |
Yksityiskohdat |
| Skeeman valinta |
❌ Ei |
Ei tuettu ontologian tietolähteissä. |
| Agentin ohjeet |
✅ Kyllä |
Ohjaa agenttia, milloin valita semanttinen malli vastaamaan kysymyksiin. |
| Tietolähdekäskyt |
❌ Ei |
Ei tuettu ontologian tietolähteissä. |
| Tietolähteen kuvaus |
✅ Kyllä |
Kuvaus, joka auttaa agenttia arvioimaan, onko tämä tietolähde relevantti käyttäjän kysymykseen. |
| Esimerkkikyselyt |
❌ Ei |
Ei tuettu ontologian tietolähteissä. |
Rakenteettomat tietokonfiguraatiot
| Asetukset |
Yksityiskohdat |
| Näyttönimi |
Oma nimi näytetään indeksille agenttikokemuksessa. |
| Hakutyyppi |
Valitse kokoteksti-, hybridi- tai semanttinen haku indeksin konfiguraatiosi mukaan. |
| Asiakirjojen määrä |
Hallitse, kuinka monta asiakirjaa haetaan per kysely (suositeltava: 3–20). |
| Konteksti / Kuvaus |
Kuvaile indeksin sisältö, avainkentät ja käyttöohjeet reitityksen tueksi. |
| Agentin ohjeet |
Ohjaa, miten agentti tulkitsee hakutuloksia ja laatii lopullisen vastauksen. |
Lisätietoja