Mikä on Power BI Semantic Model Authoring -taito?

Important

Tämä toiminto on esiversio.

Power BI semantic-model-authoring -taito antaa tekoälyagenteille mahdollisuuden luoda, muokata, ottaa käyttöön ja hallita Power BI semanttisia malleja Power BI työpöydällä, PBIP-projekteissa ja Fabric-palvelussa. Taito toimitetaan Skills for Fabric -markkinapaikalle, joka on mukana powerbi-authoring-lisäosassa.

Taito kattaa laajan kirjon semanttisia mallitehtäviä, esimerkiksi:

Uusien semanttisten mallien luominen Import-, DirectQuery- tai Direct Lake -tilassa.
Muokkaan olemassa olevia malleja – taulukoita, sarakkeita, suhteita, mittareita ja DAX:ia.
DAX-suorituskyvyn optimointi ja mallien analysointi parhaiden käytäntöjen perusteella.
Semanttisten mallien valmistelu tekoälyn käyttöä varten Fabric Copilot- ja Power BI-data-agenttien toimesta.
Mallien käyttöönotto Fabric-työtiloihin, niiden päivittäminen sekä tietolähteiden, parametrien ja käyttöoikeuksien hallinta.

Edellytykset

Varmista ennen aloittamista, että sinulla on:

asennettu powerbi-authoring -lisäosa - Seuraa ohjeita Power BI Agentic overview asentaaksesi pluginin. Lisäosan asentaminen tekee semantic-model-authoring-taidon saataville ja rekisteröi Power BI Modeling MCP -palvelimen.
semanttinen malli - Power BI työpöytä, jossa malli on avoinna, PBIP-projekti levyllä tai semanttinen malli Fabric työtilassa.

Aloittaminen

Avaa Power BI Desktop, jossa on semanttinen malli ladattuna.
GitHub Copilot -ohjelmassa suorita savutestikehote varmistaaksesi, että taito ja MCP-palvelin ovat kytketty oikein:
```
/semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices
```
Agentin tulisi ladata semantic-model-authoring-taito, yhdistää Power BI Desktopiin Power BI Modeling MCP -palvelimen kautta, inventoida malli ja raportoida havainnot ryhmiteltynä vakavuuden mukaan. Jos agentti pyytää sinua rekisteröimään MCP-palvelimen tai asentamaan lisäosan, käy läpi asennusvaiheet uudelleen ennen kuin jatkat.

Vihje

Varmistaaksesi, että tietty taito on ladattu, kutsu se nimenomaan viitokomennolla – esimerkiksi, /semantic-model-authoring [your prompt].

Miksi Power BI MCP -palvelin on tärkeä

semantic-model-authoring -taito ei riipu Power BI Modeling MCP -palvelimesta, mutta sitä suositellaan vahvasti. Taito Tool Selection Priority ohjaa luontitoiminnot ensin MCP-palvelimelle, koska se on luotettavin ja monipuolisin polku.

Kun MCP-palvelin ei ole rekisteröity, taito palautuu suoraan TMDL-tiedostojen muokkaukseen (PBIP) tai RESTiin getDefinition / updateDefinition edestakaisiin matkoihin (Fabric workspace). Power BI Desktopia vastaan kirjoittaminen ilman PBIP:tä ja MCP:tä ei tueta – agentti pysähtyy ja pyytää rekisteröimään MCP-palvelimen tai tallentamaan mallin PBIP:ksi.

Manuaalista asennusta tai edistyneitä konfiguraatioita varten katso Power BI Modeling MCP -dokumentaatio.

Esimerkki: Valmistele semanttinen malli tekoälylle

Käytä tätä esimerkkiä validoidaksesi asennuksesi päästä päähän. Kehote käynnistää taidon Semantic Model AI Readiness -työnkulun, joka lataa semantic-model-ai-readiness.md-viitteen ja käy valmiustarkistuslistalla konfiguroidakseen mallisi keskustelupohjaisille tekoälykokemuksille, kuten Fabric Copilot ja Power BI Data Agenteille.

Avaa mallisi. Käynnistä Power BI Desktop ja avaa PBIX tai PBIP, jonka semanttinen malli haluat valmistautua tekoälyn käyttöön.
Aloita GitHub Copilot projektisi kansiosta.
Suorita kehotus:
```
/semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI
```
Viiltokomento lataa semantic-model-authoring taidon. Taito tunnistaa tekoälyvalmiustarkoituksen, lataa viitteen semantic-model-ai-readiness.md ja suorittaa semanttisen mallin tekoälyvalmiustyönkulun .
Tarkista ja hyväksy. Agentti listaa mallin, arvioi sen valmiustarkistuslistan mukaan ja esittää havainnot vakavuuden mukaan. Jokainen havainto on merkitty agentille soveltuvaksi tai käyttäjätoiminnon vaatimukseksi. Hyväksy haluamasi korjaukset.
Hae ja vahvista. Agentti tekee hyväksytyt muutokset MCP-palvelimen kautta (tai TMDL-muokkauksilla, jos MCP ei ole rekisteröity), tallentaa mallin ja suosittelee edustavien luonnollisen kielen kehotteiden testaamista Copilot:ssa tai Data Agentissa.

Esimerkki: Luo semanttinen malli Fabric Lakehousen päälle

Tämä esimerkki harjoittaa taidon Create new Semantic Model -työnkulkua Lakehouse-tietolähdettä vastaan, joka tuottaa Direct Lake -mallin.

Valmistele Lakehouse. Fabric-portaalissa:
1. Luo työtila – esimerkiksi, SalesAnalytics.
2. Tässä työtilassa luo Lakehouse – esimerkiksi, SalesLakehouse.
3. Lataa Lakehouse näytedatalla. Nopein tapa on avata Lakehouse ja valita Aloita näytedatalla ladataksi sisäänrakennetut julkiset pyhäpäivät tai NYC Taxi -aineistot, tai ladata omat tiedostosi Tiedostoihin ja ladata ne Taulukoihin.
Käynnistä GitHub Copilot missä tahansa kansiossa.
Suorita kehote työtilasi ja Lakehouse-nimien kanssa:
```
/semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics
```
Slash-komento lataa semantic-model-authoring taidon, joka suorittaa Create new Semantic Model -työnkulun. Agentti:
1. Ratkaisee työtilan ja Lakehouse-tunnukset ja löytää Lakehouse-skeeman (taulukot, sarakkeet, tietotyypit).
2. Luo Direct Lake -semanttisen mallin ja lataa tarvittavat mallinnusohjeet.
3. Ottaa mallin käyttöön kohdetyötilassa
Tarkista Fabric-sivustolla. Avaa työtila ja varmista, että uusi semanttinen malli ilmestyy.

Troubleshooting

Skill ei ladata - Varmista lisäosan asennus ja rekisteröinti seuraamalla Power BI Agentic-yleiskatsaus. Jos asetus on oikein eikä taitoa vieläkään valita, agentti saattaa missata taidon progressiivisen paljastuksen aikana. Testaa eksplisiittisellä viivakomennolla, lisää sitten lisää intentiotietoja kehotteeseesi:
MCP-palvelin ei lataudu - Käynnistä GitHub Copilot CLI uudelleen asennuksen tai rekisteröinnin jälkeen, jotta uusi MCP-konfiguraatio noudetaan. Sitten varmista, copilot mcp showpowerbi-modeling-mcp että ilmestyy ja toimii.

Palaute

Onko tästä sivusta apua?

Last updated on 2026-06-11