Configurer votre agent de données

Un agent de données permet aux utilisateurs d’interagir avec les données via le langage naturel. Pour améliorer la précision des résultats, ajoutez un contexte métier qui façonne la manière dont l’agent interprète les questions et construit les requêtes. Ce contexte vous aide à créer des solutions personnalisées qui reflètent les processus, scénarios et logique métier de votre organisation, afin que les insights générés par l’agent soient à la fois précis et pertinents sur le plan contextuel.

Cet article décrit les configurations que vous pouvez utiliser pour améliorer votre agent de données.

Instructions de l’agent de données

Les instructions de l’agent de données guident l’agent en générant des réponses précises et pertinentes aux questions des utilisateurs. Ces instructions peuvent spécifier les sources de données à hiérarchiser, décrire comment gérer certains types de requêtes et fournir une terminologie ou un contexte utiles pour interpréter l’intention de l’utilisateur.

Utilisez ce format recommandé pour rédiger des instructions efficaces au niveau de l’agent :

## 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"

Instructions de source de données

Les instructions de source de données sont appliquées lorsque l’agent achemine une question vers une source de données spécifique. Ces instructions fournissent le contexte nécessaire pour construire des requêtes précises( dans SQL, DAX ou KQL) afin que l’agent puisse récupérer des informations précises.

Cette section doit inclure des conseils spécifiques à la source de données, tels que les tables, colonnes, relations et toute logique de requête requise pour répondre aux questions courantes ou complexes. Plus le contexte est fourni, plus l’agent peut générer des requêtes précises et significatives.

Utilisez le modèle suivant comme point de départ :

## 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."

Description de la source de données

Les descriptions des sources de données aident les créateurs à fournir un contexte général sur chaque source de données afin que l’agent puisse router intelligemment les questions. Une description doit résumer ce que contient la source de données, les types de questions auxquelles elle peut répondre et toutes les nuances spécifiques à l’entreprise qui permettent de la distinguer d’autres sources. L’agent utilise ces informations pendant son processus de raisonnement pour déterminer quelle source est la plus pertinente pour la requête d’un utilisateur.

Exemples de requêtes de source de données

Les requêtes d’exemple, également appelées exemples few-shot, servent aux outils d’agent de données à améliorer la qualité des requêtes générées. Ils permettent aux créateurs de passer un exemple de logique de requête que l’agent peut référencer lors de la formation d’une réponse. Lorsqu’une source de données est utilisée, l’outil correspondant recherche automatiquement les exemples de requêtes les plus pertinents pour la question de l’utilisateur et passe les trois premiers à l’outil d’agent de données. Ces exemples sont incorporés dans le processus de génération, ce qui aide l’agent à produire des résultats de requête plus précis et contextuelment appropriés.

Descriptions d’objets de schéma (Aperçu)

Pour les sources de données SQL, les descriptions d’objets de schéma fournissent un contexte métier pour les tables, colonnes et autres éléments dans un schéma de source de données. L’agent de données utilise ces descriptions pour interpréter de grands schémas ambigus et comprendre ce que chaque élément représente, ce qui l’aide à générer des requêtes plus précises.

Pour apprendre à ajouter et gérer des descriptions, voir Ajouter des descriptions d’objets de schéma (Aperçu).

Étapes suivantes

• Concept d’assistant de données
• Scénario de l’assistant de données