Legg til og konfigurer datakilder i Fabric data agent

Data Agent i Microsoft Fabric gjør det mulig for organisasjoner å bygge samtaleopplevelser over sine bedriftsdata. Ved å koble Fabric-artefakter til en Data Agent, kan brukere oversette naturlige språkspørsmål til presise spørringer, noe som gir interessenter, fra analytikere til ledere, mulighet til å låse opp innsikt uten å måtte skrive en eneste kodelinje. Denne artikkelen går gjennom alle datakilder som Data Agent støtter i dag, samt konfigurasjonsmulighetene som er tilgjengelige for hver datakilde.

Oversikt

Data Agent støtter følgende datakildekategorier:

Kategori	Gjenstander	Spørringsspråk	Nøkkelscenario
SQL	Lakehouse, datalager, SQL-database, speilede databaser	T-SQL	Strukturert analyse over relasjonsdata og Delta Lake-data
Eventhouse	Eventhouse KQL-database	KQL	Sanntidsintelligens og tidsserieanalyse
Semantisk modell	Semantiske modeller for Power BI	DAX	Forretningslogikk, kalkulerte målinger og kuraterte måleparametere
Graf (forhåndsvisning)	Graf modell	GQL	Relasjonsrik datautforskning og grafanalyse
Ontologi (forhåndsvisning)	Fabric Ontology og dens tilknyttede underliggende kilder	T-SQL, KQL eller DAX	Styrt domenekontekst og kilde-native spørringer
Azure AI Search (preview)	Azure AI Search Index	Naturlig språk + søk	Ustrukturert datagjenfinning (PDF-er, tekst, beriket innhold)

Tips

En enkelt dataagent kan bruke opptil fem datakilder i en hvilken som helst kombinasjon.

Støttede gjenstander

Lakehouse—Delta Lake-tabeller dukket opp via SQL Analytics Endpoint.
datalager—Full Fabric lager med T-SQL-overflate.
SQL Database—Fabric-native SQL-databaser.
Speilede databaser—Eksterne databaser speilet inn i Fabric (for eksempel Azure SQL, Cosmos DB, Snowflake).

Hver SQL-kilde i Fabric leveres med en SQL Analytics Endpoint, en høyytelses, skrivebeskyttet T-SQL-spørringsflate over OneLake Delta-data. Data Agent benytter en innebygd NL2SQL-tjeneste som:

Oversetter brukerens naturlige språkspørsmål til en T-SQL-spørring ved bruk av brukergitt valgt skjema, instruksjoner og eksempelspørringer.
Validerer den genererte spørringen mot skjemavalget for å sikre at den kun refererer til godkjente tabeller og visninger.
Kjører spørringen gjennom SQL Analytics Endpoint og returnerer menneskelesbare resultater.

Konfigurer datakilden din

SQL-kilder støttet konfigurasjoner

Konfigurasjon	Støttes	Detaljer
Skjemavalg	✅ Ja	Velg spesifikke tabeller, visninger og funksjoner for å begrense agenten.
Agentinstruksjoner	✅ Ja	Veiled agenten om når og hvordan du skal sende spørsmål til denne kilden.
Instruksjoner for datakilde	✅ Ja	Gi tabellbeskrivelser, join-logikk, nøkkelkolonnedetaljer og forretningsterminologi til NL2SQL.
Beskrivelse av datakilde	✅ Ja	Beskrivelse som hjelper agenten med å avgjøre om denne datakilden er relevant for brukerens spørsmål.
Skjema-objektbeskrivelser (forhåndsvisning)	✅ Ja	Gi forretningskontekst for tabeller, kolonner og andre skjemaelementer for å forbedre genereringen av SQL-spørringer. Tilgjengelig kun i forhåndsvisningsperioden.
Emner (Forhåndsvisning)	✅ Ja	Gi opptil 1 million tegn med temabaserte instruksjoner. Dataagenten henter relevante seksjoner for NL2SQL. Tilgjengelig kun i forhåndsvisningsperioden.
Eksempelforespørsler	✅ Ja	Tilby naturlige språk/SQL-par slik at agenten kan lære komplekse spørringsmønstre. Toppeksempler hentes automatisk via vektorlikhet.

Eventhouse KQL-kilder støttet konfigurasjoner

Konfigurasjon	Støttes	Detaljer
Skjemavalg	✅ Ja	Velg spesifikke tabeller, materialiserte visninger, funksjoner og snarveier for å begrense agenten.
Agentinstruksjoner	✅ Ja	Veiled agenten om når og hvordan du skal sende spørsmål til denne kilden.
Instruksjoner for datakilde	✅ Ja	Gi kontekst om tabeller, MV-er, funksjoner og snarveier til NL2KQL.
Beskrivelse av datakilde	✅ Ja	Beskrivelse som hjelper agenten med å avgjøre om denne datakilden er relevant for brukerens spørsmål.
Emner	❌ Nei	Emner støttes kun for SQL-datakilder som bruker NL2SQL i forhåndsvisningskjøringen.
Eksempelforespørsler	✅ Ja	Tilby naturlig språk/KQL-par for å lære agentens komplekse aggregering og join-mønstre.

Semantiske modellstøttede konfigurasjoner

Konfigurasjon	Støttes	Detaljer
Skjemavalg	✅ Ja*	Velg tabeller som skal eksponeres. Kontroll på kolonnenivå er tilgjengelig når Prep for AI er konfigurert i Power BI.
Agentinstruksjoner	✅ Ja	Veiled agenten om når den skal velge den semantiske modellen for å svare på spørsmål.
Instruksjoner for datakilde	❌ Nei*	Instruksjonene håndteres gjennom Prep for AI (AI-instruksjoner og verifiserte svar) på den semantiske modellsiden. Data Agent hedrer dem når de er til stede.
Beskrivelse av datakilde	❌ Nei	Semantiske modeller støtter ikke beskrivelser av datakilder.
Emner	❌ Nei	Emner støttes kun for SQL-datakilder som bruker NL2SQL i forhåndsvisningskjøringen.
Eksempelforespørsler	❌ Nei*	Støttes for øyeblikket ikke for semantiske modeller. Bruk verifiserte svar i forberedelse til AI for å inkludere eksempler på DAX-spørringer.

*Semantiske modeller konfigureres primært gjennom Prep for AI i Power BI, som tilbyr AI-dataskjemaer, AI-instruksjoner og verifiserte svar.

Konfigurasjoner støttet av grafmodellen

Konfigurasjon	Støttes	Detaljer
Skjemavalg	❌ Nei	Graph lar ikke en bruker begrense agenten sin på spesifikke noder og kanter.
Agentinstruksjoner	✅ Ja	Veiled agenten om når og hvordan du skal sende spørsmål til denne kilden.
Instruksjoner for datakilde	✅ Ja	Sendt til NL2GQL-motoren for å veilede generering av spørringer.
Beskrivelse av datakilde	✅ Ja	Beskrivelse som hjelper agenten med å avgjøre om denne datakilden er relevant for brukerens spørsmål.
Emner	❌ Nei	Emner støttes kun for SQL-datakilder som bruker NL2SQL i forhåndsvisningskjøringen.
Eksempelforespørsler	✅ Ja	Sendt til NL2GQL for å lære komplekse graftraverseringsmønstre.

Konfigurasjoner støttet av ontologi

Konfigurasjon	Støttes	Detaljer
Skjemavalg	❌ Nei	Entitetsvalg innenfor en ontologi støttes ikke.
Agentinstruksjoner	✅ Ja	Veiled agenten i når og hvordan man skal bruke ontologikonteksten.
Datakildeinstruksjoner	✅ Ja*	Monter en kvalifisert underliggende kilde for å gi kildespesifikke spørringsveiledninger.
Datakildebeskrivelse	✅ Ja*	Monter en kvalifisert underliggende kilde for å beskrive innholdet og spørsmålene den kan besvare.
Emner	❌ Nei	Emner støttes ikke for ontologibundne datakilder.
Eksempelspørringer	✅ Ja*	Monter en kvalifisert underliggende kilde for å gi naturlige språk- og kilde-native spørringspar.

*Disse konfigurasjonene gjelder kun for den monterte underliggende kilden i dataagenten. De skrives ikke tilbake til Ontologien, og tilgjengeligheten avhenger av den underliggende kildetypen. For detaljer, se Use Ontology as context in Fabric data agent.

Konfigurasjoner av ustrukturerte data

Innstilling	Detaljer
Visningsnavn	Egendefinert navn vises for indeksen i agentopplevelsen.
Søketype	Velg mellom fulltekst, hybrid eller semantisk søk avhengig av indekskonfigurasjonen din.
Antall dokumenter	Kontroller hvor mange dokumenter som hentes per spørring (anbefalt: 3–20).
Kontekst / Beskrivelse	Beskriv innholdet, nøkkelfeltene og bruksveiledningen for å hjelpe rutingen.
Agentinstruksjoner	Veiled hvordan agenten tolker søkeresultatene og skriver det endelige svaret.
Emner	Støttes ikke. Emner er kun tilgjengelige for SQL-datakilder som bruker NL2SQL på forhåndsvisningskjøringen.

Mer informasjon

Tilbakemeldinger

Var denne siden nyttig?

Sist oppdatert 2026-10-01