Veiledning: Lag en ende-til-ende Activator-regel ved hjelp av agentisk AI

Fabric Activator oppdager mønstre i strømmende data og handler når betingelsene er oppfylt. I denne veiledningen bruker du en AI-agent for å bygge en ende-til-ende-pipeline. Pipelinen overvåker en strøm av telemetrihendelser, oppdager vedvarende overoppheting, og kaller en Fabric User Data Function (UDF) for å sende inn en reparasjonsjobb. Du skriver oppgavene; Agenten står for forfatterskapet.

Denne veiledningen bruker widget-making-machine-telemetri som løpende eksempel, men de samme promptene fungerer for nesten alle tidsseriedata med en stabil enhets-ID – IoT-enheter, bilparker, logistikkarrangementer, finansielle ticks, applikasjonsmålinger og så videre. Bytt ut feltnavnene og terskelen slik at de passer dataformen din.

I denne opplæringen fullfører du følgende oppgaver:

Hvis du er ny til Fabric Activator, se Hva er Fabric Activator?. Hvis du er ny til Fabric User Data Functions, se Hva er Fabric User Data Functions?.

Oversikt over scenario

En produsent driver en flåte av utstyrsproduserende maskiner på tvers av flere fabrikker. Hver maskin sender ut telemetri—temperatur, vibrasjon, trykk, kjøretilstand—inn i en Azure-hendelseshub. Når en maskin opprettholder høy driftstemperatur, trenger den et vedlikeholdsbesøk før den går i stykker.

For denne veiledningen bruker hver hendelse et lite representativt skjema: en per-maskin-ID (machine_id), en lokasjonstagg (plant_id), en numerisk metrikk å overvåke (temperature_c), og et run-state-felt (state). De eksakte feltnavnene spiller ingen rolle—den samme prompt-formen gjelder for alle per-entity-ID-er pluss en metrikk du vil ha terskelen for.

Du bygger en Fabric-pipeline som overvåker telemetristrømmen, anvender en sustained-threshold-regel, og kaller en User Data Function for å sende inn reparasjonsjobben. Regelen grupperer hendelser etter machine_id og avfyres når temperature_c de holder seg over 50°C i 5 minutter. Når den fyres, passerer machine_idden , plant_id, og den nåværende temperaturen inn i mekanismen.

Forutsetninger

Før du begynner, trenger du:

• Et Fabric-arbeidsområde på F4 (eller høyere) kapasitet, med forfattertillatelser. For å lære om arbeidsområder, se Arbeidsområder.
• En ferdighetskompatibel agent—for eksempel GitHub Copilot CLI eller GitHub Copilot i Visual Studio Code—med Fabric skills installert.
• Et Azure Event Hubs-navnerom og hub som strømmer telemetrien. Du trenger navnerommet FQDN, hub-navn og en Listen+Send tilkoblingsstreng.

Sett opp hendelsesstrømmen

I dette steget oppretter du eventstrømmen som abonnerer på arrangementshuben din. Du ber agenten og validerer resultatet i portalen.

1. Gi agenten denne prompten, og bytt ut plassholderne med verdier fra arrangementshuben din:

   Create a Fabric eventstream in my workspace called `WidgetMachineTelemetry` that ingests from this Azure event hub:
   
   - Namespace: `<your namespace FQDN>`
   - Hub name: `<your hub name>`
   - Connection string: `<your Listen+Send connection string>`
   
   When you're done, give me a direct portal link to the eventstream item so I can verify it.
   

2. Agenten påkaller eventstream-authoring-ferdigheten. Den oppretter eventstream-elementet, konfigurerer event hub som kilde, og returnerer en klikkbar URL til elementet i Fabric-portalen. Du trenger ikke en destinasjon—Activator abonnerer direkte på strømmen.

3. Velg lenken agenten ga deg. I Live-visningen, bekreft at hendelseskilden er tilkoblet, og at widget-maskin-telemetrihendelser flyter gjennom.

   

   Figur 1: Hendelsesstrømmen WidgetMachineTelemetry —hendelsene flyter fra hendelseshubkilden widget-telemetry gjennom strømmen til WidgetMachineMaintenance Activator-destinasjonen.

Opprett User Data-funksjonen

I dette steget oppretter du User Data-funksjonen som Activator-regelen kaller. Funksjonen sender reparasjonsforespørselen til ditt nedstrøms API.

1. Gi agenten denne prompten:

   Create a Fabric User Data Function called `MaintenanceDispatcher` in my workspace, written in Python, with a function `file_repair_job(machine_id, plant_id, temperature_c)` that sends those values as JSON in a POST request to `https://contoso.com/maintenance/fileRepairJob` and returns the parsed response.
   
   When you're done, give me a direct portal link to the UDF item so I can verify it.
   

2. Agenten påkaller Fabric UDF-forfatterferdigheten. Den støtter et Python UDF-element, implementerer file_repair_job med httpx, publiserer UDF, bekrefter at funksjonen kan kalles, og returnerer en klikkbar URL til elementet.

3. Velg lenken agenten ga deg, og bruk deretter det innebygde testpanelet for å starte file_repair_job med en prøvepayload. For eksempel: machine_id="widget-press-042", plant_id="plant-eu-01", . temperature_c=52.7 Kallet til contoso.com gir en HTTP-feil—det er forventet, fordi plassholder-endepunktet ikke løses. Den viktige oppførselen er at UDF deployerte, registrerte og nådde det utgående HTTP-kallet.

   

   Figur 2: Brukerdatafunksjonen MaintenanceDispatcher —file_repair_job sender overopphetingsmaskinens detaljer til vedlikeholdssystemet.

Forfatter av Activator-regelen

I dette steget lager du Activator-regelen som overvåker hendelsesstrømmen og kaller UDF-en din når en maskin overopphetes.

1. Gi agenten denne prompten:

   Create an Activator rule in my workspace subscribed to the `WidgetMachineTelemetry` eventstream, that triggers my `file_repair_job` UDF when a machine's temperature stays above 50°C for 5 minutes.
   
   When you're done, give me a direct portal link to the rule so I can verify it.
   

2. Agenten påkaller Activator-authoring-ferdigheten og lager Activator-gjenstanden. Agenten grupperer regelen med machine_id, bygger sustained-threshold-deteksjonen, og konfigurerer handlingen til å kalle UDF-en din med machine_id, plant_id, og gjeldende temperatur. Agenten returnerer deretter en klikkbar URL til regelen.

3. Velg lenken agenten ga deg, og gå deretter gjennom denne sjekklisten:

   • Data flyter inn i regelen. Åpne regelens underliggende Activator-objekt i Utforsker-panelet og bekreft at nylige hendelser vises i live-tabellen med ikke-null machine_id og temperature_c verdier.
   • Regelen løper. Bekreft at regelen er i Start- eller Kjøre-tilstanden , og Activator-objektoppsummeringen viser maskinene dine som aktive instanser.
   • Agenten registrerer aktiveringer. Når overopphetede maskiner holder seg over 50°C i 5 minutter, vises oppføringer i regelens Historikk-fane , hvor hver viser den machine_id som ble utløst, temperaturen ved brann, og et vellykket kall til file_repair_job.

   

   Figur 3: Aktivator-regelen OverheatingDispatch – aktiveres når en maskins temperatur holder seg over 50°C i 5 minutter, og påkaller file_repair_job maskinens identitet, plante og nåværende temperatur.

Rydd opp ressurser

Når du er ferdig, slett eventstream-, User Data Function- og Activator-elementene fra arbeidsområdet ditt, og slett Event Hubs-navnerommet fra Azure-portalen for å stoppe gebyrer.

Relatert innhold

• Hva er Fabric Activator?
• Hva er Fabric User Data Functions?
• Eventstream-kilder og destinasjoner
• Tilgang datakilder i Fabric brukerdatafunksjoner