Hva er ferdigheten i Power BI Semantic Model Authoring?

Important

Denne funksjonen er i forhåndsversjon.

Power BI semantic-model-authoring-ferdigheten lar AI-agenter opprette, redigere, distribuere og administrere Power BI semantiske modeller på tvers av Power BI Desktop, PBIP-prosjekter og Fabric-tjenesten. Ferdigheten leveres i Skills for Fabric markedsplassen, samlet i powerbi-authoring-pluginen.

Ferdigheten dekker et bredt spekter av semantiske modelloppgaver, for eksempel:

  • Opprettelse av nye semantiske modeller i Import, DirectQuery eller Direct Lake-modus.
  • Redigering av eksisterende modeller – tabeller, kolonner, relasjoner, målinger og DAX.
  • Optimalisering av DAX-ytelse og analyse av modeller mot beste praksis.
  • Forberedelse av semantiske modeller for AI-forbruk av Fabric Copilot og Power BI Data Agents.
  • Distribuere modeller til Fabric-arbeidsområder, oppdatere dem og administrere datakilder, parametere og tillatelser.

Forutsetninger

Før du begynner, må du sørge for at du har:

  • Den installerte powerbi-authoring-pluginen - Følg instruksjonene i Power BI Agentic overview for å installere pluginen. Installasjon av pluginen gjør semantic-model-authoring-ferdigheten tilgjengelig og registrerer Power BI Modeling MCP-serveren.
  • En semantisk modell - Power BI skrivebord med en modell åpen, et PBIP-prosjekt på disk, eller en semantisk modell i et Fabric arbeidsområde.

Kom i gang

  1. Åpne Power BI Desktop med en semantisk modell lastet inn.

  2. I GitHub Copilot, kjør en røyktest-prompt for å bekrefte at ferdigheten og MCP-serveren er koblet riktig sammen:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    Agenten skal laste inn semantic-model-authoring-ferdigheten, koble seg til Power BI Desktop via Power BI Modeling MCP-serveren, inventarisere modellen og rapportere funn gruppert etter alvorlighetsgrad. Hvis agenten ber deg registrere MCP-serveren eller installere pluginen, gå gjennom installasjonsstegene på nytt før du fortsetter.

    Tips

    For å sikre at en spesifikk ferdighet lastes inn, kall den eksplisitt med en skråstrekkommando – for eksempel /semantic-model-authoring [your prompt].

Hvorfor Power BI MCP-serveren er viktig

semantic-model-authoring-ferdigheten avhenger ikke hardt av Power BI Modeling MCP-serveren, men den anbefales sterkt. Ferdighetsverktøyet Tool Selection Priority ruter forfattingsoperasjoner til MCP-serveren først fordi det er den mest pålitelige og fullverdige veien.

Når MCP-serveren ikke er registrert, faller ferdigheten tilbake til direkte TMDL-filredigering (PBIP) eller REST getDefinition / updateDefinition rundturer (Fabric arbeidsområde). Å lage mot Power BI Desktop uten PBIP og uten MCP støttes ikke – agenten stopper og ber deg registrere MCP-serveren eller lagre modellen som PBIP.

For manuell installasjon eller avansert konfigurasjon, se dokumentasjonen Power BI Modeling MCP.

Eksempel: Forbered en semantisk modell for AI

Bruk dette eksempelet for å validere oppsettet ditt fra ende til ende. Prompten påkaller ferdighetens Semantic Model AI Readiness arbeidsflyt, som laster inn referansen semantic-model-ai-readiness.md og går gjennom readiness checklist for å konfigurere modellen din for samtalebaserte AI-opplevelser som Fabric Copilot og Power BI Data Agents.

  1. Åpne modellen din. Start Power BI Desktop og åpne PBIX eller PBIP hvis semantiske modell du vil forberede for AI-forbruk.

  2. Start GitHub Copilot i mappen til prosjektet ditt.

  3. Kjør prompten:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    Slash-kommandoen laster semantic-model-authoring ferdigheten. Ferdigheten gjenkjenner AI-beredskapsintensjonen, laster referansen semantic-model-ai-readiness.md og kjører Semantic Model AI Readiness-arbeidsflyten .

  4. Vurder og godkjenn. Agenten inventarer modellen, evaluerer den mot readiness checklist, og presenterer funn gruppert etter alvorlighetsgrad. Hvert funn er merket som agent-relevant eller bruker-handling-krevd. Godkjenn de rettelsene du ønsker å bruke.

  5. Søk og godkjenn. Agenten anvender godkjente endringer via MCP-serveren (eller gjennom TMDL-redigeringer hvis MCP ikke er registrert), lagrer modellen, og anbefaler å teste representative naturlige språk-prompter i Copilot eller din Data Agent.

Eksempel: Lag en semantisk modell på toppen av et Fabric Lakehouse

Dette eksempelet bruker ferdighetens Create new Semantic Model-arbeidsflyt mot en Lakehouse-datakilde, som produserer en Direct Lake-modell.

  1. Gjør klar innsjøhuset. I Fabric-portalen:

    1. Lag et arbeidsområde – for eksempel, SalesAnalytics.
    2. I det arbeidsområdet, lag et Lakehouse – for eksempel SalesLakehouse.
    3. Last inn Lakehouse med eksempeldata. Den raskeste veien er å åpne Lakehouse og velge Start med eksempeldata for å laste inn de innebygde offentlige fridager eller NYC Taxi-datasett , eller laste opp dine egne filer til Files og laste dem til Tables.

  2. Start GitHub Copilot i hvilken som helst mappe.

  3. Kjør prompten med arbeidsplass- og Lakehouse-navnene dine:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    Skråstrek-kommandoen laster semantic-model-authoring ferdigheten, som kjører arbeidsflyten for å opprette ny semantisk modell . Agenten:

    1. Løser arbeidsområdet og Lakehouse-ID-ene og oppdager Lakehouse-skjemaet (tabeller, kolonner, datatyper).
    2. Oppretter en Direct Lake semantisk modell, og laster inn relevante modelleringsretningslinjer.
    3. Distribuerer modellen til målarbeidsområdet

  4. Verifiser i Fabric. Åpne arbeidsområdet og bekreft at den nye semantiske modellen vises.

Troubleshooting

  • Skill lastes ikke inn - Verifiser plugin-installasjon og registrering ved å følge Power BI Agentic overview. Hvis oppsettet er korrekt og ferdigheten fortsatt ikke er valgt, kan agenten gå glipp av ferdigheten under progressiv opplysning. Test med en eksplisitt skråstrek-kommando, og legg deretter til flere intensjonsdetaljer i prompten din:
  • MCP-serveren laster ikke - Start CLI GitHub Copilot på nytt etter installasjon eller registrering av pluginen slik at den nye MCP-konfigurasjonen blir oppdaget. Kjør copilot mcp show deretter for å bekrefte powerbi-modeling-mcp at det ser ut og at det fungerer.

Relatert innhold

  • Last updated on