Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
In deze zelfstudiestap leert u hoe u ontologie (preview) van agents gebruikt om vragen te stellen in natuurlijke taal en antwoorden te krijgen op basis van de definities en bindingen van de ontologie. Probeer het met een gegevensagent.
Belangrijk
Deze functie is beschikbaar als preview-versie.
AI-agents gebruiken met ontologie
AI-agents kunnen gebruikers helpen om van statische analyse naar interactieve, doelgerichte werkstromen te gaan door inzicht te krijgen in natuurlijke taal, planningsstappen, hulpprogramma's aan te roepen en actie te ondernemen namens de gebruiker. Wanneer agents een ontologie gebruiken als context, krijgen ze een beheerd inzicht in het bedrijf: belangrijke entiteiten, relaties, definities, regels, metrische gegevens en brontoewijzingen. Dit helpt agenten reacties te genereren die beter onderbouwd, verklaarbaar en consistent zijn over systemen heen, in plaats van uitsluitend te steunen op ruwe gegevens of prompts.
Er zijn meerdere manieren om agents te bouwen die ontologiecontext gebruiken:
- Foundry IQ: Azure AI Foundry-agents helpen ontwikkelaars geavanceerdere, aanpasbare agents te bouwen die kunnen redeneren op basis van de context van een ontologie, tools kunnen aanroepen en kunnen integreren met bedrijfssystemen. Zie Een ontologieagent maken met Foundry IQ voor meer informatie over het bouwen van een ontologieagent met Foundry IQ.
- Copilot Studio: Copilot Studio helpt bedrijven en makers met weinig code snel gespreksagenten te maken die ontologiecontext gebruiken om zakelijke vragen te beantwoorden en werkstromen te automatiseren. Zie Een ontologieagent maken met Copilot Studio voor meer informatie over het bouwen van een ontologieagent met Copilot Studio.
- Fabric gegevensagent: Fabric gegevensagenten helpen gebruikers rechtstreeks in Fabric om zakelijke vragen te beantwoorden met behulp van beheerde bedrijfsgegevens, met ontologiecontext die uitgebreidere zakelijke betekenis, relaties en consistentie toevoegt.
- Fabric operations-agent: Fabric operations-agents bewaken uw ontologie continu, bieden inzichten met betrekking tot uw bedrijfsdoelen en bevelen acties aan, allemaal gebaseerd op de entiteitstypen en relaties van de ontologie. Voor meer informatie over het bouwen van een operationele agent op basis van een ontologie, zie Een operationele agent maken op basis van een ontologie.
In dit artikel wordt gebruikgemaakt van Fabric gegevensagent.
Gegevensagent maken met ontologiebron (preview)
Volg deze stappen om een nieuwe gegevensagent te maken die verbinding maakt met uw ontology-item (preview).
Ga naar uw Fabric-werkruimte. Gebruik de knop + Nieuw item om een nieuw gegevensagentitem met de naam RetailOntologyAgent te maken.
Aanbeveling
Als u het itemtype van de gegevensagent niet ziet, controleert u of dit is ingeschakeld in uw tenant, zoals beschreven in de vereisten voor de handleiding.
De agent wordt geopend wanneer deze gereed is. Selecteer Een gegevensbron toevoegen.
Zoek naar het item RetailSalesOntology en selecteer Toevoegen. Nu wordt uw ontologie toegevoegd als bron voor de gegevensagent.
Wanneer de agent gereed is, zijn de ontologie en de entiteitstypen zichtbaar in De Explorer.
Geef agentinstructies op
Opmerking
Met deze stap wordt een bekend probleem opgelost dat van invloed is op de aggregatie in query's.
Voeg vervolgens een aangepaste instructie toe aan de agent.
Selecteer Agent-instructies in het menulint.
Voeg onder aan het invoervak toe
Support group by in GQL. Deze instructie maakt een betere aggregatie mogelijk voor ontologiegegevens.De instructie wordt automatisch toegepast. Sluit eventueel het tabblad Agent-instructies .
Queryagent met natuurlijke taal
Verken vervolgens uw ontologie met vragen over natuurlijke taal.
Begin met het invoeren van deze voorbeeldprompts:
- Toon voor elke winkel alle vriescombinaties die door die winkel worden bediend, die ooit een vochtigheid lager dan 46 procent hadden.
- Wat is het beste product per omzet in alle winkels?
U ziet dat de antwoorden verwijzen naar entiteitstypen (Winkel, Producten, Vriezer) en hun relaties, niet alleen onbewerkte tabellen.
Aanbeveling
Als er fouten worden weergegeven die zeggen dat er geen gegevens zijn tijdens het uitvoeren van de voorbeeldquery's, wacht u een paar minuten om de agent meer tijd te geven om te initialiseren. Voer vervolgens de query's opnieuw uit.
Ga verder met het verkennen van de gegevensagent door enkele prompts van u zelf uit te proberen.
Volgende stappen
In deze stap hebt u uw ontologie verkend met behulp van query's in natuurlijke taal om zakelijke vragen te beantwoorden met een gegevensagent.
Ga vervolgens verder met de conclusie van de zelfstudie.
U kunt ook andere agents verkennen die kunnen worden gebruikt met ontologie: