Konfigurowanie agenta danych

Agent danych pozwala użytkownikom na interakcję z danymi za pomocą języka naturalnego. Aby poprawić dokładność wyników, dodaj kontekst biznesowy, który kształtuje sposób, w jaki agent interpretuje pytania i buduje zapytania. Ten kontekst pomaga tworzyć spersonalizowane rozwiązania, które odzwierciedlają procesy, scenariusze i logikę biznesową Twojej organizacji, dzięki czemu informacje generowane przez agenta są zarówno dokładne, jak i kontekstowo istotne.

Ten artykuł opisuje konfiguracje, których możesz użyć do ulepszenia swojego agenta danych.

Instrukcje dotyczące agenta danych

Instrukcje dotyczące agenta danych prowadzą agenta do generowania dokładnych i odpowiednich odpowiedzi na pytania użytkowników. Te instrukcje mogą określać, które źródła danych mają określać priorytety, określać sposób obsługi niektórych typów zapytań oraz dostarczać pomocną terminologię lub kontekst do interpretowania intencji użytkownika.

Użyj tego zalecanego formatu do pisania skutecznych instrukcji na poziomie agenta:

## 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"

Instrukcje dotyczące źródła danych

Instrukcje dotyczące źródła danych są stosowane, gdy agent kieruje pytanie do określonego źródła danych. Te instrukcje zawierają kontekst potrzebny do konstruowania precyzyjnych zapytań — zarówno w języku SQL, DAX, jak i KQL — dzięki czemu agent może pobrać dokładne informacje.

Ta sekcja powinna zawierać wskazówki specyficzne dla źródła danych, takie jak odpowiednie tabele, kolumny, relacje i dowolna logika zapytań wymagana do odpowiadania na typowe lub złożone pytania. Im więcej kontekstu jest dostarczone, tym bardziej efektywnie agent może generować dokładne i znaczące zapytania.

Użyj następującego szablonu jako punktu wyjścia:

## 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."

Opis źródła danych

Opisy źródeł danych pomagają twórcom dostarczyć ogólnopoziomowy kontekst o każdym źródle danych, aby agent mógł inteligentnie kierować pytania. Opis powinien zawierać podsumowanie informacji zawartych w źródle danych, typów pytań, na które może odpowiedzieć, oraz wszelkich niuansów specyficznych dla firmy, które pomagają odróżnić je od innych źródeł. Agent używa tych informacji podczas procesu rozumowania, aby określić, które źródło jest najbardziej istotne dla zapytania użytkownika.

Przykładowe zapytania źródła danych

Przykładowe zapytania, nazywane również przykładami few-shot, są wykorzystywane przez narzędzia agentów danych do poprawy jakości generowanych zapytań. Umożliwiają twórcom przekazywanie przykładowej logiki zapytań, do której agent może się odwoływać podczas tworzenia odpowiedzi. Gdy źródło danych jest używane, odpowiednie narzędzie automatycznie wyszukuje najbardziej odpowiednie przykładowe zapytania dotyczące pytania użytkownika i przekazuje trzy pierwsze do narzędzia agenta danych. Te przykłady są uwzględniane w procesie generowania, co pomaga agentowi w generować dokładniejsze i kontekstowe wyniki zapytań.

Opisy obiektów schematu (Podgląd)

W przypadku źródeł danych SQL opisy obiektów schematu dostarczają kontekstu biznesowego dla tabel, kolumn i innych elementów w schemacie źródła danych. Agent danych wykorzystuje te opisy do interpretacji dużych lub niejednoznacznych schematów i zrozumienia, co reprezentuje każdy element, co pomaga generować dokładniejsze zapytania.

Aby dowiedzieć się, jak dodawać i zarządzać opisami, zobacz Dodaj opisy obiektów schematu (Podgląd).

Tematy (Zapowiedź)

Tematy dostarczają obszernych, tematycznych instrukcji dla NL2SQL. Agent danych przeszukuje instrukcje pod kątem treści istotnych dla pytania użytkownika i wysyła do narzędzia NL2SQL jedynie pasujące sekcje.

Używaj tematów, gdy instrukcje są obszerne, można je uporządkować według tematu i stosować tylko wtedy, gdy pytanie dotyczy tego tematu. Zamiast tego używaj instrukcji dotyczących źródła danych dla kontekstu i reguł, które musisz wysyłać za każdym razem, gdy agent zapytuje źródło danych.

Aby dowiedzieć się, jak organizować i dodawać instrukcje oparte na tematach, zobacz Używanie tematów w agencie danych Fabric (wersja zapoznawcza).

Dalsze kroki

• Koncepcja agenta danych
• Dodaj i konfiguruj źródła danych w agencie danych Fabric