Forstå Microsoft Fabric-dataagentfunktioner

Fabric Data Agents er designet til at hjælpe organisationer med at interagere med deres data ved hjælp af generativ AI. Nedenfor er de vigtigste funktioner, der gør Fabric-dataagenter nyttige til datatilgængelighed og brugervenlighed.

Interager med dine data

Dataagenten muliggør naturlig interaktion med dine data ved at give dig mulighed for at stille spørgsmål på almindeligt engelsk og modtage strukturerede, menneskeligt læsbare svar. Den analyserer dit input, bestemmer den mest relevante datakilde – f.eks. et Lakehouse-, Warehouse-, Power BI-datasæt eller en KQL-database – og vælger automatisk det rigtige værktøj til at generere, validere og udføre de tilsvarende forespørgsler.

Ved at eliminere behovet for at forstå forespørgselssprog som SQL (Structured Query Language), DAX (Data Analysis Expressions) eller KQL (Kusto Query Language) gør dataagenten dataindsigt tilgængelig på tværs af organisationen, uanset teknisk færdighedsniveau.

Det er vigtigt at bemærke, at dataagenten kun understøtter læsehandlinger – den opretter, opdaterer eller sletter ikke data. Det sikrer sikker og nøjagtig adgang ved at håndhæve de samme datatilladelser, der er tildelt den bruger, der interagerer med den.

Konfiguration af Fabric-dataagent

Strukturdataagenter indeholder konfigurationsindstillinger, der giver oprettere mulighed for at teste og evaluere, hvordan agenten fortolker og besvarer spørgsmål. Dette hjælper med at forfine svarene ved at gentage forespørgsler og justere konfigurationen for at sikre nøjagtige, relevante svar.

Du kan angive organisationsspecifikke instruktioner, eksempelforespørgsler og vejledning til at finjustere Fabric-dataagenten. Dette sikrer, at helpdesk-medarbejderens svar stemmer overens med din organisations unikke behov og mål.

Ræsonnement på tværs af flere datakilder

Strukturdataagenter kan ræsonnere over flere datakilder, herunder:

• Semantiske Power BI-modeller.
• Eventhouse KQL-databaser.
• Søhuse og pakhuse.
• Ontologier (for semantiske, forretningsterm-tilpassede forespørgsler).
• Azure AI Search-indekser (forhåndsvisning, via et tilkoblet Microsoft Foundry-indeks, der muliggør ræsonnering over ustruktureret indhold).

Fabric-dataagenten kan kun få adgang til de data, du angiver, med op til fem datakilder. En konfigureret Fabric-dataagent kan f.eks. indeholde en blanding af to semantiske Power BI-modeller, et lakehouse og en KQL-database. Inden for disse datakilder kan du vælge de relevante tabeller.

Integration i og uden for stof

Din dataagent kan bruges både i og uden for Microsoft Fabric. Integrationer omfatter:

• Copilot Studio: Udvid helpdesk-medarbejderens funktionalitet til brugerdefinerede arbejdsprocesser.
• Microsoft Teams: Understøt diskussioner om samarbejdsdata.
• Microsoft Foundry: Brug AI-funktioner til yderligere scenarier.
• Brugerdefinerede applikationer: Integrer agenten i dine egne værktøjer og platforme.

Selvom både Microsoft Fabric-dataagenter og Copilot til Microsoft Fabric bruger generativ AI til at behandle og ræsonnere over data, er der vigtige forskelle i deres funktionalitet og use cases:

Disse integrationer gør det muligt for Fabric-dataagenter at passe ind i din organisations eksisterende økosystem og understøtte samarbejde og beslutningstagning.