Copiloto para Real-Time Intelligence

Copilot na carga de trabalho da Fabric Real-Time Intelligence é um assistente de IA que o ajuda a consultar, analisar e explorar os seus dados em tempo real. O Copilot traduz linguagem natural para consultas Kusto Query Language (KQL), gera dashboards e permite a exploração interativa de dados, tudo isto sem necessidade de conhecimentos KQL.

Copilot nos conjuntos de consultas KQL

O Copilot nos conjuntos de consultas KQL transforma perguntas em linguagem natural em consultas KQL. Descreva as suas necessidades de análise de dados de forma simples e o Copilot gera a consulta correspondente. O Copilot apoia interações conversacionais, para que possa refinar as dúvidas e fazer perguntas de seguimento sem recomeçar.

Para detalhes sobre como usar Copilot em conjuntos de consultas KQL, veja Copilot para escrever consultas KQL.

Copilot em Real-Time Dashboards

Copilot no Real-Time Dashboards simplifica a criação de dashboards e a exploração de dados:

  • Gerar dashboards: Selecione uma tabela de dados no Real-Time Hub ou um conjunto de consultas KQL e use Copilot para gerar automaticamente um Real-Time Dashboard com uma página de insights e uma página de perfil de dados. Para mais detalhes, veja Gere um Dashboard Real-Time usando Copilot.
  • Editar consultas de azulejos: Utilize o Copilot para criar ou modificar a consulta KQL de um azulejo do painel diretamente no painel de edição, usando a linguagem natural em vez de escrever KQL manualmente.
  • Explorar dados de forma interativa: No modo de visualização, use Copilot para fazer perguntas sobre os dados do seu painel, filtrar resultados e guardar insights como novos blocos. Para detalhes, veja exploração de dados em tempo real assistida por Copilot.

Copilot para Azure Data Explorer

Copilot também suporta clusters Azure Data Explorer (ADX). Quando ligado a um cluster ADX, o Copilot gera consultas KQL e explora dados da mesma forma que faz para um Eventhouse. É necessária uma capacidade habilitada para Fabric.

Para mais informações sobre como ligar-se ao ADX a partir do Fabric, consulte Consume ADX data in Fabric.

Boas práticas para consultas Copilot KQL

As seguintes dicas aplicam-se a Copilot tanto nos conjuntos de consultas KQL como nos Dashboards Real-Time:

  • Comece com prompts simples em linguagem natural para aprender as capacidades e limitações atuais. Avança gradualmente para temas mais complexos.

  • Indique a tarefa com precisão e evite ambiguidades. Imagine partilhar o enunciado com um especialista em KQL sem adicionar instruções orais. Gerariam a consulta correta?

  • Forneça informações relevantes para ajudar o modelo. Especifique tabelas, operadores ou funções que sejam críticos para a consulta sempre que possível.

  • Prepare a sua base de dados:

    • Adicione propriedades docstring para descrever tabelas e colunas comuns. Este passo é fundamental para tabelas ou colunas com nomes sem significado.
    • Não tens de adicionar docstrings a tabelas ou colunas que raramente são usadas.
    • Para mais informações, consulte o comando alter table column-docstrings.

  • Para melhorar os resultados do Copilot, selecione o ícone de gosto ou não gosto para submeter feedback.

    Observação

    O formulário Submit feedback submete o nome da base de dados, o seu URL, a consulta KQL gerada por Copilot e qualquer resposta em texto livre que incluir. Os resultados da consulta KQL executada não são enviados.

Observação

A IA alimenta o Copilot, então surpresas e erros são possíveis.

Melhorar a precisão do Copilot com Configurações Privadas

O Copilot melhora os prompts utilizando os exemplos mais relevantes (conhecidos como pares de linguagem natural e KQL, ou "shots") de uma base de dados de Public Shots. Esta base de dados é curada pela equipa Real-Time Intelligence, derivada da documentação KQL e disponível para todos os utilizadores Copilot. A base de dados Public Shots fornece uma base sólida, mas é genérica e carece de conhecimento específico da sua base de dados KQL.

Para melhorar a capacidade do Copilot de gerar consultas KQL precisas e complexas para os seus cenários específicos, crie uma base de dados Private Shots.

Esta abordagem permite-lhe incluir consultas avançadas de KQL que respondem aos requisitos únicos da sua equipa. Por exemplo, consultas que utilizam: - semântica de grafos, - análise de séries temporais, - deteção de anomalias, - ou funções armazenadas definidas na sua base de dados KQL.

Os Private Shots são publicados automaticamente tanto a partir dos conjuntos de consultas KQL como dos Dashboards Real-Time. Quando guarda estes artefactos, as consultas KQL que contêm são publicadas na base de dados Private Shots, melhorando a capacidade do Copilot de gerar consultas alinhadas com os seus dados e casos de uso.

Observação

  • Depois de guardares os artefactos das Capturas Privadas, pode demorar alguns minutos até serem publicados e estarem disponíveis para serem usados pelo Copilot.
  • Apenas o KQL é obrigatório. O LLM gera a descrição em linguagem natural. Pode adicionar uma breve descrição incluindo um comentário anterior anexado ao KQL.
  • As consultas KQL são verificadas quanto à sintaxe válida. Apenas consultas válidas são adicionadas à base de dados do Private Shots.
  • O Copilot utiliza apenas Tiros Privados acessíveis ao utilizador. Se não tem permissão para ver um dashboard ou uma consulta específica, o Copilot não utiliza imagens desses artefactos.
  • As consultas KQL geradas por Copilot e inseridas no conjunto de consultas com o botão Copy to Editor incluem uma linha de comentário: // This KQL query was generated by AI:. Estas consultas não são publicadas na base de dados do Private Shots. Para os incluir, remova este comentário mantendo o comentário seguinte que contém o prompt do utilizador.

Limitations

As seguintes limitações aplicam-se a Copilot na Inteligência em Tempo Real.

  • O Copilot não pode modificar consultas KQL existentes no editor de consultas. Se pedires ao painel de chat do Copilot para editar uma parte específica de uma consulta existente, não funciona. No entanto, o Copilot compreende as entradas anteriores no painel de chat, o que permite que possas iterar sobre consultas que o Copilot gerou antes da sua inserção.
  • O copiloto pode produzir resultados imprecisos quando a intenção é avaliar dados. O Copilot só tem acesso ao esquema da base de dados e não tem acesso aos próprios dados.
  • As respostas do Copilot podem incluir conteúdo impreciso ou de baixa qualidade. Revise os resultados antes de os usar no seu trabalho.
  • As pessoas que podem avaliar significativamente a precisão e adequação do conteúdo devem rever os resultados.
  • O painel de chat do Copilot nas bases de dados KQL não está disponível quando o Private Link está ativado e o Acesso Público está desativado na configuração do inquilino.

Inteligência Artificial responsável

Para consultar as diretrizes da Microsoft para inteligência artificial responsável em Inteligência em Tempo Real, consulte Privacidade, segurança e uso responsável do Copilot para Inteligência em Tempo Real.

Microsoft está empenhada em garantir que os princípios IA e o Responsible AI Standard orientem os sistemas de IA. Estes princípios incluem capacitar os clientes a utilizar estes sistemas de forma eficaz e alinhada com os seus usos pretendidos.

Conteúdo relacionado

  • Last updated on