Nowe narzędzie "Build Agent with AI" w Microsoft Fabric rewolucjonizuje proces tworzenia i konfiguracji agentów danych. Zamiast wielogodzinnej, ręcznej analizy skomplikowanych schematów, szukania relacji między tabelami i mozolnego testowania instrukcji twórcy zyskują inteligentnego asystenta AI. Przekształca on trudne zadania w prostą rozmowę. Asystent samodzielnie bada struktury danych, analizuje dotychczasowe zapytania, tworzy dopasowane reguły oraz weryfikuje je na żywych bazach. Dzięki temu wdrożenie agentów odpowiadających na pytania w języku naturalnym staje się szybkie i intuicyjne.
Czym są agenty danych i jak się je konfiguruje?
Agenty danych w usłudze Microsoft Fabric to specjalny rodzaj agentycznej sztucznej inteligencji pozwalającej użytkownikom biznesowym na zadawanie pytań dotyczących danych organizacyjnych w języku naturalnym. Precyzja i trafność uzyskiwanych odpowiedzi zależą jednak od właściwie sformułowanych instrukcji agenta, opisu źródeł danych oraz dobrze dobranych zapytaniom przykładowych.
Tradycyjne podejście do konfiguracji agenta danych wymagało od twórców:
- Samodzielnej analizy struktur bazy danych w celu zrozumienia relacji i powiązań między tabelami.
- Wielokrotnego pisania i modyfikowania instrukcji w trakcie długich cykli testowych.
- Tworzenia przykładowych zapytań od zera, bez znajomości najskuteczniejszych wzorców.
- Szukania odpowiedniego poziomu szczegółowości w definicjach reguł.
- Wykrywania oraz eliminowania sprzeczności, takich jak niezgodność między instrukcjami a zapytaniami przykładowymi.
Narzędzie "Build Agent with AI" zostało zaprojektowane, aby rozwiązać te problemy.
Czym jest Build agent with AI w Microsoft Fabric?
Funkcję uruchamia się bezpośrednio z poziomu wstążki agenta danych, wybierając opcję "Build agent with AI". Użytkownicy mogą analizować dane, generować reguły, weryfikować je na rzeczywistych bazach oraz wprowdzać zmiany bez opuszczania głównego interfejsu. Pomoce narzędzie działa jak wirtualny asystent, który analizuje schemat, bada istniejące wzorce i pomaga zdefiniować reguły niezbędne do poprawnego działania systemu. Jego główne możliwości to:
1. Eksploracja schematu - zrozumienie danych w kilka minut
Zamiast ręcznie przeglądać tabele, użytkownik może poprosić asystenta AI o przetworzenie połączonych źródeł. Narzędzie tworzy podsumowania kluczowych obiektów, wskazuje relacje, wyróżnia istotne kolumny i proponuje pola najbardziej przydatne pod kątem planowanych pytań.
Przykładowe prompty:
- "Przeanalizuj schemat i wskaż tabele przydatne do raportowania lejka sprzedaży."
- "Jakich kolumn użyć, aby połączyć tabelę klientów z zamówieniami?"
- "Pokaż najważniejsze pola dat oraz sposób ich powiązania między tabelami."
2. Eksploracja historii zapytań: wykorzystanie sprawdzonych wzorców
Asystent potrafi badać historię wcześniej wykonywanych operacji, w tym popularne złączenia, filtry czy agregacje. Na tej podstawie rekomenduje instrukcje oraz przykłady zapytań oparte na działających schematach logicznych.
Przykładowe prompty:
- "Przejrzyj ostatnie zapytania dotyczące odejść klientów i zaproponuj przykłady."
- "Znajdź powtarzające się złączenia między tabelą faktów sprzedaży a wymiarami i podaj klucze."
- "Czy istnieją standardowe filtry stosowane dla aktywnych klientów?"
3. Generowanie instrukcji i przykładowych zapytań: szybkie przejście do konfiguracji
Na podstawie przebiegu rozmowy, analizy struktury oraz historii zapytań narzędzie automatycznie tworzy kluczowe elementy konfiguracyjne:
- Instrukcje agenta: wytyczne sterujące logiką i doborem źródeł.
- Instrukcje źródeł danych: szczegółowe opisy tabel, kolumn i relacji.
- Opisy źródeł danych: zwięzłe podsumowania zawartości i struktury.
- Przykładowe prompty: zestawienia pytań w języku naturalnym wraz z odpowiadającym im kodem.
Przykładowe polecenia:
- "Wygeneruj instrukcje źródła, aby agent stosował właściwe klucze i ziarno daty."
- "Zaproponuj 5 przykładowych zapytań dotyczących przychodów i zwrotów."
- "Przepisz obecne instrukcje agenta, usuwając niejasności."
Każda zmiana wymaga akceptacji ze strony użytkownika przed jej zastosowaniem.
4. Wykonywanie i walidacja zapytań: pewność przed wdrożeniem
Narzędzie umożliwia uruchamianie bezpiecznych zapytań w trybie odczytu na rzeczywistych danych przed zapisaniem zmian. Pozwala to sprawdzić poprawność relacji, dostępność danych oraz skuteczność przygotowanych przykładów.
Przykładowe instrukcje:
- "Uruchom zapytanie próbne, aby sprawdzić połączenie między tabelą klientów a sprzedażą."
- "Przetestuj zaproponowane zapytanie i popraw je, jeśli zwraca duplikaty."
Operacje ograniczają się wyłącznie do odczytu, co gwarantuje bezpieczeństwo danych.
Prosty schemat konfiguracji agenta danych
Dzięki narzędziu "Build Agent with AI" proces konfiguracji opiera się na powtarzalnym schemacie:
- Analiza tabel, kolumn i relacji w źródle danych.
- Identyfikacja sprawdzonych schematów z historii zapytań.
- Generowanie instrukcji oraz przykładowych zapytań dopasowanych do potrzeb biznesowych.
- Testowe uruchamianie zapytań na realnych danych w celu weryfikacji i poprawek.
- Zapisanie zmian i przejście do trybu testowego.
Pętla może być powtarzana aż do uzyskania oczekiwanych rezultatów.
Obsługiwane źródła danych
W wersji zapoznawczej funkcja wspiera źródła SQL oraz Eventhouse, w tym:
- Lakehouse (punkt końcowy analizy SQL)
- Warehouse
- Mirrored Database
- SQL Database
- Eventhouse
Projekt może zawierać wiele połączonych baz, pod warunkiem że należą one do wyżej wymienionych typów.
Jak zacząć korzystać z narzędzia "Build agent with AI"?
Uruchomienie narzędzia wymaga wykonania kilku prostych kroków:
- Utworzenie agenta danych i podłączenie obsługiwanego źródła z wybranymi tabelami.
- Kliknięcie przycisku "Build agent with AI" na wstążce.
- Rozpoczęcie konwersacji poprzez opisanie celu lub zadanie pytania testowego.
- Iteracyjna praca nad eksploracją, generowaniem i weryfikacją ustawień.
- Przełączenie w tryb testowy w celu końcowej weryfikacji.
Funkcja nie wymaga dodatkowej wstępnej konfiguracji.
