Konfigurer din dataagent

En dataagent lader brugere interagere med data gennem naturligt sprog. For at forbedre nøjagtigheden af resultater, tilføj forretningskontekst, der former, hvordan agenten fortolker spørgsmål og opbygger forespørgsler. Denne kontekst hjælper dig med at skabe skræddersyede løsninger, der afspejler din organisations processer, scenarier og forretningslogik, så de indsigter, agenten genererer, både er nøjagtige og kontekstuelt relevante.

Denne artikel beskriver de konfigurationer, du kan bruge til at forbedre din dataagent.

Instruktioner til dataagent

Instruktioner fra dataagenten hjælper agenten med at generere præcise og relevante svar på brugerspørgsmål. Disse instruktioner kan angive, hvilke datakilder der skal prioriteres, skitsere, hvordan visse typer forespørgsler skal håndteres, og give nyttig terminologi eller kontekst til fortolkning af brugerhensigt.

Brug dette anbefalede format til at skrive effektive agentniveauinstruktioner:

## 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"

Instruktioner til datakilde

Instruktioner til datakilden anvendes, når agenten distribuerer et spørgsmål til en bestemt datakilde. Disse instruktioner indeholder den kontekst, der er nødvendig for at oprette præcise forespørgsler – uanset om det er i SQL, DAX eller KQL – så agenten kan hente nøjagtige oplysninger.

Dette afsnit skal indeholde datakildespecifik vejledning, f.eks. relevante tabeller, kolonner, relationer og enhver forespørgselslogik, der kræves for at besvare almindelige eller komplekse spørgsmål. Jo mere kontekst der leveres, jo mere effektivt kan agenten generere nøjagtige og meningsfulde forespørgsler.

Brug følgende skabelon som udgangspunkt:

## 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."

Beskrivelse af datakilde

Datakildebeskrivelser hjælper skabere med at give overordnet kontekst om hver datakilde, så dataagenten intelligent kan viderestille spørgsmål. En beskrivelse bør opsummere, hvad datakilden indeholder, hvilke typer spørgsmål den kan besvare, og eventuelle forretningsspecifikke nuancer, der hjælper med at adskille den fra andre kilder. Agenten bruger denne information under sin ræsonnementsproces til at afgøre, hvilken kilde der er mest relevant for brugerens forespørgsel.

Eksempelforespørgsler for datakilde

Eksempelforespørgsler, også kendt som few-shot eksempler, bruges af dataagentværktøjer til at forbedre kvaliteten af genererede forespørgsler. De gør det muligt for oprettere at overføre eksempelforespørgselslogik, som agenten kan referere til, når der dannes et svar. Når en datakilde bruges, slår det tilsvarende værktøj automatisk de mest relevante eksempelforespørgsler op for brugerens spørgsmål og sender de tre øverste til dataagent-værktøjet. Disse eksempler er indarbejdet i oprettelsesprocessen, hvilket hjælper agenten med at producere mere nøjagtige og kontekstafhængigt relevante forespørgselsresultater.

Skema-objektbeskrivelser (Forhåndsvisning)

For SQL-datakilder giver skemaobjektbeskrivelser forretningskontekst for tabeller, kolonner og andre elementer i et datakildeskema. Dataagenten bruger disse beskrivelser til at fortolke store eller tvetydige skemaer og forstå, hvad hvert element repræsenterer, hvilket hjælper med at generere mere præcise forespørgsler.

For at lære, hvordan du tilføjer og administrerer beskrivelser, se Tilføj skema-objektbeskrivelser (Forhåndsvisning).

Emner (Forhåndsvisning)

Topics giver store, emnebaserede instruktioner til NL2SQL. Dataagenten søger i instruktionerne efter indhold, der er relevant for brugerens spørgsmål, og sender kun de matchende sektioner til NL2SQL-værktøjet.

Brug emner, når dine instruktioner er store, kan organiseres efter emne, og gælder kun, når et spørgsmål relaterer sig til det pågældende emne. Brug i stedet datakildeinstruktioner til kontekst og regler, som du skal sende, når agenten forespørger datakilden.

For at lære, hvordan man organiserer og tilføjer emnebaserede instruktioner, se Brug emner i en Fabric dataagent (forhåndsvisning).

Næste trin

• dataagentkoncept
• Tilføj og konfigurer datakilder i en Fabric-dataagent