Översikt över chattmagi i Microsoft Fabric-notebook-filer (förhandsversion)

Python-biblioteket Chat-magics förbättrar ditt arbetsflöde för datavetenskap och teknik i Microsoft Fabric-notebook-filer. Den integreras sömlöst med Fabric-miljön och gör det möjligt att köra specialiserade IPython-magiska kommandon i en notebook-cell för att tillhandahålla realtidsutdata. IPython-magiska kommandon och mer bakgrund om användning finns här: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.

Chatt-magins kapaciteter

Omedelbar fråge- och kodgenerering

Med kommandot %%chat kan du ställa frågor om anteckningsbokens tillstånd. %%code möjliggör kodgenerering för datamanipulering eller visualisering.

Beskrivningar av dataram

Kommandot %describe innehåller sammanfattningar och beskrivningar av inlästa dataramar. Det här kommandot förenklar datautforskningsfasen.

Kommentera och felsöka

Kommandona %%add_comments och %%fix_errors hjälper dig att lägga till kommentarer i koden respektive åtgärda fel. På så sätt blir anteckningsboken mer läsbar och felfri.

Sekretesskontroller

Chat-magics erbjuder också detaljerade sekretessinställningar som gör att du kan styra vilka data som delas med Azure OpenAI-tjänsten. Kommandona %set_sharing_level och %configure_privacy_settings tillhandahåller till exempel den här funktionen.

Hur kan chattmagi hjälpa dig?

Chat-magics förbättrar produktiviteten och arbetsflödet i Microsoft Fabric NotebooksDet påskyndar datautforskning, förenklar notebook-navigering och förbättrar kodkvaliteten. Den anpassas till flerspråkiga kodmiljöer och prioriterar datasekretess och säkerhet. Med kognitiva belastningsminskningar kan du fokusera närmare på problemlösning. Oavsett om du är dataexpert, datatekniker eller affärsanalytiker integrerar Chat-magics sömlöst robusta Azure OpenAI-funktioner på företagsnivå direkt i dina notebook-filer. Detta gör det till ett oumbärligt verktyg för effektiva och strömlinjeformade datavetenskaps- och ingenjörsuppgifter.

Kom igång med Chat-magics

1. Öppna en ny eller befintlig Microsoft Fabric-anteckningsbok.
2. Välj knappen Copilot i notebook-menyfliksområdet för att mata ut initieringskoden Chat-magics i en ny notebook-cell.
3. Kör cellen när den läggs till överst i anteckningsboken.

Verifiera installationen av Chat-magics

1. Skapa en ny cell i anteckningsboken och kör kommandot %chat_magics för att visa hjälpmeddelandet. Det här steget verifierar korrekt installation av chattmagi.

Introduktion till grundläggande kommandon: %%chat och %%code

Använda %%chat (Cell Magic)

1. Skapa en ny cell i anteckningsboken.
2. Skriv %%chat överst i cellen.
3. Ange din fråga eller instruktion under kommandot %%chat – till exempel Vilka variabler definieras för närvarande?
4. Kör cellen, för att se Chat-magics respons.

Använda %%code (Cell Magic)

1. Skapa en ny cell i anteckningsboken.
2. Skriv %%code överst i cellen.
3. Nedan %%code specificerar du den kodåtgärd du vill ha, till exempel Läs in my_data.csv i en pandas DataFrame.
4. Kör cellen och granska det genererade kodfragmentet.

Anpassa inställningar för utdata och språk

1. Använd kommandot %set_output för att ändra standardvärdet för hur magiska kommandon ger utdata. Alternativen visas genom att köra %set_output?
2. Välj var du vill placera den genererade koden, från alternativ som
   • aktuell cell
   • ny cell
   • cellutdata
   • till en variabel

Avancerade kommandon för dataåtgärder

%describe, %%add_kommentarer och %%fix_fel

1. Använd %describe DataFrameName- i en ny cell för att få en översikt över en specifik dataram.
2. Om du vill lägga till kommentarer i en kodcell för bättre läsbarhet skriver du %%add_comments överst i cellen som du vill kommentera och sedan köra. Kontrollera att koden är korrekt
3. För att åtgärda kodfel skriver du %%fix_errors överst i cellen som innehöll ett fel och kör det.

Sekretess- och säkerhetsinställningar

1. Som standard delar sekretesskonfigurationen tidigare meddelanden som skickats till och från Language Learning Model (LLM). Den delar dock inte cellinnehåll, utdata eller scheman eller exempeldata från datakällor.
2. Använd %set_sharing_level i en ny cell för att justera data som delas med AI-processorn.
3. Mer detaljerade sekretessinställningar finns i %configure_privacy_settings.

Kontext- och fokuskommandon

Använda %pin, %new_task och andra kontextkommandon

1. Använd %pin DataFrameName för att hjälpa AI:n att fokusera på specifika dataramar.
2. Om du vill rensa AI:n för att fokusera på en ny uppgift i anteckningsboken skriver du %new_task följt av en uppgift som du ska utföra. Detta rensar körningshistoriken som andrepiloten känner till fram till nu och kan göra framtida svar mer relevanta.

Relaterat innehåll

• Så här använder du Copilot-fönstret