Vad är Copilot i Fabric i Data Factory-arbetsflödet?

Den här artikeln innehåller en översikt över Copilot i Data Factory-arbetsbelastningen, inklusive dess funktioner och fördelar. Microsoft Copilot i Data Factory-arbetsbelastningen är en AI-förbättrad verktygsuppsättning som gör det möjligt för kunder att använda naturligt språk för att formulera sina krav för att skapa dataintegreringslösningar med hjälp av Dataflow Gen2. Copilot i Data Factory-arbetsbelastningen fungerar som en ämnesexpert (SME) som samarbetar med dig för att utforma dina dataflöden, vilket stöder både medborgare och professionella datavridare i att effektivisera sina arbetsflöden.

Innan ditt företag kan börja använda Copilot-funktioner i Fabric måste administratören aktivera Copilot i Microsoft Fabric (se Översikt över Copilot Fabric.

Så här fungerar Copilot i Data Factory-arbetsbelastningen

Copilot i Data Factory-arbetsbelastningen förbättrar produktiviteten, låser upp djupgående insikter och underlättar skapandet av anpassade AI-upplevelser som är skräddarsydda för dina data. Som en komponent i Copilot i Fabric-upplevelsen ger den intelligent Mashup-kodgenerering för att transformera data med hjälp av indata från naturligt språk. Den genererar kodförklaringar som hjälper dig att bättre förstå de komplexa frågor och uppgifter som tidigare genererades.

Funktioner i Copilot i Data Factory-arbetsbelastningen

Copilot i Data Factory-arbetsbelastningen erbjuder olika funktioner beroende på vilken komponent du arbetar med:

Med Dataflöde Gen2 kan du:

• Generera nya transformeringssteg för en befintlig fråga
• Ange en sammanfattning av frågan och de tillämpade stegen
• Generera en ny fråga som kan innehålla exempeldata eller en referens till en befintlig fråga

Med pipelines kan du:

• Pipelinegenerering: Med naturligt språk kan du beskriva önskad pipeline och Copilot förstår avsikten och genererar nödvändiga pipelineaktiviteter
• Felmeddelandeassistent: Felsöka pipelineproblem med tydlig felförklaringsfunktion och användbar felsökningsvägledning
• Sammanfatta pipeline: Förklara din komplexa pipeline med en sammanfattning av innehåll och relationer för aktiviteter i pipelinen

Metodtips för att använda Copilot i Data Factory-arbetsbelastningen

Så här får du ut mesta möjliga av Copilot i Data Factory-arbetsbelastningen:

• Var specifik och tydlig i dina begäranden om naturligt språk
• Börja med enkla omvandlingar och skapa komplexitet gradvis
• Använd funktionen "Förklara min aktuella fråga" för att förstå den genererade koden
• Använd ångra-funktionen för att återställa ändringar när det behövs
• Granska de genererade stegen i listan Tillämpade steg för noggrannhet
• Använd startmeddelanden för att bekanta dig med Copilots funktioner

Exempeluppmaningar

Här är några exempel på frågor som du kan använda med Copilot i Data Factory-arbetsbelastningen:

Gen2-prompter för dataflöde

- Only keep European customers
- Count the total number of employees by City
- Only keep orders whose quantities are above the median value
- Create a new query with sample data that lists all the Microsoft OS versions and the year they were released
- Explain my current query

Pipeline-uppmaningar

- Create a pipeline to copy data from SQL Server to Azure Data Lake
- Ingest data from this source to that destination
- Summarize this pipeline
- Explain what this pipeline does

Ansvarsfull AI-användning av Copilot

Microsoft strävar efter att se till att våra AI-system styrs av våra AI-principer och ansvarsfull AI Standard. Dessa principer omfattar att ge våra kunder möjlighet att använda dessa system effektivt och i linje med deras avsedda användning. Vår strategi för ansvarsfull AI utvecklas kontinuerligt för att hantera nya problem proaktivt.

Specifika riktlinjer för ansvarsfull AI-användning i Data Factory finns i Sekretess, säkerhet och ansvarsfull användning av Copilot i Fabric i Data Factory-arbetsbelastningen.

Begränsningar

Här är de aktuella begränsningarna för Copilot i Data Factory-arbetsbelastningen:

• Copilot kan inte utföra omvandlingar eller förklaringar över flera frågor inom en enda indata. Du kan till exempel inte be Copilot att "ange versaler för alla kolumnrubriker för varje fråga i mitt dataflöde".
• Copilot förstår inte tidigare indata och kan inte ångra ändringar när en användare checkar in en ändring vid redigering, antingen via användargränssnittet eller chattfönstret. Du kan till exempel inte be Copilot att ångra mina fem senaste indata. Användare kan dock fortfarande använda de befintliga alternativen för användargränssnittet för att ta bort oönskade steg eller frågor.
• Copilot kan inte göra layoutändringar i frågeställningar i sessionen. Om du till exempel uppmanar Copilot att skapa en ny grupp för frågor i redigeraren fungerar den inte.
• Copilot kan ge felaktiga resultat när avsikten är att utvärdera data som inte finns i de exempelresultat som importeras till sessionens data.
• Copilot skapar inte ett meddelande för de färdigheter som det inte stöder. Om du till exempel ber Copilot att "Utföra statistisk analys och skriva en sammanfattning över innehållet i den här frågan" slutför den inte instruktionen som nämnts tidigare. Tyvärr ger det inte heller något felmeddelande.

Relaterat innehåll

• Sekretess, säkerhet och ansvarsfull användning av Copilot i Fabric i Data Factory-arbetsbelastningen
• Självstudie: Skapa en pipeline från slutpunkt till slutpunkt
• Självstudie: Skapa ett dataflöde från slutpunkt till slutpunkt