Vad är Copilot i SQL-databasen i Fabric-arbetsbelastningen?

gäller för:✅SQL-databas i Microsoft Fabric

Copilot i Fabric i SQL Database är ett AI-verktyg som är utformat för att förenkla hanteringen och frågekörningen av SQL-databaser. Copilot erbjuder intelligent kodkomplettering, snabba åtgärder och naturligt språk till SQL-konvertering. Den här artikeln utforskar hur Copilot kan förbättra produktiviteten, noggrannheten och inlärningen för databasadministratörer, utvecklare och dataanalytiker.

Funktioner i Copilot i Fabric SQL-databas

Kom igång med Copilot i Fabric i SQL Database:

• Copilot-chattfönster i Fabric SQL Database: Använd chattfönstret för att ställa frågor till Copilot via naturligt språk.

  • Naturligt språk till SQL: Generera T-SQL-kod och få förslag på frågor att ställa för att påskynda arbetsflödet.
  • Dokumentationsbaserad Q&A: Ställ frågor till Copilot om funktionerna i Copilot i Fabric i SQL Database och ger svar på naturligt språk tillsammans med relevanta dokumentationer.

• Copilot-kodkomplettering för Copilot i Fabric SQL-databasen: Börja skriva T-SQL i SQL-frågeredigeraren, och Copilot genererar automatiskt ett kodförslag som hjälper dig att slutföra frågan. Tabbnyckeln accepterar kodförslaget eller fortsätter att skriva för att ignorera förslaget. Copilot kan också föreslå kodslutningar för tabell- och kolumnnamn, funktioner och nyckelord.

• Copilot Förklara och åtgärda snabbåtgärdsfunktioner för Copilot i Fabric SQL-databasen: I menyfliksområdet i SQL-frågeredigeraren är alternativen Åtgärda och förklara snabba åtgärder. Markera en SQL-fråga som du väljer och välj en av snabbåtgärdsknapparna för att utföra den valda åtgärden i frågan.

  • Korrigering: Copilot kan åtgärda fel i koden när felmeddelanden uppstår. Felscenarier omfattar felaktig eller T-SQL-kod som inte stöds, fel stavning med mera. Copilot ger också kommentarer som förklarar ändringarna och föreslår metodtips för SQL.
  • Förklara: Copilot kan ge förklaringar på naturligt språk för SQL-frågan och databasschemat i kommentarsformat.

Använda Copilot med SQL Server Management Studio (SSMS) och Visual Studio Code

När du ansluter till en SQL-databas i Fabric från SQL Server Management Studio (SSMS) eller MSSQL-tillägget för Visual Studio Code erbjuder Copilot chatt- och infogad T-SQL-hjälp som baseras på den anslutna databasen. Exempel på viktiga funktioner:

• Infogade T-SQL-kompletteringar: Copilot föreslår kodkompletteringar när du skriver i frågeredigeringsverktyget.
• Chattbaserad kodgenerering och förklaringar: Ställ frågor eller begär T-SQL-generering via naturligt språk i chattpanelen.
• Analys av exekveringsplan: Copilot kan analysera din exekveringsplan för frågor och ge optimeringsrekommendationer.

Dessa integreringar stöder två driftlägen:

• Frågeläge: Kör som standard skrivskyddade frågor för att besvara frågor och generera T-SQL utan att ändra data.
• Agentläge: Aktiverar verktygsdrivna arbetsflöden i flera steg som kan utföra skrivåtgärder. Alla åtgärder som ändrar data kräver uttryckligt användargodkännande innan de körs – skrivåtgärder utförs aldrig utan användarens medgivande.

Aktivera Copilot i Fabric SQL-databas

Så här aktiverar du Copilot i Fabric i SQL-databasen:

• Administratören måste aktivera klientväxeln innan du börjar använda Copilot. Mer information finns i Klientinställningar för Copilot.
• Din F2- eller P1-kapacitet måste finnas i någon av de regioner som anges i Tillgänglighet för infrastrukturresurser.
• Om din klientorganisation eller kapacitet ligger utanför USA eller Frankrike inaktiveras Copilot som standard såvida inte infrastrukturadministratören aktiverar data som skickas till Azure OpenAI kan bearbetas utanför kapacitetens geografiska region, efterlevnadsgräns eller nationella klientinställning för molninstanser i infrastrukturadministratörsportalen .
• Copilot i Microsoft Fabric stöds inte på utvärderings-SKU:er. Endast betalda SKU:er (F2 eller högre, eller P1 eller högre) stöds just nu.
• Mer information finns i översikten över Copilot i Fabric och Power BI.

Metodtips för att använda Copilot i Fabric SQL-databas

Här följer några tips för att effektivt maximera produktiviteten med Copilot:

• Börja med en tydlig och kortfattad beskrivning av den specifika information du söker när du skapar frågor.
• Naturligt språk till SQL beror på uttrycksfulla tabell- och kolumnnamn. Om tabellen och kolumnerna inte är uttrycksfulla och beskrivande kanske Copilot inte kan konstruera en meningsfull fråga.
• Använd naturligt språk som gäller för tabellen och visa databasens namn, kolumnnamn, primära nycklar och sekundärnycklar. Den här kontexten hjälper Copilot att generera korrekta frågor. Ange vilka kolumner du vill se, aggregeringar och eventuella filtreringsvillkor så explicit som möjligt. Med tanke på schemakontexten bör Copilot kunna korrigera stavfel eller förstå kontexten.
• När du använder kodkompletteringar lämnar du en kommentar överst i frågeställningen med -- för att underlätta för Copilot med kontexten kring frågeställningen du försöker skriva.
• Undvik tvetydigt eller alltför komplext språk i dina frågor. Förenkla frågan samtidigt som dess klarhet bibehålls. Den här redigeringen säkerställer att Copilot kan översätta den till en meningsfull T-SQL-fråga som hämtar önskade data.

Exempeluppmaningar

Följande exempelfrågor är tydliga, specifika och skräddarsydda för egenskaperna för ditt schema och din databas. De gör det enklare för Copilot att generera korrekta T-SQL-frågor.

 - What are the top-selling products by quantity?
 - Count all the products grouped by category
 - Show all sales transactions that occurred on [a specific date]

Ansvarsfull AI-användning av Copilot

Information om hur du visar Microsofts riktlinjer för ansvarsfull AI i SQL-databasen finns i Sekretess, säkerhet och ansvarsfull AI-användning av Copilot i Fabric i SQL Database-arbetsbelastningen.

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 proaktivt ta itu med nya problem. Frågor och svar som Copilot för SQL-databas använder skyddas i enlighet med Microsofts sekretesspraxis och används inte för att träna grundmodeller. Mer information om sekretess och säkerhet finns i Sekretess, säkerhet och ansvarsfull användning för Copilot i Fabric.

Limitations

Här är de aktuella begränsningarna för Copilot i Fabric i SQL Database:

• Copilot kan inte ändra befintliga SQL-frågor i SQL-frågeredigeraren. Om du till exempel ber chattfönstret Copilot att redigera en viss del av en befintlig fråga fungerar den inte. Copilot förstår dock tidigare indata i chattfönstret. Med den här förståelsen kan användare iterera frågor som tidigare genererats av Copilot innan de infogas.
• Copilot kan ge felaktiga resultat när avsikten är att utvärdera data. Copilot har endast åtkomst till databasschemat. den har ingen åtkomst till data.
• Copilot-svar kan innehålla felaktigt innehåll eller innehåll av låg kvalitet, så granska utdata innan du använder dem i ditt arbete.
• Personer som på ett meningsfullt sätt kan utvärdera innehållets noggrannhet och lämplighet bör granska utdata.
• Chattfönstret Copilot i Fabric i SQL-databas är för närvarande inte tillgängligt om Private Link är aktiverat och Public Access är inaktiverat i klientens inställningar.
• Copilot i Fabric-portalen kör inte sökfrågor autonomt. Alla åtgärder som kan ändra data kräver att användaren initierar eller godkänner dem. För användare som ansluter via SQL Server Management Studio (SSMS) eller Visual Studio Code omfattar verktygsdrivna arbetsflöden (agentläge) flerstegsåtgärder som begär användargodkännande innan ändringar körs.

Relaterat innehåll

• Så här använder du Copilot-kodkomplettering för Copilot i Fabric i SQL-databas
• Så här använder du chattfönstret Copilot för Copilot i Fabric i SQL Database
• Vanliga frågor och svar om Copilot i Fabric i SQL Database
• Sekretess, säkerhet och ansvarsfull AI-användning av Copilot i Fabric