Visão geral das mágicas de bate-papo em blocos de anotações do Microsoft Fabric (visualização)
Importante
Este recurso está em pré-visualização.
A biblioteca Python Chat-magics aprimora seu fluxo de trabalho de ciência de dados e engenharia em notebooks Microsoft Fabric. Ele se integra perfeitamente com o ambiente Fabric e permite a execução de comandos mágicos IPython especializados em uma célula de notebook, para fornecer saídas em tempo real. IPython comandos mágicos e mais informações sobre o uso podem ser encontrados aqui: https://ipython.readthedocs.io/en/stable/interactive/magics.html#.
Nota
- O administrador precisa habilitar a opção de locatário antes de começar a usar Copiloto . Consulte o artigo Copilot Configurações do locatário para obter detalhes.
- Sua capacidade F64 ou P1 precisa estar em uma das regiões listadas neste artigo, Disponibilidade da região de malha.
- Se o seu locatário ou capacidade estiver fora dos EUA ou da França, será desabilitado por padrão, Copilot a menos que o administrador do locatário do Fabric habilite os Dados enviados para o Azure OpenAI podem ser processados fora da região geográfica, do limite de conformidade ou da configuração de locatário da instância de nuvem nacional do seu locatário no portal de Administração do Fabric.
- Copilot no Microsoft Fabric não é suportado em SKUs de avaliação. Apenas SKUs pagas (F64 ou superior, ou P1 ou superior) são suportadas.
- Copilot in Fabric está atualmente sendo lançado em visualização pública e espera-se que esteja disponível para todos os clientes até o final de março de 2024.
- Consulte o artigo Visão geral do in Fabric e do Copilot Power BI para obter mais informações.
Capacidades do Chat-magics
Consulta instantânea e geração de código
O %%chat
comando permite que você faça perguntas sobre o estado do seu bloco de anotações. O %%code
permite a geração de código para manipulação ou visualização de dados.
Descrições de dataframe
O %describe
comando fornece resumos e descrições de dataframes carregados. Isso simplifica a fase de exploração de dados.
Comentários e depuração
Os %%add_comments
comandos e %%fix_errors
ajudam a adicionar comentários ao seu código e corrigir erros, respectivamente. Isto ajuda a tornar o seu bloco de notas mais legível e livre de erros.
Controlos de privacidade
O Chat-magics também oferece configurações de privacidade granulares, que permitem controlar quais dados são compartilhados com o Serviço OpenAI do Azure. Os %set_sharing_level
comandos e %configure_privacy_settings
, por exemplo, fornecem essa funcionalidade.
Como o Chat-magics pode ajudá-lo?
Chat-magics melhora sua produtividade e fluxo de trabalho em notebooks Microsoft FabricEle acelera a exploração de dados, simplifica a navegação no notebook e melhora a qualidade do código. Ele se adapta a ambientes de código multilíngue e prioriza a privacidade e a segurança dos dados. Através de reduções de carga cognitiva, permite-lhe concentrar-se mais na resolução de problemas. Quer seja um cientista de dados, engenheiro de dados ou analista de negócios, o Chat-magics integra perfeitamente capacidades robustas e de nível empresarial do Azure OpenAI diretamente nos seus blocos de notas. Isso o torna uma ferramenta indispensável para tarefas eficientes e simplificadas de ciência de dados e engenharia.
Comece a usar o Chat-magics
- Abra um bloco de anotações do Microsoft Fabric novo ou existente.
- Selecione o Copilot botão na faixa de opções do bloco de anotações para enviar o código de inicialização do Chat-magics para uma nova célula do bloco de anotações.
- Execute a célula quando ela for adicionada na parte superior do seu bloco de anotações.
Verifique a instalação do Chat-magics
- Crie uma nova célula no bloco de anotações e execute o
%chat_magics
comando para exibir a mensagem de ajuda. Esta etapa verifica a instalação adequada do Chat-magics.
Introdução aos comandos básicos: %%chat e %%code
Usando %%chat (Cell Magic)
- Crie uma nova célula no seu bloco de notas.
- Digite
%%chat
na parte superior da célula. - Digite sua pergunta ou instrução abaixo do
%%chat
comando - por exemplo, Quais variáveis estão definidas atualmente? - Execute a célula para ver a resposta Chat-magics.
Usando %%code (Cell Magic)
- Crie uma nova célula no seu bloco de notas.
- Digite
%%code
na parte superior da célula. - Abaixo disso, especifique a ação de código desejada - por exemplo, Carregar my_data.csv em um dataframe pandas.
- Execute a célula e revise o trecho de código gerado.
Personalizando as configurações de saída e idioma
- Use o comando %set_output para alterar o padrão de como os comandos mágicos fornecem saída. As opções podem ser visualizadas executando %set_output?
- Escolha onde colocar o código gerado, a partir de opções como
- célula atual
- nova célula
- saída da célula
- numa variável
Comandos avançados para operações de dados
%descrever, %%add_comments e %%fix_errors
- Use %describe DataFrameName em uma nova célula para obter uma visão geral de um dataframe específico.
- Para adicionar comentários a uma célula de código para melhor legibilidade, escreva %%add_comments na parte superior da célula que pretende anotar e, em seguida, executar. Certifique-se de validar que o código está correto
- Para correção de erros de código, digite %%fix_errors na parte superior da célula que continha um erro e execute-o.
Configurações de privacidade e segurança
- Por padrão, sua configuração de privacidade compartilha mensagens anteriores enviadas de e para o Modelo de Aprendizagem de Idiomas (LLM). No entanto, ele não compartilha conteúdo de células, saídas ou quaisquer esquemas ou dados de exemplo de fontes de dados.
- Use
%set_sharing_level
em uma nova célula para ajustar os dados compartilhados com o processador de IA. - Para obter configurações de privacidade mais detalhadas, use
%configure_privacy_settings
.
Comandos de contexto e foco
Usando %pin, %new_task e outros comandos de contexto
- Use
%pin DataFrameName
para ajudar a IA a se concentrar em quadros de dados específicos. - Para limpar a IA para se concentrar em uma nova tarefa em seu bloco de anotações, digite %new_task seguido por uma tarefa que você está prestes a realizar. Isso limpa o histórico de execução que o copiloto conhece até este ponto e pode tornar as respostas futuras mais relevantes.