Lägga till AI-genererade kommentarer i Unity Catalog-objekt

Den här artikeln beskriver AI-genererade kommentarer för Unity Catalog-objekt och tabellkolumner (kallas även AI-genererad dokumentation), förklarar hur de fungerar, visar hur du lägger till och redigerar dem samt svar på vanliga frågor och svar.

Objekt som stöds

AI-genererade kommentarer stöds för följande Unity Catalog-objekt:

  • Kataloger
  • Scheman
  • Tabeller
  • Tabellkolumner
  • Funktioner
  • Modeller
  • Volymer

AI-genererade kommentarer stöder inte vyer eller materialiserade vyer.

Hur fungerar AI-genererade kommentarer?

Som objektägare eller användare med behörighet att ändra ett objekt kan du använda Katalogutforskaren för att visa och lägga till en AI-genererad kommentar för objekt och tabellkolumner som hanteras av Unity Catalog. Kommentarer drivs av en stor språkmodell (LLM) som tar hänsyn till objektmetadata, till exempel tabellschema och kolumnnamn.

AI-genererade kommentarer ger ett snabbt sätt att hjälpa användare att identifiera data som hanteras av Unity Catalog.

Viktigt!

AI-genererade kommentarer är avsedda att ge en allmän beskrivning av objekt och tabellkolumner baserat på schemat. Beskrivningarna justeras för data i en affärs- och företagskontext med hjälp av exempelscheman från flera öppna datauppsättningar i olika branscher. Modellen utvärderades med hundratals simulerade exempel för att verifiera att den undviker att generera skadliga eller olämpliga beskrivningar.

AI-modeller är inte alltid korrekta och kommentarer måste granskas innan de sparas. Databricks rekommenderar starkt mänsklig granskning av AI-genererade kommentarer för att söka efter felaktigheter. Modellen bör inte användas för dataklassificeringsuppgifter som att identifiera kolumner med PII.

Om du vill visa kommentarer när de har lagts till måste du ha behörigheten SELECT för objektet, USE SCHEMA det överordnade schemat och USE CATALOG i den överordnade katalogen.

Information om de modeller som används för att generera kommentarsförslag finns i Vanliga frågor och svar om AI-genererade kommentarer.

Innan du börjar

Innan du kan använda AI-genererade kommentarer måste en arbetsyteadministratör aktivera azure AI-tjänstdrivna hjälpfunktioner:

  1. I Inställningar går du till fliken Avancerat och rullar ned till avsnittet Övrigt .
  2. Aktivera alternativet Azure AI-tjänster som drivs av AI-hjälpmedel.

Lägga till AI-genererade kommentarer

Du måste använda Katalogutforskaren för att visa föreslagna kommentarer, redigera dem och lägga till dem i objekt och tabellkolumner.

Behörigheter som krävs: Du måste vara objektägare eller ha MODIFY behörighet för objektet för att kunna visa den AI-föreslagna kommentaren, redigera den och lägga till den.

Lägga till en AI-föreslagen kommentar i ett objekt

  1. På din Azure Databricks-arbetsyta klickar du på Katalogikon Katalog.

  2. Sök eller bläddra efter objektet och välj det.

  3. I panelen Om det här <object> klickar du på AI-generera.

    Knappen AI-genererade kommentarer

    AI:n kan ta en stund att generera kommentaren.

  4. Klicka på Acceptera för att acceptera kommentaren som den är eller Redigera för att ändra den innan du sparar den.

Lägga till en AI-föreslagen kommentar i en tabellkolumn

  1. På din Azure Databricks-arbetsyta klickar du på Katalogikon Katalog.

  2. Sök eller bläddra efter tabellen och välj den.

  3. Klicka på AI-generera ovanför tabellkolumnrubrikerna.

    En kommentar genereras för varje kolumn.

  4. Klicka på bockmarkeringen bredvid kolumnkommenteringen för att acceptera den eller stänga den som inte har sparats.

Uppdatera en AI-genererad kommentar

Objektägaren eller användaren med behörigheten MODIFY för objektet kan uppdatera kommentarer när som helst med hjälp av katalogutforskarens användargränssnitt. Den infogade chattassistenten hjälper till att redigera kommentarer, vilket ger alternativ för att förkorta text eller översätta text till ett annat språk.

AI-genererad kommentarsassistent

Du kan också använda ALTER eller KOMMENTERA SQL-kommandon .

Vanliga frågor och svar om AI-genererade kommentarer

Det här avsnittet innehåller allmän information om AI-genererade kommentarer (även kallad AI-genererad dokumentation) i form av vanliga frågor och svar.

Vilka tjänster använder den AI-genererade dokumentationsfunktionen?

AI-genererade kommentarer använder en intern stor språkmodell (LLM) för tabeller och kolumner. De kan använda externa modellpartners för andra Unity Catalog-objekt och den infogade assistenten. Data som skickas till externa tjänster används inte för modellträning. Själva modellerna är tillståndslösa: inga uppmaningar eller slutföranden lagras av modellprovidrar.

Vilka regioner finns modellbetjäningsslutpunkter i?

För EU-arbetsytor använder AI-hjälpmedel en extern modell som finns i EU. Alla andra regioner använder en modell som finns i USA.

Hur krypteras data mellan Azure Databricks och Azure AI-tjänster?

Trafik mellan Databricks och Azure AI-tjänster krypteras under överföring med hjälp av branschstandard-TLS 1.2-kryptering.

Är allt krypterat i vila?

Alla data som lagras på en Azure Databricks-arbetsyta är AES-256-bitars krypterade. Våra externa partner lagrar inte några frågor eller slutföranden som skickas till dem.

Vilka data skickas till modellerna?

Azure Databricks skickar följande metadata till modellerna med varje API-begäran:

  • Katalog (katalognamn, aktuell kommentar, katalogtyp)
  • Schema (katalognamn, schemanamn, aktuell kommentar)
  • Tabell (katalognamn, schemanamn, tabellnamn, aktuell kommentar)
  • Funktion (katalognamn, schemanamn, funktionsnamn, aktuell kommentar, parametrar, definition)
  • Modell (katalognamn, schemanamn, modellnamn, aktuell kommentar, alias)
  • Volym (katalognamn, schemanamn, volymnamn, aktuell kommentar)
  • Kolumnnamn (kolumnnamn, typ, primärnyckel eller inte, aktuell kolumnkommentare)

Godkända kommentarer lagras i Azure Databricks-kontrollplansdatabasen, tillsammans med resten av Unity Catalog-metadata. Kontrollplansdatabasen är AES-256-bitars krypterad.

Användningen styrs av de befintliga allmänna villkoren för Azure Databricks som kunden har gått med på när de använder Azure Databricks.