数据工厂工作负荷中的 Fabric 中的 Copilot 是什么？

2025-07-17

本文概述了数据工厂工作负荷中的 Copilot 的功能和优势。数据工厂工作负荷中的 Microsoft Copilot 是一个 AI 增强的工具集，它使客户能够使用自然语言来阐明他们使用数据流 Gen2 创建数据集成解决方案的要求。数据工厂工作负荷中的 Copilot 像主题专家（SME）一样运行，与你协作设计数据流，支持公民和专业数据整理者简化其工作流。

在企业开始在 Fabric 中使用 Copilot 功能之前，管理员必须在 Microsoft Fabric 中启用 Copilot（请参阅 Copilot Fabric 概述）。

注释

管理员需要启用租户切换，然后你才能开始使用 Copilot。有关详细信息，请参阅 Copilot 租户设置文章。
F2 或 P1 容量需要位于本文中列出的区域之一，参见Fabric 区域可用性一文。
如果您的租户或容量位于美国或法国以外的地区，除非 Fabric 租户管理员在 Fabric 管理门户中启用允许发送到 Azure OpenAI 的数据在租户的地理区域、合规性边界或国家云实例之外处理的租户设置，否则默认情况下 Copilot 是禁用的。
Microsoft Fabric 不支持在试用版 SKU 上运行 Copilot。仅支持付费 SKU（F2 或更高版本或 P1 或更高版本）。
有关详细信息，请参阅文章 Fabric 和 Power BI 中的 Copilot 概述。

Copilot 如何在数据工厂工作流中运行

数据工厂工作负载中的 Copilot 可提高工作效率，解锁深刻的见解，并有助于创建自定义 AI 体验，这些体验专为数据量身定做。作为 Fabric 体验中 Copilot 的一部分，它提供智能 Mashup 代码生成，通过自然语言输入来转换数据。它生成代码说明，以帮助你更好地了解以前生成的复杂查询和任务。

Copilot 在数据工厂工作负载中的功能

数据工厂工作负荷中的 Copilot 提供不同的功能，具体取决于你正在使用的组件：

使用数据流 Gen2，可以：

为现有查询生成新的转换步骤
提供查询摘要和已应用的步骤
生成可能包含示例数据或对现有查询的引用的新查询

使用数据管道，可以：

管道生成：您可以使用自然语言描述所需的管道，Copilot 能够理解其意图并生成必要的数据管道操作。
错误消息助手：排查数据管道问题，并提供明确的错误解释功能和可行的故障排除指南
总结管道：通过概述管道中各项活动的内容和关系来解释复杂的管道系统

在数据工厂工作负荷中使用 Copilot 的最佳做法

为充分利用数据工厂工作负荷中的 Copilot，请遵循以下步骤：

在自然语言请求中做到清晰具体
从简单的转换开始，逐步构建复杂性
使用“说明当前查询”功能了解生成的代码
使用撤消功能在需要时还原更改
查看“已应用的步骤”列表中生成的步骤以检查其准确性。
使用入门提示熟悉 Copilot 的功能特性

示例提示

下面是可以在数据工厂工作负荷中与 Copilot 一起使用的一些示例提示：

Dataflow Gen2 提示

- 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

数据管道提示

- 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

注释

Copilot 由 AI 提供支持，因此可能发生意外和错误。

Copilot 的负责任 AI 使用

Microsoft 致力于确保我们的 AI 系统遵循我们的 AI 原则和负责任 AI 标准。这些原则包括使我们的客户能够有效地使用这些系统，以及使这些系统符合其预期用途。我们负责任的 AI 方法不断演变，以主动解决新兴问题。

有关数据工厂中负责任的 AI 使用的具体准则，请参阅数据工厂工作负载中 Fabric 中 Copilot 的隐私、安全性和负责任的使用。

局限性

下面是数据工厂负载中 Copilot 的当前限制：

Copilot 无法在单个输入中跨多个查询执行转换或解释。例如，不能要求 Copilot 将数据流中每个查询的所有列标题变为大写。
Copilot 不了解以前的输入，并且无法在用户通过用户界面或聊天窗格进行创作时提交更改后撤消更改。例如，不能要求 Copilot “撤消我的最后五个输入”。但是，用户仍然可以使用现有的用户界面选项删除不需要的步骤或查询。
Copilot 无法对会话中的查询进行布局更改。例如，如果你告诉 Copilot 在编辑器中为查询创建新组，则它不起作用。
当意图评估导入到会话数据的采样结果中不存在的数据时，Copilot 可能会生成不准确的结果。
Copilot 不会为它不支持的技能生成消息。例如，如果要求 Copilot “执行统计分析并编写有关此查询内容的摘要”，则它未如前所述成功完成该指令。遗憾的是，它也不会提供错误消息。