使用PowerBI Toolkit和LLM轻松进行数据集查询-CSDN博客

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142678010

引言

在数据驱动的世界中，快速获取和理解数据对于决策制定至关重要。PowerBI不仅为数据可视化提供了强大的平台，还可以通过开发工具进行自动化的数据查询和分析。本篇文章旨在介绍如何使用PowerBI Toolkit结合大语言模型（LLM），与PowerBI数据集进行交互查询。

主要内容

PowerBI Toolkit简介

PowerBI Toolkit是一个强大的工具，允许开发者与PowerBI数据集进行复杂的交互。它支持执行查询、描述数据结构，并通过LLM技术自动生成查询代码。

身份认证和初始化

在使用PowerBI Toolkit之前，需确保已配置身份认证。推荐使用azure.identity进行身份验证，可通过以下命令安装：

pip install azure-identity

也可以通过提供字符串形式的token进行认证。在RLS（行级安全性）启用的情况下，可以模拟用户角色。

LLM的使用

该工具包使用LLM（如GPT-3.5-turbo和GPT-4）来生成查询并执行：

from azure.identity import DefaultAzureCredential
from langchain_community.agent_toolkits import PowerBIToolkit, create_pbi_agent
from langchain_community.utilities.powerbi import PowerBIDataset
from langchain_openai import ChatOpenAI

fast_llm = ChatOpenAI(temperature=0.5, max_tokens=1000, model_name="gpt-3.5-turbo", verbose=True)
smart_llm = ChatOpenAI(temperature=0, max_tokens=100, model_name="gpt-4", verbose=True)

toolkit = PowerBIToolkit(
    powerbi=PowerBIDataset(
        dataset_id="<dataset_id>",
        table_names=["table1", "table2"],
        credential=DefaultAzureCredential(),
    ),
    llm=smart_llm,
)

agent_executor = create_pbi_agent(
    llm=fast_llm,
    toolkit=toolkit,
    verbose=True,
)

查询示例

执行数据查询变得简单而高效：

# 获取表格描述
agent_executor.run("Describe table1")

# 获取表格记录数
agent_executor.run("How many records are in table1?")

代码示例

以下是如何通过自定义提示进行查询的示例：

few_shots = """
Question: How many rows are in the table revenue?
DAX: EVALUATE ROW("Number of rows", COUNTROWS(revenue_details))
----
Question: How many rows are in the table revenue where year is not empty?
DAX: EVALUATE ROW("Number of rows", COUNTROWS(FILTER(revenue_details, revenue_details[year] <> "")))
----
"""

toolkit = PowerBIToolkit(
    powerbi=PowerBIDataset(
        dataset_id="<dataset_id>",
        table_names=["table1", "table2"],
        credential=DefaultAzureCredential(),
    ),
    llm=smart_llm,
    examples=few_shots,
)

agent_executor = create_pbi_agent(
    llm=fast_llm,
    toolkit=toolkit,
    verbose=True,
)

agent_executor.run("What was the maximum of value in revenue in dollars in 2022?")