[深入探索Power BI Toolkit：使用AI与数据集进行智能交互]

最新推荐文章于 2025-04-28 15:08:41 发布

tt_jishu

最新推荐文章于 2025-04-28 15:08:41 发布

阅读量455

点赞数 3

文章标签：人工智能交互 flask

本文链接：https://blog.csdn.net/tt_jishu/article/details/142370435

版权

深入探索Power BI Toolkit：使用AI与数据集进行智能交互

引言

在现代数据分析中，Power BI是一个强大的工具，用于可视化和理解复杂的数据集。随着人工智能的发展，我们可以通过自然语言处理技术增强这些工具的功能。在本篇文章中，我们将探讨如何使用Power BI Toolkit来与Power BI数据集进行智能交互，并回答关于数据集的一般性问题。

主要内容

1. Power BI Toolkit概述

Power BI Toolkit使用大型语言模型（LLM）生成查询，通过这些模型能够理解自然语言并进行合理的推断。该工具包主要依赖于Azure的身份验证机制azure.identity，确保访问数据时的安全性。

2. 初始化和设置

要使用Power BI Toolkit，首先需要进行初始化和设置。这包括配置Power BI数据集和语言模型。以下是如何进行初始化的代码示例：

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

# 配置语言模型
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)

# 配置Power BI工具包
toolkit = PowerBIToolkit(
    powerbi=PowerBIDataset(
        dataset_id="<dataset_id>",
        table_names=["table1", "table2"],
        credential=DefaultAzureCredential(),
    ),
    llm=smart_llm,
)

3. 运行查询示例

以下是一些使用Power BI Toolkit运行查询的示例。这些查询可以是描述性问题或统计性问题。

描述表结构

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

agent_executor.run("Describe table1")

简单查询

agent_executor.run("How many records are in table1?")

4. 自定义提示

您可以通过few-shot提示来自定义查询逻辑，提高查询的精准性和多样性。

few_shots = """
Question: How many rows are in the table revenue?
DAX: EVALUATE ROW("Number of rows", COUNTROWS(revenue_details))
----
"""
toolkit = PowerBIToolkit(
    powerbi=PowerBIDataset(
        dataset_id="<dataset_id>",
        table_names=["table1", "table2"],
        credential=DefaultAzureCredential(),
    ),
    llm=smart_llm,
    examples=few_shots,
)