DataWorks Copilot adalah asisten AI bawaan yang membantu Anda melampaui pekerjaan data manual yang membosankan, membebaskan Anda dari tugas berulang dan tidak efisien sehingga memberikan lebih banyak waktu untuk inovasi dan pemikiran kritis. Terintegrasi secara mendalam ke dalam DataWorks, Copilot menyederhanakan dan mempercepat pengembangan data. Dengan instruksi bahasa alami, Anda dapat menggunakan Copilot untuk:
Intelligent coding: Mengonversi ide menjadi kode berkualitas tinggi dan terstandarisasi secara instan.
Automate task creation: Menyelesaikan tugas pengembangan dan tata kelola data secara cerdas untuk mengotomatiskan alur kerja.
Consolidate team knowledge: Menggabungkan praktik terbaik dan pengetahuan bisnis sebagai konteks untuk setiap tugas.
I. Ikhtisar fungsi
Apa itu DataWorks Copilot
DataWorks Copilot adalah asisten cerdas untuk DataWorks, platform pengembangan dan tata kelola data cerdas satu atap. Copilot memanfaatkan inferensi AI dan Pemrosesan bahasa alami (NLP) untuk membantu developer menjalankan berbagai operasi terkait kode secara cepat menggunakan perintah percakapan. Operasi tersebut mencakup pembuatan, penyelesaian, refaktor, optimasi, dan penjelasan kode SQL atau Python, serta debugging kode dan pembuatan kasus uji. Sebagai mesin cerdas untuk pengembangan data, Copilot dengan cepat memahami kebutuhan bisnis berdasarkan konteks. Dengan dukungan basis pengetahuan khusus perusahaan, DataWorks Copilot memungkinkan developer menyelesaikan tugas ekstrak, transformasi, dan muat (ETL) serta analisis data dengan mudah dan efisien.
DataWorks Copilot mencakup tiga kemampuan inti: coding assistant, Agent, dan quick AI operations. Kemampuan-kemampuan ini terintegrasi secara mendalam ke berbagai modul produk DataWorks untuk memberikan pengalaman kerja data cerdas yang baru.
Nilai inti
Increase efficiency: Memperpendek siklus pengembangan dan analisis data secara signifikan melalui pembuatan kode otomatis, penyelesaian kode cerdas, dan interaksi bahasa alami.
Lower the barrier to entry: Memungkinkan pengguna yang tidak terbiasa dengan SQL kompleks atau operasi produk untuk segera memulai dan menyelesaikan tugas pengembangan serta tata kelola data menggunakan bahasa alami.
Improve quality: Menggunakan AI untuk debugging, optimasi, dan pembuatan kasus uji guna meningkatkan kualitas dan kemudahan pemeliharaan kode.
Preserve knowledge: Mengintegrasikan standar perusahaan, definisi bisnis, dan standar teknis ke dalam AI melalui basis pengetahuan perusahaan kustom untuk melestarikan dan menerapkan pengetahuan tersebut.
Ketersediaan dan kebijakan
Available to: Pelanggan yang menggunakan DataWorks Edisi Dasar atau versi yang lebih tinggi. Beberapa fitur hanya tersedia di versi baru Data Studio.
Available regions: Tiongkok (Zhangjiakou), Tiongkok (Beijing), Tiongkok (Ulanqab), Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Chengdu), Tiongkok (Hong Kong), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), dan Jepang (Tokyo).
Current phase: Pratinjau publik penuh. Untuk berpartisipasi, pemilik Akun Alibaba Cloud, administrator penyewa, atau pengguna dengan izin setara harus mengklik Copilot, membaca dengan cermat Ketentuan Layanan DataWorks Copilot, lalu mengklik Confirm Participation. Setelah konfirmasi, semua pengguna di bawah Akun Alibaba Cloud tersebut dapat mulai menggunakan Copilot.
Pricing: DataWorks Copilot sepenuhnya gratis selama masa pratinjau publik. Setelah masa pratinjau berakhir, layanan ini akan menjadi layanan berbayar. Model penetapan harga spesifik akan diumumkan secara terpisah.
II. Mulai cepat
Cara membuka Copilot
Anda dapat berinteraksi dengan Copilot melalui cara-cara berikut:
Global entry point: Klik ikon Copilot di pojok kanan atas antarmuka DataWorks untuk membuka kotak dialog Copilot Chat.
In the editor: Di editor kode cerdas untuk node pengembangan data berbasis kode, Anda dapat membuka Copilot melalui menu klik kanan atau menggunakan pintasan keyboard.
Embedded in modules: Anda dapat menggunakan tombol operasi cepat yang ditandai dengan Copilot icon di area fungsional modul produk tertentu.
Ikhtisar antarmuka utama
III. Fitur inti secara detail
Coding assistant: Tingkatkan efisiensi dan kualitas pengkodean
Ikhtisar fungsi
Asisten pemrograman cerdas DataWorks Copilot didasarkan pada model bahasa besar (LLM) canggih. Asisten ini menggunakan interaksi bahasa alami untuk menjalankan tugas seperti pembuatan, optimasi, penjelasan, dan pengujian kode SQL atau Python secara efisien. Untuk memastikan hasil terbaik, Anda dapat bebas beralih antar berbagai model, seperti model default DataWorks, Qwen, dan DeepSeek. Kemampuan ini secara signifikan meningkatkan efisiensi pengembangan ETL dan analisis data.
Sorotan fitur inti
Switch between multiple models: Mendukung model default, Qwen3-235B-A22B, dan lainnya.
Full-lifecycle ETL support: Mendukung pembuatan kode, tanya jawab, refaktor, optimasi, debugging, pemberian komentar, pembuatan kasus uji, dan penjelasan untuk SQL dan Python.
Context awareness: Memahami konten percakapan, kode, skema tabel, alur data, basis pengetahuan kustom, dan lainnya.
Titik masuk fitur
Intelligent code editor
Scenario 1: Intelligent code completion
How to use: Saat Anda mengembangkan node berbasis kode, Copilot secara cerdas memprediksi dan merekomendasikan potongan kode berikutnya berdasarkan konteks, seperti kode yang telah dimasukkan dan skema tabel yang direferensikan. Saran penyelesaian muncul secara otomatis. Anda dapat menekan tombol Tab untuk menerima saran tersebut.
Scenario 2: Right-click menu shortcuts
How to use: Di editor kode cerdas, Anda dapat memilih kode sesuai kebutuhan, klik kanan, lalu pilih Copilot dari menu yang muncul.
Copilot Chat (Ask mode)
Ask mode adalah mode default untuk Copilot Chat dan cocok untuk menyelesaikan masalah pengkodean spesifik dalam format tanya jawab. Mode ini membantu pengguna dalam pembuatan kode, refaktor kode, debugging kode, pembuatan komentar, penjelasan kode, optimasi kode, pengujian kode, tanya jawab kode, pembuatan sel Notebook cerdas, dan penemuan tabel cepat. Saat menggunakan Copilot Chat dalam Ask mode, Anda dapat memilih kode di editor untuk memberikan konteks guna operasi yang lebih tepat sasaran.
Skenario praktik terbaik
Scenario 1 - Cepat menghasilkan skrip ETL
Description: Anda dapat menggambarkan kebutuhan bisnis dalam bahasa alami, dan DataWorks Copilot secara otomatis mengonversi instruksi Anda menjadi pernyataan SQL atau Python.
Example: "Berdasarkan tabel dwd_ec_trd_create_ord_di, hitung penjualan, volume penjualan, jumlah SKU, jumlah pembeli, dan jumlah penjual untuk setiap SPU dari 1 September 2024 hingga 18 September 2024."
Scenario 2 - Lanjutkan menghasilkan kode berdasarkan potongan kode yang ada
Description: Fitur penyelesaian kode DataWorks Copilot secara cerdas melengkapi SQL yang sedang Anda tulis.
Example: Tidak diperlukan instruksi. Kode dihasilkan secara otomatis. Terima saran dengan menekan tombol yang ditampilkan di antarmuka.
Scenario 3 - Refaktor kode yang ada
Description: Anda dapat memodifikasi kode yang ada menggunakan bahasa alami. Cukup nyatakan kebutuhan Anda, dan DataWorks Copilot akan merefaktor kode yang ditentukan.
Example: "Ubah SQL agar hasilnya ditranspos dari kolom ke baris menggunakan unpivot."
Scenario 4 - Cepat mengidentifikasi dan memperbaiki kesalahan dalam kode
Description: Di DataWorks, Anda dapat secara proaktif memeriksa kode yang ada untuk mendeteksi kesalahan sebelum eksekusi. Jika terjadi kesalahan saat eksekusi kode, Anda juga dapat menggunakan debugging sekali klik untuk memperbaikinya. DataWorks Copilot mengidentifikasi penyebab kesalahan dan memberikan kode yang telah diperbaiki.
Example: Pilih kode, klik kanan, lalu pilih instruksi cepat.
Scenario 5 - Jelaskan makna bisnis dari potongan kode
Description: DataWorks Copilot dapat menjelaskan isi kode yang Anda tentukan. Hal ini meningkatkan keterbacaan kode dan membantu Anda mempelajari serta memahami kode tersebut dengan cepat.
Example: "Jelaskan SQL ini."
Scenario 6 - Hasilkan komentar bidang untuk kode yang ada
Description: DataWorks Copilot dapat menghasilkan komentar untuk kode yang ditentukan, sehingga meningkatkan kelengkapan dan keterbacaannya.
Example: "Tambahkan komentar untuk setiap bidang."
Scenario 7 - Jawab pertanyaan tentang sintaksis SQL atau penggunaan fungsi
Description: Anda dapat mengajukan pertanyaan tentang sintaksis SQL atau fungsi MaxCompute dalam bahasa alami. DataWorks Copilot memberikan penjelasan dan contoh penggunaan untuk membantu Anda lebih memahami sintaksis dan fungsi SQL.
Example: "Bagaimana cara menulis mapjoin di MaxCompute?"
Scenario 8 - Optimalkan performa kode yang ada
Description: Di jendela Copilot Chat DataWorks, Anda dapat memulai optimasi SQL untuk kode yang ditentukan. Proses ini dapat menyederhanakan logika kode, misalnya dengan memperkenalkan JOIN untuk beberapa tabel. Hal ini meningkatkan efisiensi eksekusi kode dan dapat mengurangi muatan database.
Example: Pilih kode dan gunakan instruksi cepat di kotak dialog.
Scenario 9 - Hasilkan kasus uji untuk kode yang ada
Description: Di jendela Copilot Chat DataWorks, Anda dapat menghasilkan kasus uji untuk kode yang ditentukan. DataWorks Copilot menghasilkan laporan pengujian kode lengkap yang mencakup berbagai aspek, seperti pengujian unit, performa kode, dan validasi kondisi batas. Laporan ini juga menghasilkan kode uji yang dapat Anda gunakan untuk memverifikasi bahwa setiap bagian kode tugas berfungsi sesuai harapan.
Example: "Hasilkan kasus uji SQL dan jelaskan langkah-langkah pengujian."
Agent: Otomatiskan tugas kompleks
Ikhtisar fungsi
Layanan DataWorks Agent membawa pengembangan dan tata kelola data ke era otomatisasi yang baru. Agent ini bukan sekadar alat tanya jawab, melainkan agen yang mampu menyelesaikan tugas kompleks secara otonom.
Dengan DataWorks Agent, Anda dapat menggunakan bahasa alami untuk mengotomatiskan bagian-bagian tugas pengembangan dan tata kelola data di DataWorks, seperti integrasi data, pengembangan data, Data Map, dan tata kelola data. Melalui kemampuan pemikiran mendalam dan perencanaan dari model bahasa besar, agen ini dapat memahami sepenuhnya tugas pengguna, memecahnya menjadi langkah-langkah, membuat rencana eksekusi, dan memanggil tool relevan di MCP Server untuk mengotomatiskan eksekusi tugas. DataWorks akan terus memperkaya dan mengiterasi kumpulan tool di DataWorks MCP Server guna memberikan pengalaman pengembangan dan tata kelola data yang lebih cerdas dan efisien kepada pengguna.
Sorotan fitur inti
Deep understanding and autonomous planning: Mengidentifikasi maksud kompleks secara akurat berdasarkan kesadaran konteks dan percakapan multi-putaran, serta secara otonom memecah tugas menjadi rencana multi-langkah yang dapat dieksekusi.
Automated data development and governance processes: Terintegrasi secara mendalam dengan kemampuan dan proses inti produk DataWorks, terhubung penuh dengan data kontekstual, dan mencakup kumpulan tool DataWorks bawaan.
Titik masuk fitur
Di kotak dialog Copilot Chat, Anda dapat beralih dari Ask mode ke Agent mode.
Berdasarkan jenis tugas Anda, Anda dapat memasukkan
/dan memilih tipe Agent yang sesuai.Anda dapat memberikan instruksi kepada Agent dengan mengajukan pertanyaan.
Skenario praktik terbaik
Scenario 1 - Data Studio Agent
Description: Memberikan pengalaman pengembangan ETL berbasis bahasa alami yang mencakup seluruh proses, mulai dari analisis kebutuhan dan pembuatan kode hingga pembuatan dan penerbitan alur kerja.
Scenario 2 - Data Map Agent
Description: Berfokus pada peningkatan efisiensi penemuan dan pemahaman data. Melalui interaksi bahasa alami berbasis AI, Anda dapat dengan cepat menjelajahi metadata di berbagai skenario data dalam jumlah besar.
Core capabilities:
Natural language search: Mendukung tanya jawab bahasa alami. Anda dapat dengan cepat menemukan data target berdasarkan maksud bisnis tanpa memerlukan kata kunci yang tepat. Contohnya, "Temukan tabel agregat yang terkait dengan popularitas pengguna."
Automatic scope adjustment: Mendukung penentuan cakupan dalam percakapan. Agent secara otomatis memahami semantik dan dengan cepat menemukan data dalam cakupan tersebut. Contohnya, "Di proyek adm_bi, temukan tabel yang terkait dengan operasi bisnis."
Deep data understanding: Mendukung pertanyaan lanjutan tentang data target untuk dengan cepat mengambil informasi detail, seperti alur data, pemilik, dan definisi bidang. Contohnya, "Apa dependensi hilir langsung dari tabel @dws_bi_metric_di? Pemilik mana yang akan terpengaruh jika tabel tersebut berubah?"
Scenario 3 - Data Governance Agent
Description: DataWorks Data Governance Agent mendorong tata kelola data perusahaan dari model proaktif ke model otonom. Tata kelola data kini bukan lagi tentang analisis data kompleks dan perubahan konfigurasi formulir yang luas. Sekarang, Anda cukup memberikan instruksi bahasa alami yang dikonversi menjadi aksi tata kelola yang tepat. Kemampuan tata kelola tingkat ahli digunakan untuk menyiapkan operasi tata kelola yang dapat dieksekusi secara otomatis.
Core capabilities:
Quality rule configuration: Anda dapat menggunakan bahasa alami untuk secara otomatis mengonfigurasi aturan pemantauan kualitas untuk tabel kunci yang ditentukan. Data Governance Agent dapat menganalisis secara cerdas tipe bidang, semantik bisnis, dan tingkat kepentingan tabel yang ditentukan. Agent ini kemudian secara otomatis merekomendasikan dan mengonfigurasi aturan pemantauan yang sesuai, seperti keunikan kunci primer, kendala NOT NULL, dan pemeriksaan rentang nilai enumerasi. Proses ini secara efisien menyelesaikan pekerjaan yang sebelumnya memerlukan eksplorasi data dan konfigurasi aturan berulang.
Contoh: Bantu saya menghasilkan aturan kualitas secara otomatis untuk tabel dimensi pengguna inti
dim_user_info.Contoh: Untuk tabel yang diawali dengan
ods_, konfigurasikan secara otomatis aturan kualitas yang terkait dengan jumlah baris tabel.
Quality issue administration: Untuk isu kualitas di modul tata kelola aset data yang secara otomatis ditemukan oleh sistem, seperti "aturan kualitas belum dikonfigurasi untuk tabel yang sering diakses" atau "aturan kualitas belum dikonfigurasi untuk tabel yang dihasilkan oleh tugas garis dasar tinggi", Anda dapat langsung memberikan persyaratan tata kelola dalam bahasa alami. Sistem secara otomatis menganalisis isu tersebut dan melakukan tata kelola yang sesuai.
Contoh: Temukan tabel yang sering diakses tetapi belum memiliki aturan kualitas yang dikonfigurasi, lalu rekomendasikan dan konfigurasikan aturan kualitas tersebut.
Contoh: Bantu saya menyelesaikan isu yang terkait dengan dimensi kualitas.
Quick AI operations: Sederhanakan operasi dalam modul produk
Modul-modul di DataWorks, seperti Data Studio, Operation Center, dan Data Quality, memanfaatkan kemampuan model bahasa besar untuk menyediakan operasi produk yang nyaman dan cerdas. Fitur ini bertujuan memberikan pengalaman produk cerdas kepada developer dan pengguna perusahaan guna menyelesaikan operasi di DataWorks secara efisien.
Visualisasi cerdas hasil kueri
Description: Di DataWorks Data Studio atau Analisis Data, Anda dapat menggunakan asisten grafik cerdas DataWorks Copilot untuk menghasilkan grafik visual dan insight data dari hasil kueri hanya dengan satu klik.
Entry point: Di hasil eksekusi node atau kueri SQL, alihkan ke tab visualisasi.
Pembuatan tabel cerdas berbasis AI
Description: Di katalog data Data Studio, Anda dapat menggunakan asisten pembuatan tabel DataWorks Copilot untuk membuat tabel dengan memasukkan kata kunci nama tabel. Anda juga dapat memicunya dengan satu klik untuk secara cerdas merekomendasikan dan melengkapi nama bidang serta deskripsi bidang.
Entry point:
Pembuatan deskripsi penerbitan tugas
Description: Di Data Studio, selama fase penerbitan, Anda dapat menggunakan asisten penerbitan DataWorks Copilot untuk menghasilkan deskripsi penerbitan hanya dengan satu klik guna meningkatkan efisiensi penerbitan.
Entry point:
Diagnosis cerdas pengecualian tugas
Description: Fitur diagnosis cerdas di Operation Center DataWorks terintegrasi dengan model Qwen dan DeepSeek-R1 (671B). Saat tugas berjalan tidak normal, Anda dapat mengklik Run Diagnosis. Model bahasa besar dapat mengekstrak informasi kunci dari log dalam hitungan detik, memberikan analisis kesalahan dan saran solusi, serta merekomendasikan aksi cepat untuk memperbaiki kesalahan, sehingga AI dapat menangani O&M Anda.
Entry point: Di halaman Operation Center, di panel navigasi sebelah kiri, klik . Klik instans yang gagal, pilih node yang gagal, lalu klik Perform Diagnostics di pojok kanan bawah untuk melakukan diagnosis cerdas terhadap tugas tersebut.
Rekomendasi cerdas aturan kualitas data
Description: Pengguna dapat membuka Copilot dengan satu klik untuk dengan cepat menghasilkan aturan kualitas data yang sesuai untuk tabel data atau skenario bisnis tertentu berdasarkan metadata lengkap di DataWorks. Fitur ini mendukung berbagai jenis sumber data dan pemeriksaan kualitas multidimensi.
How to access: Di halaman Data Quality, klik di panel navigasi sebelah kiri. Di halaman tersebut, pilih tabel target dan klik Create Monitor di sebelah kanan untuk mengonfigurasi aturan kualitas untuk tabel tersebut.
DataService API
Description: Studio Layanan Data di DataWorks dapat menggunakan asisten cerdas Copilot untuk enkapsulasi API cepat. Asisten ini dapat menghasilkan skrip SQL hanya dengan satu klik berdasarkan kebutuhan bisnis dan secara otomatis mengurai skrip tersebut menjadi parameter permintaan dan respons API.
Entry point: Di modul Studio Layanan Data, buat API baru dan pilih editor kode.
IV. Fitur lanjutan dan praktik terbaik
Tingkatkan akurasi jawaban: Berikan Copilot "memori" yang tepat
Agar jawaban Copilot lebih relevan dengan standar perusahaan dan skenario bisnis Anda, kami menyarankan agar Anda memberikan pengetahuan yang tepat.
Pengetahuan kustom (Rules)
Description: Rules adalah serangkaian standar dan pengetahuan latar belakang yang Anda definisikan untuk Copilot. Rules ini membimbing pemikiran dan jawaban Copilot.
Entry point: Di pojok kanan atas kotak dialog Copilot Chat, klik ikon
untuk menuju halaman konfigurasi Rules.Enterprise-level Rules dan personal-level Rules:
Enterprise-level Rules: Dikonfigurasi oleh administrator. Mendukung pengaturan cakupan efektif. Cocok untuk mendefinisikan istilah bisnis tingkat perusahaan, standar pengkodean, dan lainnya.
Personal-level Rules: Dikonfigurasi oleh pengguna individu dan hanya berlaku untuk mereka. Cocok untuk mendefinisikan preferensi pribadi, potongan kode yang sering digunakan, dan lainnya.
Tentukan konteks dalam percakapan
Description: Dalam setiap percakapan, Anda dapat secara manual menentukan konteks yang terkait dengan tugas saat ini. Hal ini memungkinkan Copilot fokus pada informasi tersebut saat menjawab, sehingga menghasilkan jawaban yang lebih akurat.
Supported context types:
Table: Referensikan metadata satu atau beberapa tabel.
Node/Code file: Referensikan kode di node tertentu.
Data collections: Referensikan koleksi data di Data Map.
Rules: Tentukan sementara satu atau beberapa Rules agar berlaku untuk percakapan saat ini.
Local file: Unggah dokumen lokal sebagai informasi latar belakang.
How to reference context: Di kotak input Copilot Chat, Anda dapat memasukkan
@atau mengklik+untuk membuka pemilih konteks dan menambahkan konteks.
Kelola percakapan Anda
Lihat riwayat percakapan
Copilot secara otomatis mencatat percakapan terbaru Anda.
Record scope: Mendukung penampilan hingga 100 catatan percakapan dari 7 hari terakhir.
Entry point: Di pojok kanan atas jendela Copilot Chat, klik "History".
Praktik terbaik: Mulai percakapan baru untuk setiap tugas
Kami menyarankan agar Anda memulai percakapan baru (New Chat) untuk setiap tugas independen.
Reason: Praktik ini mencegah konteks tugas yang berbeda saling mengganggu. Hal ini memungkinkan Copilot fokus pada tugas saat ini, sehingga memastikan akurasi dan relevansi jawabannya.
FAQ
Q: Mengapa jawaban Copilot tidak akurat atau tidak sesuai harapan?
A: Hal ini mungkin disebabkan oleh konteks yang tidak mencukupi. Coba berikan informasi latar belakang yang lebih tepat kepada Copilot menggunakan metode yang dijelaskan di Tentukan konteks dalam percakapan.
Q: Apa perbedaan antara Ask mode dan Agent mode? Bagaimana cara memilihnya?
A: Ask mode cocok untuk tugas sederhana bergaya tanya jawab, seperti menghasilkan potongan kode atau menjelaskan fungsi.
Agent mode cocok untuk tugas kompleks yang memerlukan beberapa langkah dan melibatkan berbagai tool.