:Agent

Kullanım durumu 1 - Veri Entegrasyonu Agent'ı

Açıklama: Çince veya İngilizce gibi doğal dille veri senkronizasyonu gereksinimlerini açıklayabilirsiniz. Sistem anlamsal analizi otomatik olarak yapar ve buna karşılık gelen veri senkronizasyon görevi yapılandırmasını oluşturur. Buna kaynak ve hedef veri kaynakları, tablo şema eşlemeleri, alan filtreleme koşulları, bölümleme stratejileri ve zamanlama parametreleri dahildir.

Yöntem:

• İletişim kutusuna / yazın ve Data Integration Agent öğesini seçin.

• Kaynak, hedef, tablo adları ve senkronizasyon yöntemi dahil olmak üzere veri senkronizasyonu gereksiniminizi açıklayın. Örneğin: "MySQL tablosu ods_user_info_d öğesini MaxCompute tablosu ods_user_info_d öğesine senkronize eden çevrimdışı bir senkronizasyon görevi oluşturun."

• Agent, gereksiniminizi ayrıştırır ve veri kaynağı ile tablo eşlemeleri gibi bilgileri otomatik olarak doldurarak bir senkronizasyon düğümü oluşturur.

• Düğüm oluşturulduktan sonra gerektiğinde inceleyin ve değiştirin.

  Örnek

  :

Kullanım durumu 2 - Veri Geliştirme Agent'ı

Açıklama: Gereksinim analizi ve kod oluşturmaktan iş akışı oluşturma ve dağıtıma kadar tüm süreci kapsayan doğal dil tabanlı bir ETL geliştirme deneyimi sunar.

Yöntem:

• Veri geliştirme gereksiniminizi doğal dille açıklayın ve gerektiğinde bağlam ekleyin. Örneğin: "Bir kullanıcı profili analiz iş akışı oluşturun."

• Agent, görevi düğüm oluşturma, kod oluşturma ve bağımlılıkları yapılandırma gibi birden fazla adıma ayırır ve ardından bu adımları yürütür.

• Oluşturulan düğüm kodu için değişiklikleri inceleyin ve bunları tutmayı veya atmayı seçin.

  Örnek

  :

Kullanım durumu 3 - Veri İşletimi Agent'ı

Açıklama: Görev örnekleri için kapsamlı sağlık değerlendirmeleri ve sorun tanılama sunar. Bağımlılık zincirleri, kaynak düzeyleri, geçmiş çalışma eğilimleri, değişiklik etkileri, günlük anormallikleri ve Veri Kalitesi dahil olmak üzere çok boyutlu analizleri entegre ederek otomatik olarak yapılandırılmış tanılama raporları oluşturur.

Veri İşletimi Agent'ı hakkında daha fazla bilgi için bkz. Veri İşletimi Agent'ı.

Kullanım durumu 4 - Data Map Agent'ı

Açıklama: Verileri bulma ve anlama verimliliğini artırır. Yapay zeka destekli doğal dil etkileşimi sayesinde büyük veri kümelerindeki çeşitli senaryolarda meta verileri hızla keşfedebilirsiniz.

Temel yetenekler:

• Doğal dil araması: Kesin anahtar kelimelere ihtiyaç duymadan iş niyetine dayalı olarak hedef verileri hızla konumlandırmanızı sağlayan doğal dil soruları sormanıza olanak tanır. Örneğin, "Kullanıcı etkinliğiyle ilgili toplu tablolara erişin."

• Otomatik kapsam ayarlama: Konuşmada bir kapsam belirtebilirsiniz ve Agent anlamsal analizi otomatik olarak yaparak bu kapsam içindeki verileri hızla konumlandırır. Örneğin, "adm_bi projesinde iş operasyonlarıyla ilgili tabloları bulun."

• Derinlemese veri anlayışı: Hedef verilerle ilgili takip soruları sorarak veri soy ağacı, sahipler ve alan tanımları gibi ayrıntıları hızlıca elde edebilirsiniz. Örneğin, "@dws_bi_metric_di tablosunun doğrudan aşağı akış bağımlılıkları nelerdir? Bunun üzerinde yapılan değişikliklerden kimler etkilenecektir?"

  Örnek

  :

Kullanım durumu 5 - Veri Yönetimi Agent'ı

Açıklama: DataWorks Veri Yönetimi Agent'ı, kuruluşların proaktif veri yönetiminden otonom veri yönetimine geçişine yardımcı olur. Karmaşık analizler ve kapsamlı form yapılandırmaları yerine doğal dille komutlar verebilirsiniz. Agent, bu komutları hassas yönetim eylemlerine dönüştürür, uzman düzeyi yapılandırmaları uygular ve bunları otomatik olarak yürütür.

Temel yetenekler:

• Kalite kuralı yapılandırması: Doğal dili kullanarak belirtilen anahtar tablolar için kalite izleme kurallarını yapılandırmanıza yardımcı olur. Veri Yönetimi Agent'ı, belirtilen bir tablonun alan türlerini, iş anlamsalını ve önemini analiz ederek birincil anahtar benzersizliği, null olmama kısıtlamaları ve enum değer aralığı denetimleri gibi uygun izleme kurallarını otomatik olarak önerir ve yapılandırır. Bu süreç, kapsamlı veri keşfi ve manuel kural yapılandırmasına duyulan ihtiyacı ortadan kaldırır.

  • Örnek:dim_user_info ana kullanıcı boyut tablosu için otomatik olarak kalite kuralları oluşturun.

  • Örnek:ods_* ile başlayan tablolar için otomatik olarak tablo satır sayılarıyla ilgili kalite kuralları yapılandırın.

• Kalite sorunu yönetimi: Veri varlığı yönetimi modülünde sistem tarafından otomatik olarak tanımlanan "Kalite kuralları olmayan sık erişilen tablolar" veya "Yüksek öncelikli temel görevler tarafından üretilen kalite kuralları olmayan tablolar" gibi kalite sorunları için doğal dille yönetim gereksinimleri sağlayabilirsiniz. Sistem daha sonra sorunları otomatik olarak analiz eder ve giderir.

  • Örnek: Kalite kuralları olmayan sık erişilen tabloları bulun, ardından bunları önerin ve yapılandırın.

  • Örnek: Kalite boyutu altındaki sorunları çözmemize yardımcı olun.

  Örnek

  :

Depolama yönetimi

DataStudio Agent'ı, projeye ait bir dizinde veya kişisel dizininizde düğümler ve dosyalar oluşturmayı destekler. Doğru depolama yönetimini sağlamak için:

• Depolama Konumu Ayarları: Data Agent Ayarları Merkezi'nde The default storage path for generating code files öğesini yapılandırın. Daha fazla bilgi için bkz. Depolama ayarları.

• Çakışma çözümleme mekanizması: Oluşturulan düğüm türü geçerli dizinin kurallarıyla tutarsızsa (örneğin, kişisel dizininizde bir veri entegrasyon düğümü oluşturmak isterseniz) Agent bir onay istemi tetikler ve devam etmeden önce doğrulamanızı bekler.

Karmaşık görev işleme

Karmaşık mantığa sahip geliştirme gereksinimleri için Agent, yaşam döngüsü boyunca durum geri bildirimleri sağlar:

• Yapılacaklar listesi: Agent, karmaşık görevleri birden fazla alt adıma ayırır ve bunları yapılacaklar listesi olarak görüntüler. Yürütme ilerledikçe her bir öğenin durumu otomatik olarak güncellenir.

• Yürütme özeti: İş akışının sonunda Agent, tüm görev için derlenmiş bir özet raporu çıkarır. Bu rapor, tamamlanan işlemleri ve oluşturulan kaynakları birleştirerek inceleme sürecini daha verimli hale getirir.

Token ve performans istatistikleri

Bir görev tamamlandığında Agent, yürütme verimliliğini ve model çağrılarının ölçeğini değerlendirmenize yardımcı olacak nicel ölçümler sağlar:

• Görev süresi istatistikleri: Sistem, geçerli görevin başlangıcından sonuna kadar geçen toplam süreyi otomatik olarak kaydeder ve görüntüler; böylece otomatik sürecin verimliliğini değerlendirebilirsiniz.

• Token tüketimi: Etkileşim sırasında oluşturulan giriş token'ları ve çıkış token'ları sayısını kontrol etmek için simgesine tıklayın.

Akıllı model zamanlama

Agent'ın akıllı model tahsis mekanizması, niyet odaklı bir geliştirme deneyimi yaratır; böylece artık altta yatan modeli seçmeniz gerekmez.

• Otomatik model tahsisi (Otomatik mod): Agent varsayılan olarak Otomatik modda çalışır. Bu modda Agent, geliştirme niyetinizi tanımlar ve parçalara ayırır, farklı alt görevleri işlemek üzere en uygun modeli otomatik olarak devreye alır.

• Dinamik çoklu model koordinasyonu (Otomatik mod): Otomatik modda Agent farklı modeller arasında orkestrasyon yapabilir. Agent, bir görevin gerçek zamanlı ihtiyaçlarına dayanarak tek bir konuşma içinde birden fazla model arasında esnek geçişler yaparak karmaşık bir görevin her bölümünün en uygun modelle eşleşmesini sağlar.

• Manuel model değiştirme: Otomatik moddan çıkıp belirli senaryolar için görev işlemeye yönelik farklı bir model belirtebilirsiniz.