Che cos'è la competenza di creazione di modelli semantici Power BI?

Importante

Questa funzionalità è in versione di anteprima.

La competenza Power BI semantic-model-authoring consente agli agenti di intelligenza artificiale di creare, modificare, distribuire e gestire modelli semantici Power BI in Power BI Desktop, progetti PBIP e servizio Fabric. La skill viene fornita nel marketplace Skills for Fabric, inclusa nel plugin powerbi-authoring.

La competenza copre un'ampia gamma di attività del modello semantico, ad esempio:

  • Creazione di nuovi modelli semantici in modalità Import, DirectQuery o Direct Lake.
  • Modifica di modelli esistenti: tabelle, colonne, relazioni, misure e DAX.
  • Ottimizzazione delle prestazioni DAX e analisi dei modelli rispetto alle procedure consigliate.
  • Preparazione dei modelli semantici per l'utilizzo di intelligenza artificiale da parte di Fabric Copilot e agenti dati Power BI.
  • Distribuzione di modelli in aree di lavoro Fabric, aggiornamento e gestione di origini dati, parametri e autorizzazioni.

Prerequisiti

Prima di iniziare, assicurati di avere:

  • Il plug-in powerbi-authoring è installato - Segui le istruzioni in Panoramica di Agentic di Power BI per installare il plug-in. L'installazione del plug-in rende disponibile la competenza semantic-model-authoring e registra il server MCP di modellazione Power BI.
  • A modello semantico - Power BI Desktop con un modello aperto, un progetto PBIP su disco o un modello semantico in un'area di lavoro Fabric.

Get started

  1. Aprire Power BI Desktop con un modello semantico caricato.

  2. In GitHub Copilot, esegui un prompt di smoke test per confermare che la skill e il server MCP siano configurati correttamente:

    /semantic-model-authoring Connect to Power BI Desktop and analyze the semantic model against best practices

    L'agente deve caricare la skill semantic-model-authoring, connettersi a Power BI Desktop tramite il server MCP di modellazione di Power BI, inventariare il modello e riportare i risultati raggruppandoli per gravità. Se l'agente richiede di registrare il server MCP o installare il plug-in, rivedere i passaggi di installazione prima di continuare.

    Tip

    Per assicurarti che una competenza specifica sia caricata, richiamala esplicitamente con un comando slash - ad esempio, /semantic-model-authoring [your prompt].

Perché il server MCP Power BI è importante

L'abilità semantic-model-authoring non dipende in modo vincolante dal server MCP Power BI Modeling, ma è fortemente consigliata. La competenza Tool Selection Priority instrada prima le operazioni di creazione al server MCP perché è il percorso più affidabile e completo.

Quando il server MCP non è registrato, la skill ripiega sulla modifica diretta dei file TMDL (PBIP) o su scambi REST getDefinition / updateDefinition (area di lavoro Fabric). La creazione di contenuti in Power BI Desktop senza PBIP e senza un server MCP non è supportata: l'agente si interrompe e chiede di registrare il server MCP o di salvare il modello come PBIP.

Per l'installazione manuale o la configurazione avanzata, vedere la documentazione Power BI Modeling MCP.

Esempio: Preparare un modello semantico per l'intelligenza artificiale

Usa questo esempio per convalidare la tua configurazione end-to-end. Il prompt richiama il flusso di lavoro Semantic Model AI Readiness dell'abilità, che carica il riferimento semantic-model-ai-readiness.md e guida l'utente attraverso la checklist di preparazione per configurare il modello per esperienze di IA conversazionale come Fabric Copilot e Agenti dati di Power BI.

  1. Aprire il modello. Avviare Power BI Desktop e aprire il PBIX o PBIP il cui modello semantico si vuole preparare per l'utilizzo dell'intelligenza artificiale.

  2. Start GitHub Copilot nella cartella del progetto.

  3. Eseguire il prompt:

    /semantic-model-authoring Connect to Power BI Desktop and prepare the semantic model for AI

    Il comando slash carica la semantic-model-authoring skill. La skill riconosce l'intento di preparazione all'IA, carica il riferimento semantic-model-ai-readiness.md ed esegue il flusso di lavoro Preparazione all'IA del modello semantico.

  4. Esaminare e approvare. L'agente esegue l'inventario del modello, lo valuta rispetto all'elenco di controllo di idoneità e presenta i risultati raggruppati in base alla gravità. Ogni ricerca viene contrassegnata come applicabile all'agente o richiesta dall'utente. Approvare le correzioni da applicare.

  5. Applicare e convalidare. L'agente applica le modifiche approvate tramite il server MCP (o tramite le modifiche TMDL se MCP non è registrato), salva il modello e consiglia di testare richieste rappresentative in linguaggio naturale in Copilot o nell'agente dati.

Esempio: Creare un modello semantico sopra un Fabric Lakehouse

In questo esempio viene usato il flusso di lavoro della competenza Crea nuovo modello semantico su un'origine dati Lakehouse, che produce un modello Direct Lake.

  1. Prepara il Lakehouse. Nel portale di Fabric:

    1. Creare un'area di lavoro, SalesAnalyticsad esempio .
    2. In quell'area di lavoro, creare un lakehouse - ad esempio, SalesLakehouse.
    3. Carica il Lakehouse con dati di esempio. Il percorso più rapido consiste nell'aprire lakehouse e selezionare Inizia con i dati di esempio per caricare i set di dati predefiniti Public holidays o NYC Taxi oppure caricare i propri file in File e caricarli in Tabelle.

  2. Avvia GitHub Copilot in qualsiasi cartella.

  3. Esegui il prompt con i nomi dell'area di lavoro e del lakehouse:

    /semantic-model-authoring Create a semantic model on top of Lakehouse SalesLakehouse in workspace SalesAnalytics

    Il comando con barra carica l'semantic-model-authoring abilità, che esegue il flusso di lavoro Crea un nuovo modello semantico. Agente:

    1. Risolve l'area di lavoro e gli ID Lakehouse e individua lo schema Lakehouse (tabelle, colonne, tipi di dati).
    2. Crea un modello semantico Direct Lake seguente e carica le linee guida di modellazione pertinenti.
    3. Distribuisce il modello nell'area di lavoro di destinazione

  4. Verifica in Fabric. Aprire l'area di lavoro e verificare che venga visualizzato il nuovo modello semantico.

Troubleshooting

  • La skill non viene caricata - Verifica l'installazione e la registrazione del plug-in seguendo Panoramica di Agentic per Power BI. Se la configurazione è corretta e la competenza non è ancora selezionata, l'agente potrebbe perdere la competenza durante la divulgazione progressiva. Eseguire il test con un comando slash esplicito, quindi aggiungere altri dettagli sulle finalità al prompt:
  • Il server MCP non si carica - Riavvia la CLI di GitHub Copilot dopo aver installato o registrato il plug-in, in modo che la nuova configurazione MCP venga rilevata. Quindi esegui copilot mcp show per confermare che powerbi-modeling-mcp sia visualizzato e funzioni correttamente.

Contenuti correlati

  • Last updated on