PowerBI 工具包
此笔记本展示了一个与 Power BI 数据集 交互的代理。该代理可以回答有关数据集的更一般性问题，并从错误中恢复。
请注意，由于此代理处于积极开发阶段，因此所有答案可能不正确。它针对 executequery 端点 运行，该端点不允许删除操作。
注释：
- 它依赖于使用 azure.identity 包进行身份验证，可以通过
pip install azure-identity安装。或者，您可以创建一个包含字符串形式的令牌的 powerbi 数据集，而无需提供凭据。 - 您也可以提供一个用户名来模拟使用，用于启用了行级安全 (RLS) 的数据集。
- 该工具包使用 LLM 从问题创建查询，该代理使用 LLM 进行整体执行。
- 测试主要使用
gpt-3.5-turbo-instruct模型进行，codex 模型似乎表现不佳。
初始化
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,
)
示例：描述一个表
agent_executor.run("Describe table1")
示例：对表进行简单查询
在这个示例中，该代理实际上弄清楚了获取表行数的正确查询。
agent_executor.run("How many records are in table1?")
示例：运行查询
agent_executor.run("How many records are there by dimension1 in table2?")
agent_executor.run("What unique values are there for dimensions2 in table2")
示例：添加您自己的少样本提示
# fictional example
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] <> "")))
----
Question: What was the average of value in revenue in dollars?
DAX: EVALUATE ROW("Average", AVERAGE(revenue_details[dollar_value]))
----
"""
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?")