LangChain

PowerBI数据集代理 #

本教程展示了一个代理，它旨在与Power BI数据集进行交互。代理旨在回答有关数据集的更一般的问题，并从错误中恢复。

请注意，由于此代理正在积极开发中，因此可能并非所有答案都是正确的。它在executequery端点 (opens in a new tab)上运行，该端点不允许删除。

一些说明

它依赖于使用azure.identity包进行身份验证，可以使用pip install azure-identity进行安装。或者，您可以在不提供凭据的情况下使用令牌作为字符串创建powerbi数据集。
您还可以提供要模拟的用户名，以用于启用RLS的数据集。
工具包使用LLM从问题创建查询，代理人用于整体执行。
测试主要使用text-davinci-003模型进行，Codex模型似乎表现不佳。

初始化#

from langchain.agents.agent_toolkits import create_pbi_agent
from langchain.agents.agent_toolkits import PowerBIToolkit
from langchain.utilities.powerbi import PowerBIDataset
from langchain.llms.openai import AzureOpenAI
from langchain.agents import AgentExecutor
from azure.identity import DefaultAzureCredential

fast_llm = AzureOpenAI(temperature=0.5, max_tokens=1000, deployment_name="gpt-35-turbo", verbose=True)
smart_llm = AzureOpenAI(temperature=0, max_tokens=100, deployment_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：描述表格#

agent_executor.run("Describe table1")

示例：对表格进行简单的查询#

在这个例子中，代理人实际上找出了正确的查询方式来获取表的行数。

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?")

Playwright Python