Skip to main content
本 notebook 展示了一个与 Power BI Dataset 交互的 Agent。该 Agent 能够回答关于数据集的通用问题，并能从错误中恢复。 注意，由于此 Agent 仍在积极开发中，并非所有答案都是正确的。它运行于 executequery 端点，该端点不允许删除操作。

​
注意事项

  • 它依赖于 azure.identity 包进行身份验证，可通过 pip install azure-identity 安装。或者，你也可以通过字符串形式的 token 创建 powerbi 数据集，无需提供凭据。
  • 你也可以提供用户名以模拟用户，适用于启用了 RLS 的数据集。
  • 工具包使用 LLM 根据问题生成查询，Agent 使用 LLM 进行整体执行。
  • 测试主要使用 gpt-3.5-turbo-instruct 模型完成，codex 模型表现不佳。

​
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：描述一张表

agent_executor.run("Describe table1")

​
示例：对表执行简单查询

在本示例中，Agent 实际上找出了正确的查询来获取表的行数。 
agent_executor.run("How many records are in table1?")

​
示例：执行查询

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：添加自定义 few-shot 提示词

# 虚构示例
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?")
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.