PowerBI 工具包集成

使用 LangChain Python 与 PowerBI 工具包集成。

本笔记本展示了一个代理与 Power BI Dataset 交互的场景。该代理正在回答有关数据集的更一般性问题，以及从错误中恢复。

请注意，由于此代理处于积极开发阶段，所有答案可能都不正确。它运行在 executequery 端点 上，该端点不允许删除操作。

注意事项

• 它依赖于 azure.identity 包的认证，可以使用 pip install azure-identity 安装。或者，您可以创建一个带有字符串令牌的 powerbi 数据集，而无需提供凭据。
• 您还可以提供一个用户名以模拟身份，用于启用了 RLS 的数据集。
• 工具包使用 LLM 根据问题生成查询，代理使用 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：描述表

agent_executor.run("Describe table1")

示例：对表进行简单查询

在此示例中，代理实际上找出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?")

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.