Data Agents erstellen und verwalten

Mit Daten-KI-Agenten können Sie die konversationelle Analyse für Ihre Daten anpassen. Mit KI-Agenten können Sie der konversationellen Analyse Kontext und Anweisungen geben, damit sie Fragen für bestimmte Anwendungsfälle effektiver beantworten kann. KI-Agenten ermöglichen es Analysten, Geschäftsbegriffe bestimmten Feldern zuzuordnen, die besten Felder für die Filterung anzugeben und benutzerdefinierte Berechnungen zu definieren.

Auf dieser Seite werden die folgenden Prozesse beschrieben:

• Daten-KI-Agenten erstellen und bearbeiten
• Daten-KI-Agenten freigeben
• Daten-KI-Agenten löschen

Weitere Informationen dazu, wie und wann Gemini forIhre Daten verwendet. Google Cloud

Hinweis

Ein Daten-KI-Agent ist eine weitere Art von Looker-Inhalt, z. B. ein Dashboard, ein Look oder ein Ordner.

Die Verwendung eines Daten-Agenten wird durch eine Kombination aus Zugriff auf Inhalte, Datenzugriff und Funktionszugriff verwaltet. Um die in der folgenden Tabelle beschriebenen Aufgaben auszuführen, muss Ihnen eine Looker-Rolle zugewiesen sein, die die erforderlichen Berechtigungen für die Modelle hat, die von Ihrem Daten-KI-Agenten abgefragt werden, und in einigen Fällen Zugriff auf den Agenten selbst.

Aufgabe	Erforderliche Looker-Berechtigungen	Erforderlicher Zugriff auf Daten-KI-Agenten
KI-Agenten erstellen, bearbeiten, freigeben und löschen	Hinzugefügt am 25.18. admin_agents	Es muss kein Zugriff auf Inhalte gewährt werden.
KI-Agenten erstellen, bearbeiten, freigeben und löschen	Hinzugefügt am 25.18. save_agents Nutzer können KI-Agenten erstellen, die nur die Explores verwenden, für die ihnen diese Berechtigung für das zugrunde liegende Modell gewährt wurde. Wenn Nutzer einen Daten-KI-Agenten bearbeiten, löschen oder freigeben möchten, der von einem anderen Nutzer erstellt wurde, muss ihnen eine Rolle zugewiesen werden, die diese Berechtigung für jedes Modell enthält, das vom Agenten verwendet wird.	Zugriff verwalten; Bearbeiten (dieser Zugriff wird automatisch gewährt, wenn der Nutzer den Agenten erstellt. Andernfalls muss der Zugriff Zugriff verwalten; Bearbeiten vom Ersteller des Agenten gewährt werden, indem der Agent freigegeben wird.)
Über den Tab KI-Agenten in der konversationellen Analyse mit einem Daten-KI-Agenten chatten	access_data (für jedes Modell, das die Explores enthält, die vom Daten-KI-Agenten verwendet werden) Hinzugefügt am 25.18 chat_with_agent (für jedes Modell, das die Explores enthält, die vom Daten-KI-Agenten verwendet werden)	Zugriff Ansehen
Über den Tab Explores in der konversationellen Analyse mit einem Looker-Explore chatten	access_data (für jedes Modell, das die Explores enthält, die vom Daten-KI-Agenten verwendet werden) Hinzugefügt am 25.18. chat_with_explore

Looker bietet auch die folgenden Standardrollen, die Teilmengen dieser Berechtigungen für alle Modelle in der Instanz enthalten:

• Conversational Analytics Agent Manager: Mit dieser Rolle kann ein Nutzer KI-Agenten erstellen, bearbeiten, freigeben, löschen und mit ihnen chatten, für die er den Zugriff Zugriff verwalten; Bearbeiten hat, und mit Explores chatten.
• Conversational Analytics User: Mit dieser Rolle kann ein Nutzer mit einem KI-Agenten chatten, für den er den Zugriff Ansehen hat.
• Administrator: Standardmäßig hat diese Rolle (Looker-Administrator) alle Berechtigungen und den Zugriff auf Inhalte für die gesamte Instanz.

Ein Looker-Administrator kann diese Rollen und Berechtigungen auf der Seite Rollen im Bereich Verwaltung der Looker-Instanz zuweisen. Weitere Informationen zu Looker-Rollen finden Sie auf der Dokumentationsseite Verwaltungseinstellungen – Rollen.

Der Ersteller des Daten-KI-Agenten kann den Zugriff einzelner Nutzer auf den Agenten verwalten, indem er den Agenten freigibt.

Daten-KI-Agenten erstellen und bearbeiten

Da es sich bei Produkten von Gemini for Google Cloud Technologie in einem frühen Entwicklungsstadium handelt, kann es zu Ergebnissen kommen, die zwar plausibel erscheinen, aber faktisch falsch sind. Ausgaben der Produkte von Gemini für Google Cloud sollten daher vor der Verwendung geprüft werden. Weitere Informationen finden Sie unter Gemini für Google Cloud und verantwortungsbewusste Anwendung von KI.

So erstellen Sie einen neuen Daten-KI-Agenten:

1. Rufen Sie die Seite Unterhaltungen auf.
2. Wählen Sie auf dem Tab KI-Agenten die Option + Neuer Agent aus. Alternativ können Sie im linken Bereich sparkKI-Agenten verwalten und dann + Neuer Agent auswählen.

3. Geben Sie auf der Seite Neuer Agent die folgenden Informationen zu Ihrem Daten-KI-Agenten an.

   • Agent-Name: Geben Sie einen Namen für den Agenten ein. Der Name muss eindeutig und beschreibend sein.
   • Agent-Beschreibung: Beschreiben Sie kurz, was dieser Agent tun kann und welche Daten er verwendet. Nutzer sehen diese Beschreibung, wenn sie den Agenten auswählen, um eine Unterhaltung zu starten, oder wenn Sie den Agenten für sie freigeben. Die Beschreibung sollte daher den Zweck des Agenten und seine potenziellen Vorteile klar erläutern.
   • Daten: Folgen Sie dieser Anleitung, um bis zu fünf vorhandene Looker-Explores zu verbinden:
     1. Klicken Sie im Feld Daten auf + Explores auswählen.
     2. Klicken Sie im Fenster Explores suchen auf die Explores, die Sie in den Daten-KI-Agenten aufnehmen möchten. Diese Explores werden im Bereich Ausgewählte Explores des Fensters angezeigt.
     3. Klicken Sie auf Speichern, um das ausgewählte Explore zum Daten-KI-Agenten hinzuzufügen.

4. Anweisungen: Geben Sie Kontext an, damit die konversationelle Analyse weiß, wie sie mit Ihren Daten interagieren und genaue und relevante Antworten geben kann. Beispiele für die Arten von Kontext, die Sie angeben können, finden Sie unter Anweisungen für KI-Agenten schreiben.

5. Optional: Wenn Sie den Code-Interpreter für alle Unterhaltungen mit Ihrem Agenten aktivieren möchten, wählen Sie Erweiterte Analysen aktivieren aus.

6. Optional können Sie Ihren Agenten testen, um die Anweisungen und Einstellungen zu optimieren.

7. Klicken Sie auf Speichern, um den neuen Daten-KI-Agenten zu speichern.

Nachdem Sie den Daten-KI-Agenten gespeichert haben, können Sie ihn für andere Nutzer freigeben und eine Unterhaltung mit ihm starten.

Anweisungen für KI-Agenten schreiben

Wenn Sie einen Daten-KI-Agenten erstellen, können Sie Anweisungen in Freiform hinzufügen, die das Kernverhalten des Daten-KI-Agenten definieren und ihm grundlegenden Kontext liefern, den er berücksichtigen muss, bevor er einen Prompt eines Nutzers verarbeitet.

Wichtig: Das Feld Anweisungen ist zwar optional und die Struktur liegt in Ihrem Ermessen, aber wir empfehlen, gut strukturierte Anweisungen anzugeben, damit der KI-Agent genauere und relevantere Antworten geben kann.

Hier einige Beispiele für die Arten von Kontext, die Sie im Feld Anweisungen angeben können:

• Wichtige Felder: Die wichtigsten Felder für die Analyse
• Ausgeschlossene Felder: Felder, die der Daten-KI-Agent vermeiden soll
• Filtern und Gruppieren: Felder, die der KI-Agent zum Filtern und Gruppieren von Daten verwenden soll
• Synonyme: Alternative Begriffe für die wichtigsten Felder
• Goldene Abfragen: Paare aus Fragen in natürlicher Sprache und den entsprechenden Explore-Abfragen
• Persona: Eine Rolle oder Expertise, ein Charakter oder ein Ton, den Sie dem Agenten zuweisen

Tipp: Wenn Sie eine Looker-Rolle haben, mit der Sie LookML bearbeiten können, können Sie mit dem synonyms LookML-Parameter Synonyme für die Felder in Ihrem Explore definieren.

Hier einige Beispielanweisungen, die Sie anpassen und mit Ihrem Agenten testen können:

Agent Instructions

You are an expert e-commerce analyst. When answering questions about our sales
data, adhere to the following definitions and patterns:

Default Filtering: Unless stated otherwise, always filter the data on Order
Items Created Year = 2024. Customer Loyalty: We consider "loyal" customers to be
those with Order Items Count > 5. Business Terms:  "Successful" orders are those
where Order Items status = "Complete".  "Revenue" always refers to the Total
Sales field.  "Location" means User City. Grouping Rules: When someone says "by
product", unless they specifically say "name", group by product category.

Looker Golden Queries

Pay close attention to the patterns in the provided golden query below. Use it
as a primary reference for generating Looker queries that are
related to revenue and order status:

Question: "How much revenue did we generate from successful orders in 2024?"
Looker query:
    Model: thelook_ecommerce
    Explore: order_items
    Fields: [order_items.total_sales]
    Filters: [{field: order_items.status, value: "Complete"},
    {field: order_items.created_year, value: "2024"}]

Always keep these patterns and definitions in mind when generating your answers.

Agent testen

Wenn Sie einen Agenten erstellen oder bearbeiten, enthält die Agenten-Detailseite den Bereich Vorschau des Agenten. Sie können die Einstellungen und Anweisungen des Agenten testen, indem Sie eine Unterhaltung mit ihm starten.

Sie müssen auf Aktualisieren klicken, damit eine Änderung in der Vorschau angezeigt wird. Wenn der Speicherstatus Not saved lautet, werden keine Aktualisierungen der Einstellungen in der Vorschau angezeigt.

Vorhandenen Daten-KI-Agenten bearbeiten

So bearbeiten Sie einen vorhandenen Daten-KI-Agenten:

1. Wählen Sie auf der Seite Unterhaltungen die Option sparkKI-Agenten verwalten aus.
2. Wählen Sie auf der Seite KI-Agenten verwalten den Daten-KI-Agenten aus, den Sie bearbeiten möchten.
3. Aktualisieren Sie die Details zum Agenten nach Bedarf. Sie können die Details ändern, die Sie beim Erstellen des Agenten angegeben haben, einschließlich der Felder Agent-Name, Agent-Beschreibung, Daten und Anweisungen. Sie können auch den Code-Interpreter für Ihren Agenten aktivieren.
4. Klicken Sie auf Aktualisieren, um die Änderungen zu speichern.

Daten-KI-Agenten freigeben

Durch die Freigabe können andere Nutzer mit Ihrem Agenten und seinen Explores chatten. Sie können einen Daten-KI-Agenten für andere Nutzer freigeben, indem Sie Inhaltszugriff auf den Agenten gewähren. Nur Nutzer mit den entsprechenden Berechtigungen und Zugriff auf Inhalte können einen Agenten freigeben. Nachdem ein Agent erstellt wurde, kann es einige Minuten dauern, bis er freigegeben werden kann.

Hinweis: Wenn Sie einem Nutzer Inhaltszugriff auf einen Agenten gewähren, erhält dieser Nutzer nicht automatisch auch Zugriff auf das Explore, das der Agent verwendet. Wenn Sie einen Agenten freigeben, müssen die Nutzer auch die Berechtigungen haben, die sie benötigen, um die konversationelle Analyse mit dem Modell zu verwenden, auf dem das Explore basiert. Möglicherweise muss Ihr Looker-Administrator diese Berechtigungen gewähren.

So geben Sie einen Daten-KI-Agenten frei:

1. Wählen Sie auf der Seite Unterhaltungen im linken Bereich die Option sparkKI-Agenten verwalten aus.
2. Öffnen Sie das Menü für den ausgewählten Agenten, indem Sie auf das Dreipunkt-Menü Weitere Optionen klicken, und wählen Sie dann Freigeben aus.
3. Nachdem Sie im Bereich Wer kann auf diesen Agenten zugreifen? eine Person oder Gruppen hinzugefügt und die Berechtigungsstufe ausgewählt haben, klicken Sie auf Hinzufügen, um sie in die freigegebene Liste aufzunehmen.
4. Wenn neue Nutzer oder Gruppen eine Benachrichtigungs-E-Mail erhalten sollen, klicken Sie auf das Kästchen Die gerade hinzugefügten Personen per E-Mail benachrichtigen.
5. Klicken Sie nach allen Änderungen auf Speichern.

Sie können auch einen Agenten freigeben, den Sie gerade erstellt oder bearbeitet haben. Klicken Sie dazu auf der Seite mit den Agenteneinstellungen auf Freigeben und folgen Sie der oben beschriebenen Anleitung.

Zugriff auf einen Daten-KI-Agenten widerrufen

So widerrufen Sie den Zugriff auf einen Agenten:

1. Klicken Sie auf der Seite Unterhaltungen im linken Bereich auf sparkKI-Agenten verwalten.
2. Öffnen Sie das Menü für den ausgewählten Agenten, indem Sie auf das Dreipunkt-Menü Weitere Optionen klicken, und wählen Sie dann Freigeben aus.
3. Klicken Sie neben den Nutzern oder Gruppen, deren Zugriff entfernt werden soll, auf das X.
4. Klicken Sie nach allen Änderungen auf Speichern.

Wenn die entfernten Nutzer eine laufende Unterhaltung haben, haben sie noch ein oder zwei Minuten Zugriff, während die Änderungen übernommen werden.

Wenn ein Nutzer weitere Fragen stellt, nachdem der Zugriff auf einen Agenten entfernt wurde, wird die folgende Meldung angezeigt: The agent in this conversation may not be shared with you, or may have been deleted. You can view any past conversations with the agent, but can't ask new questions.

Daten-KI-Agenten löschen

Achtung: Nutzer, für die Sie diesen Daten-KI-Agenten freigegeben haben, können nach dem Löschen keine neuen Fragen mehr stellen. Unterhaltungen mit dem Daten-KI-Agenten bleiben jedoch erhalten.

So löschen Sie einen Daten-KI-Agenten:

1.Klicken Sie auf der Seite Unterhaltungen im linken Bereich auf sparkKI-Agenten verwalten. 1. Öffnen Sie das Menü für den ausgewählten Agenten, indem Sie auf das Dreipunkt-Menü Weitere Optionen klicken, und wählen Sie dann Löschen aus. 1. Klicken Sie im Fenster Agent löschen? auf In den Papierkorb verschieben, um den Daten-KI-Agenten zu löschen.

In den Papierkorb verschobene Agenten werden nach 30 Tagen endgültig gelöscht. Sie können einen Daten-KI-Agenten manuell endgültig löschen oder ihn aus dem Papierkorb wiederherstellen, bevor er endgültig gelöscht wird. Wenn Sie nichts unternehmen, wird der Agent nach 30 Tagen automatisch endgültig gelöscht.

Daten-KI-Agenten endgültig löschen

So löschen Sie einen Daten-KI-Agenten endgültig:

1. Rufen Sie die Seite Unterhaltungen auf.
2. Maximieren Sie im linken Navigationsbereich den Abschnitt Papierkorb.
3. Öffnen Sie das Menü für den ausgewählten Agenten, indem Sie auf das Dreipunkt-Menü klicken, und wählen Sie dann Endgültig löschen aus.
4. Klicken Sie im Fenster Sind Sie sicher? auf Endgültig löschen.

Daten-KI-Agenten aus dem Papierkorb wiederherstellen

So stellen Sie einen Daten-KI-Agenten aus dem Papierkorb wieder her:

1. Rufen Sie die Seite Unterhaltungen auf.
2. Maximieren Sie im linken Navigationsbereich den Abschnitt Papierkorb.
3. Öffnen Sie das Menü für den ausgewählten Agenten, indem Sie auf das klicken, und wählen Sie dann Wiederherstellen aus.

Weitere Informationen

• Übersicht über die konversationelle Analyse in Looker: Auf der Landingpage für die konversationelle Analyse finden Sie eine Liste der wichtigsten Funktionen und Links zur gesamten Dokumentation zur konversationellen Analyse.

• Best Practices für die Konfiguration der konversationellen Analyse in Looker: Strategien und Best Practices, die Looker-Administratoren und LookML-Entwicklern helfen, die konversationelle Analyse erfolgreich zu konfigurieren und zu optimieren.

• Erweiterte Analysen mit dem Code-Interpreter aktivieren: Der Code-Interpreter in der konversationellen Analyse übersetzt Ihre Fragen in natürlicher Sprache in Python-Code und führt diesen Code aus. Im Vergleich zu standardmäßigen SQL-basierten Abfragen ermöglicht die Verwendung von Python durch den Code-Interpreter komplexere Analysen und Visualisierungen.