KI-Datenagenten für LookML-Dashboards erstellen und verwalten

Mit der konversationellen Analyse, unterstützt durch Gemini Google Cloud, können Sie Ihre Daten untersuchen, indem Sie über eine intuitive Chat-Oberfläche Fragen in natürlicher Sprache stellen. Wenn Sie die konversationelle Analyse mit einem LookML-Dashboard verwenden, können Sie einen Datenagenten direkt in Ihrem versionsverwalteten LookML-Code definieren und anpassen.

Mit Datenagenten für LookML-Dashboards können Entwickler maßgeschneiderte Geschäftslogik, benutzerdefinierte Anweisungen und analytische Einstellungen in LookML-verwaltete Dashboards einfügen. Jedes Dashboard bietet einen einzelnen, freigegebenen Standardagenten der allen Nutzern zur Verfügung steht, die die Berechtigung haben, mit dem Dashboard zu chatten. Da LookML-Dashboards verwaltete, versionsverwaltete Single Sources of Truth für alle Organisationen darstellen, sorgen LookML-Dashboard-Agenten dafür, dass KI-Interaktionen in allen Umgebungen konsistent bleiben und die Datenstandards der Organisation eingehalten werden.

Auf dieser Seite werden folgende Themen behandelt:

Hinweis

Bevor Sie die konversationelle Analyse verwenden können, um mit Ihren Dashboard-Daten zu interagieren, müssen die Einrichtung und die Anforderungen für Ihre Looker-Instanz erfüllt sein. Außerdem müssen Sie die entsprechenden Berechtigungen haben, um die auf dieser Seite beschriebenen Aufgaben auszuführen.

Dashboard-Agenten in LookML definieren

Wenn Sie einen Dashboard-Agenten in LookML definieren möchten, deklarieren Sie den agent Parameter in einer LookML-Modelldatei oder einer dedizierten LookML-Datei in Ihrem Projekt.

Eine LookML-Dashboard-Agentendefinition verwendet die folgende Syntax:

agent: agent_name {
  advanced_analytics: yes | no
  description: "Description of the agent"
  instructions: "Custom agent prompt and instructions"
  is_dashboard_agent: yes
  show_debuginfo: yes | no
  show_thinking: yes | no
}

Dashboard-Agenten unterstützen die folgenden LookML-Parameter:

  • agent: Deklariert einen neuen Agenten und definiert seinen Namen.
  • advanced_analytics: (Optional) Akzeptiert yes oder no (Standardwert ist no). Wenn dieser Parameter auf yes gesetzt ist, kann der Agent Advanced Analytics verwenden, um Fragen in natürlicher Sprache in Python-Code zu übersetzen und diesen Code für erweiterte Berechnungen und Visualisierungen auszuführen. Dieser Parameter ist für LookML-Dashboard-Agenten verfügbar, funktioniert aber in Looker 26.14 nicht.
  • description: (Optional) Eine kurze Beschreibung des Agenten.
  • instructions: (Optional) Ein String mit Anweisungen in Freiform und Geschäftskontext, um den Agenten bei der Beantwortung von Abfragen zu unterstützen. Wenn dieser Parameter nicht angegeben wird, verwendet der Agent die Standardverarbeitung für Unterhaltungen ohne benutzerdefinierten Prompt-Kontext.
  • is_dashboard_agent: (Erforderlich für Dashboard-Agenten) Auf yes setzen, um den Agenten speziell als Dashboard-Agenten zu identifizieren.
  • show_debuginfo: (Optional) Akzeptiert yes oder no (Standardwert ist no). Wenn dieser Parameter auf yes gesetzt ist, zeigt der Agent in den Antworten der Unterhaltung detaillierte Informationen zur Ausführung und Fehlerbehebung an.
  • show_thinking: (Optional) Akzeptiert yes oder no (Standardwert ist no). Wenn dieser Parameter auf yes gesetzt ist, zeigt der Agent in den Antworten der Unterhaltung seinen schrittweisen Denkprozess an.

Agenten in LookML-Dashboards unterstützen keine verifizierten Abfragen.

Beispiel für eine Dashboard-Agentendefinition

Im folgenden Beispiel wird ein LookML-Dashboard-Agent definiert, der bestimmte Filterregeln und einen bestimmten Ton erzwingt:

agent: sales_dashboard_agent {
  instructions: "Focus on revenue metrics. Always filter by the current fiscal year unless the user specifies otherwise."
  description: "LookML Dashboard Agent for sales performance analytics."
  is_dashboard_agent: yes
  advanced_analytics: yes
  show_thinking: yes
  show_debuginfo: no
}

LookML-Konstanten in Agentenanweisungen verwenden

Wenn Sie mehrere LookML-Dashboards in einer Organisation verwalten, können Sie LookML-Konstanten verwenden, um Standardgeschäftsregeln, Glossare oder Filteranforderungen in Agenten Definitionen freizugeben, ohne Text zu duplizieren.

So verwenden Sie eine Konstante in Agentenanweisungen:

  1. Definieren Sie die Konstante in der Datei manifest.lkml Ihres Projekts:

    constant: FISCAL_YEAR_RULE {
  value: "Always filter all requests by the current fiscal year unless the user explicitly specifies a different timeframe."
}

  2. Verweisen Sie mit der Syntax @{<var>CONSTANT_NAME</var>} auf die Konstante im Parameter instructions Ihres Dashboard-Agenten:

    agent: finance_dashboard_agent {
  instructions: "Prioritize gross margin and operating expense metrics. @{FISCAL_YEAR_RULE}"
  is_dashboard_agent: yes
  advanced_analytics: yes
}

Wenn der Agent Abfragen verarbeitet, ersetzt Looker den konstanten String dynamisch in den Agentenanweisungen.

Dashboard-Agenten mit einem LookML-Dashboard verknüpfen

Wenn Sie einen Dashboard-Agenten an ein LookML-Dashboard anhängen möchten, konfigurieren Sie die Parameter auf Dashboard-Ebene in der Datei .dashboard.lookml.

Die folgenden Dashboard-Parameter steuern das Agentenverhalten für LookML-Dashboards:

  • enabled_dashboard_agent: (Optional) Akzeptiert true oder false. Bestimmt ob Nutzer das Symbol spark Mit diesem Dashboard chatten sehen und mit dem Dashboard-Agenten interagieren können. Wenn dieser Parameter nicht angegeben wird, wird auf der API-Ebene standardmäßig true verwendet.
  • default_dashboard_agent: (Optional) Gibt den Namen des LookML Agenten an (definiert mit dem agent Parameter), der als Standardagent für das Dashboard dient.

Beispiel für eine LookML-Dashboard-Konfiguration

Das folgende Snippet zeigt, wie Sie den sales_dashboard_agent einem LookML-Dashboard zuordnen:

- dashboard: executive_sales_overview
  title: "Executive Sales Overview"
  layout: newspaper
  enabled_dashboard_agent: true
  default_dashboard_agent: sales_dashboard_agent

  elements:
  - name: total_revenue_by_quarter
    type: looker_column
    model: sales_ops
    explore: orders
    measures: [orders.total_revenue]
    dimensions: [orders.created_quarter]

Wenn enabled_dashboard_agent auf true gesetzt ist und kein default_dashboard_agent angegeben ist, können Nutzer trotzdem mit dem Dashboard chatten. Der Agent wird ohne benutzerdefinierte Anweisungen ausgeführt.

LookML-Dashboard-Agenten im Entwicklungsmodus testen

Wenn der Agent bereits in der Produktion bereitgestellt wurde, können LookML-Entwickler Agentenanweisungen iterativ ändern und Antworten direkt in der Looker-Benutzeroberfläche testen, bevor sie Änderungen in der Produktion bereitstellen.

So testen Sie Änderungen an einem LookML-Dashboard-Agenten im Entwicklungsmodus:

  1. Achten Sie darauf, dass für den Agenten mindestens eine Basisdefinition in der Produktion bereitgestellt wurde.
  2. Aktivieren Sie den Entwicklungsmodus.
  3. Bearbeiten Sie die instructions oder Einstellungen des Agenten in Ihrer LookML-Datei und speichern Sie die Änderungen.
  4. Öffnen Sie das LookML-Dashboard in der Looker-Benutzeroberfläche.
  5. Wählen Sie das Symbol spark Mit diesem Dashboard chatten aus, um das Chatfenster zu öffnen.
  6. Stellen Sie Fragen, um zu testen, wie der Agent Ihre Prompts interpretiert und darauf reagiert.

Wenn der Entwicklungsmodus aktiviert ist, verweist die konversationelle Analyse auf die In-Memory-Agentendefinition, die LookML-Dashboard-Definition und die Modelldateien aus Ihrem Entwicklungszweig. Wenn Sie den Entwicklungsmodus deaktivieren, verweist die konversationelle Analyse wieder auf die bereitgestellten Definitionen aus dem Produktionszweig.

Der gesamte Unterhaltungsverlauf, der im Entwicklungsmodus erstellt wird, wird beibehalten und ist in der Liste der letzten Unterhaltungen über Sitzungen hinweg sichtbar.

LookML-Code für Dashboard-Agenten aus benutzerdefinierten Dashboards kopieren

Wenn Sie ein Dashboard als benutzerdefiniertes Dashboard in der Benutzeroberfläche erstellen, können Sie die vollständige Konfiguration, einschließlich der Einstellungen und Anweisungen für den Dashboard-Agenten, in LookML-Code exportieren.

So kopieren Sie LookML-Code aus einem benutzerdefinierten Dashboard:

  1. Öffnen Sie das benutzerdefinierte Dashboard.
  2. Wählen Sie das Dreipunkt-Menü more_vert Dashboard-Aktionen und dann LookML abrufen aus.
  3. Kopieren Sie im Dialogfeld LookML abrufen den generierten LookML-Code für das Dashboard und den Code für die Definition des Dashboard-Agenten.
  4. Fügen Sie den LookML-Code für das Dashboard in eine Datei vom Typ .dashboard.lookml und den agent-Block in Ihre Modell- oder Agenten-LookML-Datei ein.

Der exportierte LookML-Code behält den Status des Schalters Chat mit Dashboard aktivieren bei, indem der Parameterwert enabled_dashboard_agent zusammen mit allen benutzerdefinierten Agentenanweisungen verwendet wird.

Agentendetails in der Looker-Benutzeroberfläche ansehen

Wenn Sie ein LookML-Dashboard mit einem aktiven Dashboard-Agenten ansehen, können Sie die Agentenkonfiguration im Chatfenster prüfen:

  1. Wählen Sie das Symbol spark Mit diesem Dashboard chatten aus.
  2. Wählen Sie das Symbol tune Agenten verwalten aus.

Für LookML-Dashboards werden im Fenster Agenten verwalten Agentenanweisungen, der Status von Advanced Analytics und Debug-Optionen im schreibgeschützten Modus angezeigt. Einstellungen können nicht direkt in der Benutzeroberfläche bearbeitet werden.

Wenn Sie die Konfiguration bearbeiten möchten, können Entwickler mit der Berechtigung develop für die zugrunde liegenden Modelle auf In LookML bearbeiten klicken, um direkt zur entsprechenden LookML-Datei in der IDE zu gelangen.

LookML-Dashboard mit einem Dashboard-Agenten abfragen

So starten Sie eine Unterhaltung mit einem LookML-Dashboard-Agenten:

  1. Öffnen Sie das LookML-Dashboard.
  2. Wählen Sie das Symbol spark Mit diesem Dashboard chatten aus.
  3. Geben Sie Ihre Abfrage im Feld Frage stellen in natürlicher Sprache ein.
  4. Wenn show_thinking für Ihren Dashboard-Agenten zulässig ist, können Sie einen Fragemodus auswählen:
    • Schnell: Übersetzt Ihre Abfrage schnell in direkte LookML-Messwertabfragen.
    • Denken: Bewertet komplexe analytische Fragen und zeigt die schrittweise Argumentation an.
  5. Klicken Sie auf senden Senden.

Wenn Sie eine laufende Abfrage abbrechen möchten, klicken Sie auf das Symbol „Antwort beenden“ Antwort beenden.

Unterhaltungen verwalten

  • Letzte Unterhaltungen: Wenn Sie frühere Unterhaltungen öffnen möchten, wählen Sie more_vert Menü > Letzte Unterhaltungen aus.
  • Unterhaltung umbenennen: Wählen Sie neben einer Unterhaltung das Dreipunkt-Menü more_vert und dann das Symbol „Bearbeiten“ edit Umbenennen aus.
  • Unterhaltung löschen: Wählen Sie neben einer Unterhaltung das Dreipunkt-Menü more_vert und dann das Symbol „Löschen“ delete Löschen aus.

Einschränkungen von LookML-Dashboard-Agenten

Für LookML-Dashboard-Agenten gelten die folgenden Einschränkungen:

  • Nur in LookML definiert: LookML-Dashboard-Agenten müssen in LookML deklariert werden. Sie können sie nicht in der Looker-Benutzeroberfläche erstellen, konfigurieren oder bearbeiten.
  • Verifizierte Abfragen werden nicht unterstützt: Datenagenten für LookML-Dashboards unterstützen keine verifizierten Abfragen.
  • Anforderung für dasselbe Projekt: Der Agent muss im selben LookML-Projekt wie das Dashboard definiert werden, das auf ihn verweist.
  • Ein Agent pro Dashboard: Sie können nur einen Dashboard-Agenten mit einem LookML-Dashboard verknüpfen.
  • Nur Dashboard-Agenten: LookML unterstützt das Erstellen von Datenagenten für Explores nicht. Alle agent-Deklarationen in LookML müssen is_dashboard_agent: yes enthalten.
  • Advanced Analytics in Looker 26.14: LookML-Dashboard-Agenten in Looker 26.14 unterstützen den Parameter advanced_analytics nicht.
  • Entwicklungsmodus und nicht bereitgestellte Agenten: Die konversationelle Oberfläche ignoriert alle Änderungen, die im Entwicklungsmodus an der Konfiguration von LookML-Dashboard-Agenten vorgenommen werden, die noch nicht in der Produktion bereitgestellt wurden.