KI-Datenagenten für LookML-Dashboards erstellen und verwalten

Mit der konversationellen Analyse, unterstützt von Gemini für 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 Dashboard-Datenagenten direkt in Ihrem versionsverwalteten LookML-Code definieren und anpassen.

Mit LookML-Dashboard-Agenten können Entwickler maßgeschneiderte Geschäftslogik, benutzerdefinierte Anweisungen und analytische Einstellungen in LookML-verwaltete Dashboards einfügen. Da LookML-Dashboards verwaltete, versionsverwaltete Quellen der Wahrheit 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 die folgenden Themen behandelt:

Hinweis

Bevor Sie LookML-Dashboard-Agenten konfigurieren oder verwenden können, müssen die folgenden Anforderungen erfüllt sein:

  • Instanzanforderungen: Ein Looker-Administrator muss auf der Administratorseite Gemini in Looker die Option Konversationelle Analyse aktivieren. Der Administrator muss außerdem die Einstellungen Trusted Tester-Funktionen aktivieren und Dashboard-Agenten aktiviert aktivieren. Erweiterte Analyse für Dashboard-Agenten muss auch die Administratoreinstellung Erweiterte Analyse aktiviert sein. Diese Einstellung gilt nicht für LookML-Dashboard-Agenten in Looker 26.14.
  • Berechtigungen für Entwickler: Zum Erstellen, Bearbeiten oder Konfigurieren von LookML Dashboard-Agenten und ‑Dashboards benötigen Sie eine Looker-Rolle mit den develop und see_lookml_dashboards Berechtigungen sowie Zugriff auf die LookML-Modelle , die dem Dashboard zugrunde liegen.
  • Berechtigungen für Betrachter: Wenn Nutzer mit einem LookML-Dashboard-Agenten chatten möchten, benötigen sie die Berechtigung see_lookml_dashboards und Zugriff auf die LookML-Modelle, die den Dashboard-Kacheln zugrunde liegen.

Dashboard-Agent 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 (Standard ist no). Wenn diese Option auf yes gesetzt ist, kann der Agent die erweiterte Analyse 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, der den Agenten bei der Beantwortung von Abfragen unterstützt. Wenn dieser Parameter weggelassen 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 (Standard ist no). Wenn diese Option auf yes gesetzt ist, zeigt der Agent in den Antworten auf Unterhaltungen detaillierte Informationen zur Ausführung und Fehlerbehebung an.
  • show_thinking: (Optional) Akzeptiert yes oder no (Standard ist no). Wenn diese Option auf yes gesetzt ist, zeigt der Agent in den Antworten auf Unterhaltungen seinen schrittweisen Denkprozess an.

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 zu teilen, 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-Agent 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 auf LookML-Dashboards:

  • enable_dashboard_agent: (Optional) Akzeptiert true oder false. Bestimmt ob Nutzer das Symbol für spark Mit diesem Dashboard chatten sehen und mit dem Dashboard-Agenten interagieren können. Wenn dieser Parameter weggelassen 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.
  • dashboard_agents: (Optional) Eine Liste der für das Dashboard verfügbaren Agentennamen.

Beispiel für die 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
  enable_dashboard_agent: true
  default_dashboard_agent: sales_dashboard_agent
  dashboard_agents: [sales_dashboard_agent, regional_sales_agent]

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

Wenn enable_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 Entwicklermodus testen

LookML-Entwickler können Agentenanweisungen iterativ ändern und Antworten direkt in der Looker-UI testen, bevor sie Änderungen in der Produktion bereitstellen.

So testen Sie einen LookML-Dashboard-Agenten im Entwicklermodus:

  1. Aktivieren Sie den Entwicklermodus.
  2. Bearbeiten Sie die instructions oder Einstellungen des Agenten in Ihrer LookML-Datei und speichern Sie die Änderungen.
  3. Öffnen Sie das LookML-Dashboard in der Looker-UI.
  4. Wählen Sie das Symbol für spark Mit diesem Dashboard chatten aus, um den Chatbereich zu öffnen.
  5. Stellen Sie Fragen, um zu testen, wie der Agent Ihre Prompts interpretiert und darauf reagiert.

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

Der während des Entwicklermodus erstellte Unterhaltungsverlauf wird gespeichert 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 UI prototypisieren, 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 Block agent in Ihre Modell- oder Agenten-LookML-Datei ein.

Der exportierte LookML-Code behält den Status des Ein/Aus-Buttons Mit Dashboard chatten aktivieren bei, indem der Parameter enable_dashboard_agent verwendet wird, und kopiert alle benutzerdefinierten Agentenanweisungen.

Agentendetails in der Looker-UI ansehen

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

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

Für LookML-Dashboards werden im Bereich Agent verwalten Agentenanweisungen, der Status der erweiterten Analyse und Debug-Optionen im schreibgeschützten Modus angezeigt. Einstellungen können nicht direkt in der UI 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 für 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 das Senden Senden-Symbol.

Wenn Sie eine laufende Abfrage abbrechen möchten, klicken Sie auf 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 Bearbeiten-Symbol edit Umbenennen aus.
  • Unterhaltung löschen: Wählen Sie neben einer Unterhaltung das Dreipunkt-Menü more_vert und dann das Löschen-Symbol delete Löschen aus.