借助由 Gemini for Google Cloud 提供支持的对话式分析，您可以通过直观的聊天界面，以对话语言提出有关数据的问题，从而调查数据。对话式分析提供了多种与数据“对话”的方式。将对话式分析与探索数据搭配使用时，您可以在对话中提出有关单个探索的问题，也可以创建探索数据代理，以便一次与最多五个探索对话。您还可以使用其他用户创建并与您分享的探索数据代理。
本页面讨论了如何使用对话式分析与探索数据互动。它涵盖以下主题：
了解 Gemini for Google Cloud 如何以及何时使用您的数据。
准备工作
如需使用对话式分析与探索数据互动，请确保满足 Looker 实例的 设置和要求，并且您已获得执行本页面所述任务的 相应权限。
开始与单个探索对话
如需开始与单个探索对话（即在聊天界面中以常规自然语言提出的一组关于数据的离散问题和回答），请按以下步骤操作：
前往对话式分析界面。
默认情况下，对话的名称为“无标题”。在对话中提出第一个问题后，对话式分析会自动根据您的问题和回答生成对话标题。如需更改生成的名称，请点击对话页面顶部的标题，然后输入新的对话名称。如需保存更改，请点击页面上的其他位置，或按 Return 键 (Mac) 或 Enter 键 (PC)。
对话。选择探索 标签页，然后选择要查询的探索。创建对话后，您可以在对话中的 提问 字段中提出问题有关数据的问题。您可以从 最近的对话 部分返回到对话。
开始与查询探索的现有数据代理对话
数据代理会根据您的数据进行自定义，并包含特定于您的数据的上下文和说明。您可以开始与您创建的现有 数据代理 或另一用户与您 分享的 对话。如需开始与最多连接到五个 Looker 探索的现有数据代理对话，请按以下步骤操作：
前往对话式分析界面。
默认情况下，对话的名称为“无标题”。在对话中提出第一个问题后，对话式分析会自动根据您的问题和回答生成对话标题。如需更改生成的名称，请点击对话页面顶部的标题，然后输入新的对话名称。如需保存更改，请点击页面上的其他位置，或按 Return 键 (Mac) 或 Enter 键 (PC)。
创建对话后，您可以在对话中的 提问 字段中提出问题有关数据的问题。您可以从 最近的对话 部分返回到对话。
提出有关 Looker 数据的问题
当您开始新对话时，对话式分析会建议一些起始问题。问题不需要采用特定格式或使用特定语法。不过，问题需要与您选择的探索相关。
在提问 字段中以自然语言输入问题。选择问题模式，然后点击发送。 提交查询后，您可以点击
停止回答 来取消对话式分析的回答。对话式分析会停止运行查询，并显示以下消息：The query was cancelled.
如需详细了解可以提出的问题类型，请参阅问题限制。
选择问题模式
提出问题时，您可以从下拉菜单中选择问题模式，该菜单包含快速 和思考 选项。界面将快速 描述为用于快速回答，将思考 描述为用于解决复杂问题。对话式分析默认采用思考 问题模式。除非您手动更改，否则对话式分析将在任何多轮对话中保持相同的问题模式。
快速模式
当您在快速 模式下提出问题时，对话式分析会尝试将您的自然语言查询直接映射到 LookML 模型的 LookML 参数，这些模型是对话探索的基础。对话式分析能够快速响应，因为它依赖于 LookML 的受监管定义，并且不使用或显示任何类型的推理。
例如，“What was our total revenue last month?”（我们上个月的总收入是多少？）之类的查询可以快速转换为选择 total_revenue 指标并按上个月进行过滤的查询。
如果您的查询要求提供数据中的特定事实或预定义指标，请选择快速 模式。
思考模式
思考 模式适用于需要进行直接 LookML 查找之外的分析的更复杂的分析请求。在此模式下，代理会“规划”其方法，决定使用哪些工具以及如何组合结果。此模式允许解决多步问题并执行高级数据科学任务，而这些任务可能无法通过单个基于 SQL 的查询完成。
当您询问有关数据的“原因”时，当您比较趋势时，或者当您提出可能需要多个步骤的更复杂的分析请求时，请选择思考 模式。 在测试代理以了解其如何使用数据源的底层 LookML 时，此模式也特别有用。
对话式分析如何处理您的问题
您提交查询后，对话式分析可能会改述您的问题，改述后的问题将显示在对话窗口中，紧随您原来的问题之后。例如，对话式分析可能会将问题“What is the mean of user ages?”（用户年龄的平均值是多少？）改述为“What is the average user age?”（用户的平均年龄是多少？）。
在对话式分析运行查询时，您可以观察其推理和思考过程。对话式分析可能会提出后续问题，以澄清原始查询中的任何歧义。例如，如果有多个名称相似的字段，对话式分析可能会要求您澄清哪个字段最适合用于处理您的查询。
多轮对话
在您继续对话时，对话式分析会考虑之前的问题和回答。您可以根据之前的回答，通过进一步优化结果或更改可视化类型来构建回答。
如需详细了解如何创建问题，请参阅问题限制。
澄清问题
在对话式分析运行查询时，您可以观察其推理和思考过程。对话式分析可能会提出后续问题，以澄清原始查询中的任何歧义。例如，如果有多个名称相似的字段，对话式分析可能会要求您澄清哪个字段最适合用于处理您的查询。
话题元数据
当您与探索或数据代理对话时，可收起式 数据 面板会显示对话正在使用的 Looker 探索的名称。 数据 面板还提供以下选项：
- 查看字段：与探索对话时，您可以点击 查看字段 ，在新的浏览器窗口中查看探索。
- 修改代理：与数据代理对话时，您可以点击 修改代理，修改有关数据代理的详细信息。
- 新对话：开始与当前对话正在使用的 Looker 探索进行新对话。
管理对话中的查询
与数据对话时，您可以通过停止正在运行的活跃查询回答或通过删除最近的问题及其回答来管理对话。
删除最近的问题
如需删除最近的问题及其回答，请按以下步骤操作：
- 将光标悬停在最近的问题上，然后点击 删除消息。
- 在要永久删除消息吗？ 对话框中，点击删除 以永久删除问题及其回答。
了解查询结果和计算方式
当您在对话式分析中提出有关数据的问题时，回答可能包含可视化图表、数据表或其他详细信息，具体取决于您的特定查询和连接的数据。如需将查询结果作为探索打开，请在查询结果中点击 在探索中打开。
除了此查询回答之外，对话式分析还提供以下选项，帮助您了解查询结果和计算方式：
- 有关如何解读查询的详细信息
- 有关如何计算回答的详细信息
- 其他详细信息，例如 分析详细信息和调试信息， 如果为代理启用
确定如何解读查询
如果您使用思考模式提出问题，则可以了解对话式分析如何推理您的查询。如需查看其推理，请展开显示推理 选项。如需隐藏其推理，请点击隐藏推理 。
对话式分析会分析每个查询并思考如何回答，使用查询中的关键字从对话关联数据集的语义层推断相关维度、指标和其他参数，并从查询中解读可能需要执行的聚合。当您展开显示推理 时，对话式分析会以纯文本形式显示其解读查询所采取的步骤的说明。该说明还包括对话式分析思考查询所用的时间。
根据其推理，对话式分析会生成回答，其中可能包含要求澄清查询的请求。
确定如何计算回答
如需了解对话式分析如何得出回答或创建可视化图表，请在查询结果中点击“这是如何计算出来的？”图标 。
点击这是如何计算出来的？ 后，对话式分析会显示文本 部分。文本 部分以纯文本形式说明了对话式分析得出给定回答所采取的步骤。此说明包括所使用的原始字段名称、所做的计算、所应用的过滤条件、排序顺序和其他详细信息。
如果您的数据代理可以使用高级分析，则代码标签页会显示针对任何高级查询额外生成的 Python 代码。
分析详细信息和调试信息
如果用于对话的数据代理启用了特定的高级选项，则回答可以包含以下详细信息：
- 显示分析详细信息：如果启用，代理的回答会显示其 推理步骤、生成的 Looker 查询和底层数据 表。
- 显示调试信息：如果启用，代理的回答会显示代理为该回答执行的步骤，这有助于进行问题排查。
这些设置是在 创建或修改代理时在高级选项中配置的。
管理对话
对话按标题列在 最近 部分中。您可以更改对话的名称、删除对话或从回收站文件夹中恢复对话。
删除对话
如需将对话移至回收站，请打开对话，然后点击 移至回收站。
恢复或永久删除对话
如需从回收站中恢复或永久删除对话，请按以下步骤操作：
- 在对话式分析中，选择左侧导航面板中的 “回收站”，以查看已移至回收站的对话列表。
- 在回收站 部分中，点击要恢复或永久删除的对话的名称。
- 在确定吗？ 对话框中，选择以下选项之一：
- 取消：取消操作。
- 恢复：恢复对话。您可以在对话式分析的左侧导航菜单的 最近 部分中访问该对话。
- 永久删除：永久删除对话。
相关资源
Looker 中的对话式分析概览：对话式分析的着陆页，其中包含关键功能列表，并提供指向所有对话式分析文档的链接。
创建和管理探索数据代理：借助探索数据代理，您可以自定义由 AI 提供支持的数据查询代理，方法是提供特定于探索数据的上下文和说明，这有助于对话式分析生成更准确且与上下文相关的回答。
使用信息中心代理查询用户定义的信息中心：使用信息中心数据代理与 Looker 用户定义的信息中心 Chat。
创建和管理 LookML 信息中心数据代理 [预览版]：使用 LookML 为 LookML 信息中心配置和管理版本控制的数据代理。
在 Looker 中配置对话式分析的最佳实践：策略和最佳实践，可帮助 Looker 管理员和 LookML 开发者成功配置和优化对话式分析。
启用高级分析：对话式分析中的高级分析会将您的自然语言问题转换为 Python 代码并执行该代码。与基于标准 SQL 的查询相比，高级分析功能使用 Python 可以实现更复杂的分析和可视化效果。