本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Amazon Quick Chat 說明
在 Amazon Quick 中，當您與儀表板和資料集聊天時，每個答案都包含說明，其中顯示模型如何到達每個數值宣告，包括模型使用的資料來源、假設、篩選條件、計算和 SQL 查詢。您可以按一下按鈕直接查看模型的假設，而不是透過尋找原始來源並重新建立邏輯來手動驗證每個答案。
與您的儀表板聊天
當您與儀表板資料聊天時，請開啟說明以查看已選取哪些儀表板和工作表。您也可以查看已套用哪些篩選條件。這可協助您驗證答案是否符合您的意圖。
例如，假設您開啟「試駕轉換」儀表板，並詢問「哪些電動汽車模型擁有幾乎完美的滿意度分數，但轉換率較低？」 您想要查看某些車輛是否試駕良好，但不會導致銷售。您可以開啟說明並檢查假設區段。聊天使用車輛模型命名術語定義了「汽車模型」。它搜尋以 "E" （電） 或 "SE" （運動電） 結尾的名稱。雖然在大多數情況下這可能是正確的，但確保準確性的最佳欄位是「車輛_油料類型」。您直接在聊天中輸入：「使用車輛燃料類型來識別電動汽車」。然後，開啟重新整理且正確的說明。
說明元件
-
在 中找到資料 – 顯示洞見來源的儀表板和對應的工作表。
-
篩選條件 – 列出用來到達答案的儀表板篩選條件值。
-
假設 – 直接從資料 （例如參考客服人員指示） 或世界知識中解壓縮任何大型語言模型 (LLM) 衍生的定義。
-
計算說明 – 顯示模型為了得出答案而執行的任何計算，以自然語言和數學公式呈現。
與您的資料集聊天
當您直接與資料集聊天時，您可以看到產生的 SQL 查詢。使用這些查詢來驗證模型是否理解您的意圖。在汽車經銷商範例中，假設您詢問「什麼是未顯示率，以及哪個汽車模型最難以處理？」
-
在 中找到資料 – 顯示洞見來源的資料集。
-
假設 – 直接從資料 （例如參考資料集層級的描述性中繼資料） 或世界知識中解壓縮任何 LLM 衍生的定義。
-
計算說明 – 顯示模型為了得出答案而執行的任何計算，以自然語言和數學公式呈現。
-
產生的 SQL – 顯示產生每個數值宣告的特定 SQL 查詢。
