Copilot AI

Copilot AI jest ogólnoplatformową warstwą inteligencji platformy DataFlow AI. Nie jest samodzielną stroną, lecz wszechobecną nakładką zadokowaną w powłoce aplikacji — zwijanym panelem wysuwanym z prawej strony, dostępnym na każdym ekranie i zasilanym rzeczywistymi wywołaniami API Claude. Zna Twój bieżący ekran, wybrany potok danych, aktywny węzeł, zawartość edytora oraz Twoją rolę i odpowiednio dostosowuje swój język i podpowiedzi.

Nowy tutaj? Czym jest Copilot, prostymi słowami

Copilot AI to pomocnik, z którym możesz rozmawiać zwykłym językiem — po angielsku lub po polsku — w dowolnym miejscu platformy. Pomyśl o nim jak o doświadczonym współpracowniku, który jest zawsze dostępny w panelu bocznym: zadajesz pytanie lub opisujesz, czego chcesz, a on odpowiada, pisze kod albo buduje za Ciebie daną rzecz.

Jest naprawdę zasilany prawdziwym modelem AI (Claude od Anthropic), a nie zestawem gotowych odpowiedzi. Oznacza to, że możesz formułować rzeczy w sposób naturalny — nie ma żadnej specjalnej składni do nauczenia.

Oto co może dla Ciebie zrobić, wraz z codziennymi przykładami:

• Odpowiadać na pytania o Twoje dane. „Które tabele przechowują dzienne rekordy połączeń?" — przeszukuje rzeczywisty katalog i Ci odpowiada.
• Pisać za Ciebie SQL. „Pokaż mi łączny przychód według regionu za ostatni miesiąc" — tworzy działające zapytanie, które możesz uruchomić jednym kliknięciem. („SQL" to język używany do zadawania pytań bazom danych; Copilot pisze go, abyś nie musiał.)
• Zbudować cały potok danych na podstawie opisu. „Wczytaj dzienną sprzedaż z SAP HANA do Snowflake, pomiń wiersze testowe" — szkicuje potok danych i proponuje jego utworzenie.
• Wyjaśniać rzeczy. „Co oznacza kolumna CHURN_SCORE?" lub „Wyjaśnij, co robi ten potok danych" — odczytuje metadane i wyjaśnia prostym językiem.
• Diagnozować awarie. Gdy potok danych ulegnie awarii, odczytuje błąd i mówi Ci prostymi słowami, co poszło nie tak i jak to naprawić.
• Samodzielnie sugerować usprawnienia. Po cichu obserwuje Twoje potoki danych i prezentuje porady — „ten potok danych mógłby działać 70% taniej" — w postaci małych kart wglądu.

Co robi Copilot AI

Copilot kryje się za pływającym wyzwalaczem-iskierką, który pojawia się na każdej stronie. Kliknięcie go otwiera pasek boczny o szerokości 320 px, który wysuwa się z prawej strony. Copilot dostarcza zestaw możliwości przez jeden panel:

• Konwersacyjny czat — budowanie potoków danych, debugowanie i eksploracja danych w języku naturalnym.
• NL-do-SQL — zamienia pytania w zwykłym języku na SQL w pięciu dialektach.
• Generowanie NL-do-potoku — zamienia polecenie w kompletny potok danych YAML DataFlow.
• Wyszukiwanie w katalogu RAG — odpowiedzi oparte na rzeczywistych metadanych Twojego katalogu poprzez potok pobierania pgvector.
• Podpowiedzi wbudowane — uzupełnianie tekstem-widmem Monaco dla SQL, Python i YAML.
• Proaktywne wglądy — analiza w tle prezentowana jako gotowe do działania karty wglądu.
• Diagnoza błędów — ustrukturyzowana analiza przyczyny źródłowej nieudanych uruchomień potoków danych.
• Agentowy kreator potoków danych — autonomiczny, korzystający z narzędzi agent, który buduje potoki danych od początku do końca za bramkami zatwierdzania.
• Analiza przyczyny źródłowej (RCA) — agent analizy incydentów, który korzysta z rzeczywistych narzędzi monitorowania i metadanych.

Jak się otwiera: poprzez setCopilotOpen(true) w sklepie powłoki (pływający wyzwalacz) albo przez przejście do /ai-copilot?q= (wstępnie wypełnione polecenie) lub /ai-copilot?insight= (przejście do wglądu). Komponenty wejściowe: src/components/ai-copilot/*.

Kto z niego korzysta

Copilot obsługuje każdą personę; zmienia się jedynie złożoność języka i dostępne szybkie akcje.

Układ ekranu

Pasek boczny Copilota to stały panel o pełnej wysokości przypięty do prawej krawędzi okna widoku. Wsuwa się przez 300 ms i zawiera nagłówek, pasek kart, przewijalny obszar treści, siatkę szybkich akcji oraz pole wprowadzania.

+----------------------------------------------------+
| HEADER                                              |
| [Sparkle] AI Copilot   [Context pill]    [X Close]   |
+----------------------------------------------------+
| TAB BAR                                              |
| [ Chat ]  [ Insights (3) ]  [ Diagnosis ]            |
+----------------------------------------------------+
|                                                      |
|  MESSAGE AREA (scrollable)                           |
|                                                      |
|  +------------------------------------------------+  |
|  | [AI]  AI Copilot                      10:32 AM |  |
|  | Hello Marek! I can see you're in Design Studio.|  |
|  +------------------------------------------------+  |
|                                                      |
|  +------------------------------------------------+  |
|  |                          [User]  Marek         |  |
|  | I need daily sales from SAP HANA               |  |
|  +------------------------------------------------+  |
|                                                      |
|  +------------------------------------------------+  |
|  | [AI]  AI Copilot                      10:33 AM |  |
|  | Here's what I suggest:                         |  |
|  |  +------------------------------------------+  |  |
|  |  | SAP HANA --> Filter --> Your Workspace   |  |  |
|  |  +------------------------------------------+  |  |
|  |  [ Yes, create ]   [ Modify first ]           |  |
|  +------------------------------------------------+  |
|                                                      |
+----------------------------------------------------+
| QUICK ACTIONS (2x2)                                  |
| [ Build Pipeline ]   [ Debug Error ]                 |
| [ Explain Column ]   [ Map Data ]                    |
+----------------------------------------------------+
| INPUT                                                |
| [ Ask AI anything...                          [>] ]  |
+----------------------------------------------------+

Elementy sterujące interfejsu

Dymki wiadomości

Wiadomości użytkownika renderują się wyrównane do prawej w fioletowych dymkach; wiadomości AI renderują się wyrównane do lewej w jasnych dymkach. Podczas gdy model generuje, dymek AI pokazuje trzykropkową animację strumieniowania. Wiadomość AI może osadzać MiniPipelineDiagram (lekki podgląd SVG źródło→transformacja→cel), DiffViewer (dla różnicy kodu „Apply Fix") oraz wbudowane przyciski akcji, takie jak Yes, create czy Modify first.

Szybkie akcje

Czat i wyszukiwanie w katalogu RAG

Panel czatu jest trybem domyślnym. Gdy wysyłasz wiadomość, orkiestrator CopilotService uruchamia wieloetapowy przepływ, zanim jakakolwiek odpowiedź do Ciebie dotrze:

1. Routing intencji — wykrywanie słów kluczowych kieruje pytania w stylu SQL na ścieżkę NL-do-SQL, a zgłoszenia błędów na diagnozę błędów.
2. Wzbogacanie RAG — RAGService.get_context_for_query() pobiera istotne metadane katalogu. Działa to najlepiej jak potrafi: jeśli pgvector jest nieosiągalny, Copilot przełącza się na czat bez RAG zamiast zawodzić.
3. Składanie polecenia — budowany jest wzbogacony systemowy prompt, wstrzykujący kontekst aktywnego potoku danych oraz wyniki RAG.
4. Wywołanie modelu — żądanie trafia do Claude przez wymienialną warstwę dostawcy.
5. Parsowanie akcji — odpowiedź jest skanowana pod kątem bloków [ACTION type=... label=... payload={...}], które stają się ustrukturyzowanymi przyciskami akcji w czacie.
6. Ocena pewności — heurystyka tworzy ocenę pewności 0–1 (0,7 bazowo, +0,15 z kontekstem RAG, +0,05 z kontekstem potoku danych).

Wyszukiwanie RAG używa podobieństwa kosinusowego pgvector na tabeli catalog_embeddings, z osadzeniami tworzonymi przez model sentence-transformers all-MiniLM-L6-v2 (384 wymiary). Wartość rag_similarity_threshold równa 0,72 odfiltrowuje słabe dopasowania. Punkt końcowy pytań i odpowiedzi katalogu, /catalog/ask, odpowiada na pytania oparte bezpośrednio na danych metadata-service.

NL-do-SQL

Copilot zamienia pytania w zwykłym języku na SQL w pięciu dialektach — Snowflake, Teradata, PostgreSQL, SAP HANA i MSSQL. Dialekt jest automatycznie wykrywany z tekstu Twojej wiadomości albo możesz go wskazać jawnie.

NLToSQLService obsługuje cztery operacje:

Wygenerowany SQL niesie ze sobą szacunek pewności oraz ostrzeżenia — Copilot oznacza SELECT *, DELETE/UPDATE bez klauzuli WHERE, DROP/TRUNCATE oraz niepoprawne dla dialektu użycie LIMIT. Bogatsza ścieżka warstwy semantycznej (/semantic/query) wzbogaca pytanie względem słownika biznesowego Polkomtela — mniej więcej 11 metryk (wskaźnik churn, ARPU, MoU, net adds, przychód), 14 wymiarów (region, taryfa, segment, kanał) oraz 7 szablonów filtrów (abonenci aktywni, postpaid/prepaid, B2B) — zanim deleguje do NL-do-SQL.

Podpowiedzi wbudowane

Gdy edytujesz SQL, Python lub YAML w edytorze Monaco (na przykład w trybie SQL Design Studio), Copilot oferuje uzupełnienia tekstem-widmem przed kursorem.

Podpowiedzi są dostrojone do domeny DataFlow — dialekty SQL Teradata, schematy SAP HANA oraz specyficzne dla Polkomtela nazwy tabel, takie jak td_dwh_mona.STG_BIURO_SPRZEDAZY_PLK.

Proaktywne wglądy

Copilot uruchamia analizę w tle nad Twoimi potokami danych, metrykami jakości oraz wykorzystaniem platformy i prezentuje gotowe do działania rekomendacje jako karty wglądu. Nieprzeczytane wglądy podnoszą czerwoną plakietkę licznika na wyzwalaczu-iskierce.

Punkt końcowy wglądów, /insights, jest buforowany przez 300 sekund, ponieważ leżące u podstaw wywołanie modelu jest wolne (~50 s), a pulpit odpytuje mniej więcej co minutę. Jeśli model jest niedostępny, pokazywany jest statyczny zestaw rezerwowy wglądów.

Diagnoza błędów

Gdy przechodzisz do nieudanego uruchomienia potoku danych w Monitor Center lub Design Studio, Copilot automatycznie aktywuje kartę Diagnosis i otwiera pasek boczny, jeśli był zwinięty.

Panel diagnozy przedstawia ustrukturyzowaną analizę przyczyny źródłowej:

• Nagłówek awarii — nazwa potoku danych, numer uruchomienia, znacznik czasu awarii oraz węzeł, który zawiódł.
• Przyczyna źródłowa — wygenerowane przez AI wyjaśnienie prostym językiem z procentem pewności.
• Sugerowana naprawa — rekomendowane rozwiązanie z poziomem ryzyka (niski / średni / wysoki).
• Podgląd różnicy — DiffViewer pokazujący proponowaną zmianę YAML/SQL, z akcją Apply Fix.
• Powiązane incydenty — wcześniejsze uruchomienia, które napotkały ten sam błąd, wraz ze sposobem rozwiązania każdego z nich.

Punkt końcowy /diagnose tworzy ustrukturyzowaną diagnozę w ośmiu kategoriach błędów, kodując specyficzną dla Polkomtela wiedzę o błędach (błędy Teradata TPT/PERM space, problemy CDC SAP HANA, przekroczenia czasu rywalizacji o blokady JDBC).

Agentowy kreator potoków danych

Do konstrukcji potoków danych od początku do końca Copilot udostępnia agentowy kreator poziomu 4 — autonomicznego agenta, który korzysta z tool_use Claude, aby odkrywać schematy, generować potok danych, walidować go i tworzyć — wszystko w jednej rozmowie. Pętla agenta uruchamia się maksymalnie 15 iteracji.

Agent ma sześć narzędzi:

Dwa destrukcyjne narzędzia — create_pipeline i run_pipeline — są strzeżone. Gdy agent dociera do jednego z nich, wstrzymuje się i prezentuje PendingAction; nic nie zostaje utworzone ani uruchomione, dopóki tego jawnie nie zatwierdzisz. Zaplecze narzędzi agenta wykonuje operacje względem rzeczywistych API platformy i katalogu, z rozwiązaniami rezerwowymi opartymi na wiedzy dziedzinowej (na przykład gotowe schematy CDR/billing Polkomtela), jeśli katalog jest niedostępny.

Agent analizy przyczyny źródłowej

Poza diagnozą błędów dla poszczególnych uruchomień, Copilot zawiera dedykowanego agenta RCA do badania incydentów. RcaAgent.analyze() korzysta z czterech rzeczywistych wywołań narzędzi HTTP — ostatnie alerty i uruchomienia z usługi monitora, dzienniki uruchomień oraz harmonogram zmian schematu z usługi metadanych — a następnie syntetyzuje dowody w ustrukturyzowaną RcaResponse.

Odpowiedź RCA zawiera podsumowanie, harmonogram zdarzeń, od dwóch do czterech uszeregowanych hipotez (każda z oceną pewności, dowodami potwierdzającymi i sugerowanym działaniem) oraz przytoczone zasoby katalogu. Niesie ze sobą rzeczywistą telemetrię — użyty model, liczbę tokenów, opóźnienie oraz liczbę wywołań narzędzi — i używa tolerancyjnego parsowania JSON, dzięki czemu nigdy nie wymyśla treści.

Agent RCA jest osiągany przez /rca/analyze.

Jak go używać — ścieżki kliknięć

Zadawanie pytania

1. Kliknij pływający wyzwalacz-iskierkę w prawym górnym rogu dowolnego ekranu.
2. Pasek boczny Copilota wsuwa się na karcie Chat.
3. Wpisz pytanie do pola wprowadzania — np. „Które tabele przechowują dzienne agregaty CDR?" — i naciśnij Enter.
4. Copilot kieruje intencję, uruchamia wzbogacanie RAG względem katalogu i strumieniuje odpowiedź token po tokenie do dymka AI.
5. Jeśli odpowiedź osadza blok [ACTION], kliknij wbudowany przycisk akcji (na przykład Open table lub Yes, create), aby na jego podstawie zadziałać.

Co dzieje się w tle: POST /chat (lub GET /chat/stream dla strumieniowania tokenów SSE) przez api/copilot.ts, z kontekstem RAG z RAGService oraz oceną pewności zwracaną w nagłówku X-Copilot-Confidence.

Generowanie potoku danych z polecenia

1. Otwórz Copilota i kliknij szybką akcję Build Pipeline (albo wpisz żądanie budowy bezpośrednio).
2. Opisz potok danych w zwykłym języku — np. „Dzienna sprzedaż z SAP HANA, przefiltrowana do aktywnych rekordów, do mojej przestrzeni roboczej."
3. Copilot odpowiada MiniPipelineDiagram (źródło → transformacja → cel) oraz planem prostym językiem.
4. Dopracuj go konwersacyjnie, jeśli potrzeba — np. „Dodaj agregację według regionu" — a diagram się zaktualizuje.
5. Kliknij Yes, create. Potok danych zostaje sztubrowany i otwiera się w Design Studio, wstępnie wypełniony.

Co dzieje się w tle: POST /generate-pipeline zamienia polecenie w YAML DataFlow; tablice PipelineNode/PipelineEdge odpowiedzi sterują diagramem. W przypadku pełnej autonomicznej konstrukcji agentowy kreator (/agent/chat) odkrywa schematy i waliduje potok danych przed wstrzymaniem przy bramce zatwierdzania create_pipeline.

Diagnozowanie nieudanego uruchomienia

1. Z Monitor Center otwórz nieudane uruchomienie pod /monitor/runs/{runId}.
2. Copilot otwiera się automatycznie z aktywną kartą Diagnosis i pigułką kontekstu pokazującą nieudane uruchomienie.
3. Przeczytaj sekcję Root Cause i jej procent pewności.
4. Przejrzyj Suggested Fix i jego poziom ryzyka; sprawdź Diff Preview proponowanej zmiany YAML.
5. Kliknij Apply Fix, aby przygotować zmianę, albo przejrzyj Related Incidents, aby zobaczyć, jak ten sam błąd rozwiązano wcześniej.
6. Aby przeprowadzić głębsze, wieloźródłowe dochodzenie, wyzwól agenta RCA, by przeszedł alerty, dzienniki oraz harmonogram zmian schematu.

Co dzieje się w tle: POST /diagnose dla ustrukturyzowanej diagnozy, POST /rca/analyze dla wielonarzędziowego agenta RCA.

Wskazówki — jak uzyskać świetne odpowiedzi

Copilot jest dobry, ale jest o wiele lepszy, gdy dasz mu dobre polecenia. Kilka nawyków robi dużą różnicę:

• Bądź konkretny z nazwami. „Ile wierszy jest w crm.DIM_CUSTOMER?" bije „jak duża jest tabela klientów?" — podaj dokładny schemat i tabelę.
• Nazwij dialekt, gdy chcesz SQL. „Napisz to zapytanie w składni Teradata" uchroni Copilota przed zgadywaniem niewłaściwej odmiany bazy danych.
• Opisz cel, a nie kroki. Przy budowaniu potoku danych powiedz czego chcesz („dzienna sprzedaż z SAP HANA, bez wierszy testowych, do mojej przestrzeni roboczej") i pozwól Copilotowi rozpracować węzły.
• Dopracowuj w rozmowie. Nie musisz dać idealnego polecenia za pierwszym razem. Wyślij pytanie uzupełniające — „teraz dodaj agregację według regionu" — a Copilot się dostosuje.
• Wklejaj błędy bezpośrednio. Gdy coś zawiedzie, wklej cały komunikat błędu do czatu. Nie musisz go nawet wcześniej czytać; Copilot to zrobi.
• Wzbogacaj katalog dla lepszych wyników. Im więcej opisów kolumn i terminów słownikowych istnieje, tym ostrzejsze stają się podpowiedzi SQL i potoków danych Copilota.
• Zawsze przeglądaj przed uruchomieniem. Traktuj wygenerowany przez AI SQL i potoki danych jako mocny pierwszy szkic. Sprawdź nazwy konektorów i warunki filtrów oraz użyj widoku SQL Explain przed uruchomieniem czegokolwiek na produkcji.

Częste pytania

Czy to prawdziwe AI, czy wcześniej napisane odpowiedzi? To prawdziwy model AI (Anthropic Claude) wykonujący wywołania na żywo. Odpowiedzi są generowane na świeżo z Twojego rzeczywistego kontekstu katalogu i potoku danych — nie są gotowymi formułkami.

Czy mogę pisać do niego po polsku? Tak. Copilot rozumie polskojęzyczne wejście, w tym dla żądań przekładu języka naturalnego na SQL.

Czy kiedykolwiek zmieni moje dane lub potoki danych bez pytania? Nie. Copilot może swobodnie planować, szkicować i walidować, ale każde działanie, które tworzy lub uruchamia coś — utworzenie potoku danych, uruchomienie go — wstrzymuje się przy bramce zatwierdzania. Nic się nie dzieje, dopóki jawnie nie klikniesz, aby zatwierdzić.

Co, jeśli AI źle wygeneruje SQL lub potok danych? Traktuj jego wynik jako szkic. Wygenerowany SQL niesie ze sobą ocenę pewności i ostrzeżenia (oznacza ryzykowne rzeczy, takie jak DELETE bez klauzuli WHERE). Przejrzyj go, użyj Explain, aby zobaczyć, co zapytanie zrobi, i kliknij Regenerate lub dopracuj polecenie, jeśli jest błędny.

Co się dzieje, gdy usługa AI jest niedostępna? Copilot degraduje się uczciwie. Jeśli wyszukiwanie w katalogu jest niedostępne, przełącza się na czat bez RAG; jeśli sam model jest nieosiągalny, mówi Ci o tym, zamiast wymyślać odpowiedź.

Jak otworzyć Copilota? Kliknij pływający przycisk-iskierkę w prawym górnym rogu dowolnego ekranu albo naciśnij Ctrl+/ z dowolnego miejsca. Przy nieudanym uruchomieniu potoku danych otwiera się sam, prosto na karcie Diagnosis.

Jaka jest różnica między „Insights" a „Diagnosis"? Insights są proaktywne — Copilot prezentuje je samodzielnie jako porady (taniej, szybciej, bezczynne klastry). Diagnosis jest reaktywna — pojawia się, gdy konkretne uruchomienie potoku danych zawiodło, i wyjaśnia tę jedną awarię.

Czy Copilot pamięta naszą rozmowę? Tak, w obrębie sesji — zachowuje ostatnie tury rozmowy, dzięki czemu pytania uzupełniające mają sens. Każda sesja jest prywatna dla Twojego konta.

Co dzieje się w tle — API i architektura

Copilot to mikrousługa Python 3.12 / FastAPI (backend/ai-services/copilot/, port 8090). Jej zestaw routerów jest zamontowany pod trzema prefiksami — /api/v1/ai/**, /api/v1/copilot/** oraz /api/copilot/** — dzięki czemu frontend może do niej dotrzeć, niezależnie od tego, jak adresuje ją brama.

Kluczowe moduły frontendu: api/copilot.ts (czat + strumieniowanie SSE, suggest, generate-SQL, diagnose), api/textToSql.ts, api/catalogAsk.ts, api/aiProvider.ts, api/rca.ts. Interfejs paska bocznego mieści się w src/components/ai-copilot/ (około 16 komponentów, w tym AICopilotSidebar, ChatMessage, MiniPipelineDiagram, DiffViewer, ErrorDiagnosis oraz InsightCard).

Każdy wynik AI w całym Copilocie — czat, SQL, wygenerowane potoki danych, dopasowania schematów, hipotezy RCA — niesie ze sobą ocenę pewności 0–1, dzięki czemu zawsze wiesz, jak bardzo model ufa własnej odpowiedzi.