Skip to content

產生自訂資料

這一頁的目標不是檢查每一行 console log，而是幫你判斷「資料有沒有成功生成」以及「生成後我該看哪幾個地方」。

先決定你要改哪一層

如果你現在要自訂情境，先用下面這個簡單判斷：

  1. 只想換產業 / use case：不用改 script 原始碼，改輸入值就好
  2. 想重新建整套 PoC：跑 author_rebuild_custom_poc.py
  3. 只想先看新資料長什麼樣子：跑 author_generate_custom_data.py

你實際會動到哪些 script

大多數情況下，你只需要操作這兩支：

  1. scripts/author_rebuild_custom_poc.py
  2. scripts/author_generate_custom_data.py

它們的分工很簡單：

script 什麼時候用 會做什麼
author_rebuild_custom_poc.py 你要重建完整 PoC 或切換 prepare 路徑 轉到對應 prepare 路徑，重跑資料、資料附錄、Search、agent
author_generate_custom_data.py 你只想先生成新的資料與文件 只產生新的 data folder，不重建後面資源

author_rebuild_custom_poc.py 會把你提供的 --industry、--usecase、--size 往下傳給現有 prepare pipeline，所以第一次使用時，直接改公開入口的執行參數通常最省事。

執行 AI 產生器

在 .env 設定完成後，產生客戶專屬資料：

python scripts/author_rebuild_custom_poc.py
旗標 用途
--clean 重設資料附錄產物（切換情境時必要）

替代方式：內嵌參數

直接在命令列覆蓋 .env 的設定：

python scripts/author_rebuild_custom_poc.py \
  --industry "Insurance" \
  --usecase "Property insurance with claims processing and policy management"

如果你只想重跑資料生成

python scripts/author_generate_custom_data.py \
  --industry "Insurance" \
  --usecase "Property insurance with claims processing and policy management" \
  --size small

這種做法適合下面兩種情況：

  1. 你想先看 AI 生成的資料品質
  2. 你還沒決定要不要把這組資料正式建進資料附錄 / Search / agent

如果你是第一次自訂，建議直接用哪個？

第一次使用時，建議直接用這個：

python scripts/author_rebuild_custom_poc.py \
  --industry "Your Industry" \
  --usecase "Your use case description" \
  --size small

因為這樣最不容易漏掉後面的步驟。

產生流程

第一次跑時，你只要確認三件事：

  1. 有沒有成功生成 ontology、CSV、PDF 與 sample questions
  2. 最後有沒有輸出一個新的 data/... 目錄
  3. sample_questions.txt 是否存在
完整 console 輸出參考 
============================================================
Generating Custom Data with AI
============================================================

Industry: Insurance
Use Case: Property insurance with claims processing and policy management

[1/4] Generating ontology configuration...
  → Analyzing use case for entities and relationships
  → Created: Policies, Claims, Customers, Agents
  → Defined: 6 relationships, 4 business rules
  ✓ ontology_config.json

[2/4] Generating structured data (CSV)...
  → policies.csv (16 rows) — Policy details, coverage, premiums
  → claims.csv (40 rows) — Claim status, amounts, dates
  → customers.csv (20 rows) — Policyholder information
  → agents.csv (8 rows) — Agent assignments
  ✓ 4 CSV files generated

[3/4] Generating documents (PDF)...
  → claims_process.pdf — How to file and process claims
  → coverage_guide.pdf — Policy coverage explanations
  → underwriting_policy.pdf — Risk assessment guidelines
  ✓ 3 documents generated

[4/4] 產生示範問題...
  → 15 題涵蓋資料、文件與混合情境的示範問題
  ✓ sample_questions.txt

============================================================
Data generated: data/20260202_143022_insurance/
============================================================

檢視產生的內容

生成完成後，先做最實用的確認：到底生成了哪些檔案，以及後面可以拿什麼問題來測。

# 檢視產生的檔案
ls data/*/

# 讀取範例問題以供測試
cat data/*/config/sample_questions.txt

範例問題（保險案例）

你大致會看到三類問題。這一段最重要的價值，是幫你判斷生成結果有沒有同時涵蓋資料、文件和混合問法：

  • 結構化資料問題：目前有多少件未結案理賠、這個月理賠總金額是多少、哪位 agent 管理最多保單
  • 文件問題：房屋保險理賠流程是什麼、標準住宅保單涵蓋哪些內容、高風險物件的核保條件是什麼
  • 混合問題：哪些未結案理賠快接近 SLA 截止時間、目前是否有理賠項目超出標準保單範圍

預期輸出

完整建置約需 5 分鐘。

你不需要逐行比對；只要確認下面四個階段都有成功標記即可：

  • AI 資料有生成
  • 資料附錄工作區有建立
  • 文件有上傳到 Search
  • Agent 有建立
完整 build 輸出參考 
============================================================
Building Solution: Insurance
============================================================

[01a/07] Generating AI data...
  ✓ Ontology, CSVs, PDFs, and questions generated

[02/07] Setting up data workspace...
  ✓ Cleaned previous artifacts
  ✓ Lakehouse: iqworkshop_lakehouse
  ✓ Warehouse: iqworkshop_warehouse

[03/07] Loading data into the data workspace...
  ✓ policies.csv → 16 rows
  ✓ claims.csv → 40 rows
  ✓ customers.csv → 20 rows
  ✓ agents.csv → 8 rows

[04/07] Generating NL2SQL prompt...
  ✓ Schema prompt created for insurance domain

[05/07] Creating data query agent...
  ✓ Agent: data-agent-insurance

[06/07] Uploading documents to AI Search...
  ✓ 3 documents → 24 chunks indexed

[07/07] Creating Orchestrator Agent...
  ✓ Agent: insurance-multi-agent

============================================================
Build complete! Ready for customer PoC.
============================================================

疑難排解

AI 產生逾時

  • 檢查你的網路連線
  • 嘗試使用 --size small 加快產生速度
  • 確認 Azure AI Services 配額

--clean 時出現資料附錄錯誤

  • 確認資料工作區 ID 設定正確
  • 確認你對工作區具備可建立與清理資料附錄產物的權限
  • 等待一分鐘後重試（資料附錄操作可能較慢）

我看到很多輸出，但不確定算不算成功

  • 先看最後是否有新的 data/<timestamp>_<scenario>/
  • 再看 config/sample_questions.txt 是否存在
  • 如果你跑的是完整 build，再看最後是否有 Build complete! 類似成功訊息

← 為你的使用案例自訂 | 建置與測試（自訂 PoC） →