AI 函式總覽

AlloyDB AI 函式可讓您使用 SQL 運算子，直接在資料庫中執行透過模型端點管理註冊的 AI 模型。與 Gemini Enterprise Agent Platform 整合，可即時對營運資料進行智慧篩選、語意排名和文字生成。

AI 輔助篩選縮圖

使用簡單的 SQL 函式，執行強大的 AI 任務。google_ml_integration 擴充功能提供 ai.if() 等運算子，可用於智慧篩選，以及 ai.rank() 運算子，可用於語意重新排名。

資料庫內文字生成縮圖

在資料庫中生成文字

對資料庫中的資料列執行轉換。您可以使用 ai.generate() 運算子，要求基礎模型總結產品評論，或直接在查詢中轉換資料。

嵌入和預測函式縮圖

使用 google_ml.embedding() 等 SQL 函式生成向量嵌入，或使用 google_ml.predict_row() 叫用任何已註冊模型的預測結果，一切都在資料庫內完成。

AI 函式的運作方式

在 SQL 查詢中嵌入 ai.if()、ai.rank() 或 ai.generate() 等 AI 運算子時，AI 函式會偵測到該運算子。這個引擎可透過 google_ml_integration 擴充功能使用，負責自動調度管理整個程序。這項功能會安全地封裝相關資料列，並呼叫 Gemini、OpenAI 或 Anthropic 等供應商預先註冊的機器學習模型。機器學習模型會評估資料並傳回預測結果，例如篩選器的 true/false 或排序分數。AI 函式會將這項預測結果整合回查詢執行作業，並傳回標準 SQL 結果集。不必移動資料，就能取得 AI 輔助洞察資訊。

AI 函式圖解

AlloyDB AI 函式的優點

傳統資料庫查詢機制通常不夠靈活，開發人員必須硬式編碼所有可能的使用者互動路徑。AlloyDB AI 函式可大幅改變使用者體驗，具體做法如下：

  • 為企業資料注入世界知識：您可以將大型語言模型 (LLM) 的實際知識直接帶入 AlloyDB for PostgreSQL 資料庫。以下是 AI 函式的使用範例：

    • 使用 ai.generate 處理非結構化資料：您可以搭配使用 Gemini 和 SQL，管理原始、雜亂或非結構化的使用者意見回饋，例如評論或記錄。
    • 使用 ai.if 判斷交易是否為詐欺行為：提供一連串使用者動作、交易附註或對話摘要給函式，並要求函式評估二進位結果：Is this fraudulent?

  • 高效能情報：使用下列功能，透過 AI 函式加速效能並大規模處理情報：

    • 使用陣列式處理，每秒最多可處理數千列，比逐列呼叫快 2,000 倍。所有 AI 函式都支援陣列式處理。詳情請參閱「使用 AI 函式執行智慧型 SQL 查詢」。
    • 使用 AI 函式加速功能，可大幅提高處理量，比逐列呼叫更有效率。這項功能適用於 ai.if 和 ai.rank。詳情請參閱「使用 AI 函式執行智慧型 SQL 查詢」。
    • 使用最佳化的 ai.if，透過提升效率來消除使用 LLM 的成本，達到每秒 100,000 列 (比逐列呼叫提升 23,000 倍)，並將成本降低 6,000 倍，降至 0.1 美分。

AlloyDB AI 函式用途

下表說明 AlloyDB AI 函式的用途。


函式
說明
用途
ai.if
根據自然語言進行智慧型認知篩選。
根據行為模式，判斷哪些顧客交易疑似詐欺。
ai.rank
根據深層語境細微差異，重新排列向量搜尋結果。
即使資料庫不知道「透氣布料」的意思，也能優先顯示透氣布料的 tropical wedding 搜尋結果。
ai.generate
生成新內容或轉換資料格式。
將原始伺服器記錄資料轉換為結構化 JSON 格式，以便分析。
ai.analyze_sentiment
將文字的情緒基調分類為正面、負面或中立。
將數千則產品評論分類，評估整體顧客滿意度。
ai.summarize
將冗長文字濃縮成重要資訊。
從對話轉錄稿中擷取重要決策和待辦事項。
ai.agg_summarize
產生多列匯總文字的摘要。
生成特定產品的所有使用者評論摘要。
ai.forecast
使用 TimesFM 模型預測時間序列。
根據歷來銷售資料預測未來庫存需求。
ai.extract
根據提供的結構定義，從非結構化文字或文件中擷取指定的結構化詳細資料。
將任意文字格式的醫療記錄或合約，剖析為結構化 JSON 格式欄位，例如病患姓名、疾病和治療方式。
ai.classify
將文字輸入內容分類為一組預先定義的類別或標籤。
指派預先定義的主題、偵測垃圾內容，或判斷客戶服務查詢背後的使用者意圖。

瞭解詳情

探索開發人員資源，使用 AlloyDB AI 建構自己的自然語言查詢應用程式。

影片

讓小型 IT 團隊運用 Google Cloud 資料庫，充分發揮生成式 AI 的效益。

程式碼實驗室

使用 AI 運算子部署 AlloyDB AI。可用於語意搜尋、彙整和結果排名等工作。

網誌

運用模型端點管理功能，打造更豐富的生成式 AI 體驗。

參考資料

google_ml_integration 擴充功能函式和參數的參考文件。