Esta página se ha traducido con Cloud Translation API.

Hacer consultas SQL inteligentes con funciones de IA

En esta página se describe cómo hacer consultas con operadores de SQL basados en IA proporcionados por funciones de IA. Puedes usar los operadores ai.if, ai.rank y ai.generate para combinar lenguaje natural con consultas SQL.

Para seguir las instrucciones de esta página, debes tener conocimientos de AlloyDB y estar familiarizado con los conceptos de IA generativa.

AlloyDB AI reserva y crea el esquema ai.

Antes de empezar

Antes de usar el lenguaje natural en los operadores de SQL, haz lo siguiente:

Integrar con Vertex AI e instalar la extensión

Configura el acceso de los usuarios a los modelos de Vertex AI.
Comprueba que tienes instalada la versión más reciente de google_ml_integration.
1. Para comprobar la versión instalada, ejecuta el siguiente comando:
```
        SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion 
        ------------
        1.5.2
        (1 row)
      
```
2. Si la extensión no está instalada o la versión instalada es anterior a la 1.5.2, actualízala.
```
        CREATE EXTENSION IF NOT EXISTS google_ml_integration;
        ALTER EXTENSION google_ml_integration UPDATE;
      
```
  Si tienes problemas al ejecutar los comandos anteriores o si la extensión no se actualiza a la versión 1.5.2 después de ejecutar los comandos anteriores, ponte en contacto con el Google Cloud equipo de Asistencia.
Para usar la función del motor de consultas de AlloyDB AI, define la marca google_ml_integration.enable_ai_query_engine en true.
SQL
1. Habilita el motor de consultas de IA para la sesión actual.
  SET google_ml_integration.enable_ai_query_engine = true;
2. Habilita funciones para una base de datos específica en todas las sesiones.
  ALTER DATABASE DATABASE_NAME SET google_ml_integration.enable_ai_query_engine = 'on';
3. Habilita el motor de consultas de IA para un usuario específico en todas las sesiones y bases de datos.
  ALTER ROLE postgres SET google_ml_integration.enable_ai_query_engine = 'on';
Consola

Para modificar el valor de la marca google_ml_integration.enable_ai_query_engine, sigue los pasos que se indican en Configurar las marcas de base de datos de una instancia.
gcloud

Para usar la CLI de gcloud, puedes instalar e inicializar Google Cloud CLI o usar Cloud Shell.

Puedes modificar el valor de la marca google_ml_integration.enable_ai_query_engine. Para obtener más información, consulta Configurar las marcas de la base de datos de una instancia.
```
             gcloud alloydb instances update INSTANCE_ID \
               --database-flags google_ml_integration.enable_ai_query_engine=on \
               --region=REGION_ID \
               --cluster=CLUSTER_ID \
               --project=PROJECT_ID
            
```

Usar un modelo de Gemini que esté disponible en tu zona

Si tu clúster de AlloyDB para PostgreSQL se encuentra en una región en la que gemini-2.0-flashno está disponible, puedes usar uno de los otros modelos de Gemini disponibles en tu región mediante la model_id parameter.

También puedes registrar un endpoint de modelo de Gemini y proporcionar ese ID de modelo a los operadores de IA. Para obtener más información, consulta Registrar y llamar a modelos de IA remotos con la gestión de endpoints de modelos.

En el siguiente ejemplo se muestra cómo registrar otro endpoint de Gemini. En este ejemplo, este segundo endpoint de Gemini es el endpoint global de gemini-2.0-flash. Puedes usar este modelo registrado con operadores de IA si pasas model_id =>gemini-2.0-flash-global` como argumento adicional.

CALL
  google_ml.create_model(
    model_id => 'gemini-2.0-flash-global',
    model_type => 'llm',
    model_provider => 'google',
    model_qualified_name => 'gemini-2.0-flash',
    model_request_url =>  'https://aiplatform.googleapis.com/v1/projects/<project_id>/locations/global/publishers/google/models/gemini-2.0-flash:generateContent',
    model_auth_type => 'alloydb_service_agent_iam'
);

Usar filtros en las consultas

AlloyDB AI ofrece varias funciones de SQL basadas en IA que te permiten usar el procesamiento del lenguaje natural y los LLMs directamente en tus consultas de bases de datos, incluidos los operadores ai.if y ai.rank.

Filtros

Para evaluar si se cumple una condición expresada en lenguaje natural, usa el operador ai.if/google_ml.if. La función devuelve el valor booleano true o false y false si la salida no se detecta claramente.

- Function signature
FUNCTION ai.if(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS bool

En el siguiente ejemplo se muestra el uso del operador ai.if como filtro para encontrar restaurantes con más de 500 reseñas positivas ubicados en ciudades con una población superior a 100.000 habitantes. En el ejemplo se usa restaurant_reviews y se incluyen datos como reseñas y la ubicación de la ciudad. El operador ai.if te ayuda a entender el sentimiento de las reseñas y a combinar las ubicaciones de la base de datos con los conocimientos generales de Gemini sobre la población de esas ubicaciones.

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population OF more than 100,000 AND the following is a positive review; Review: ' || r.review)
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

A continuación, se muestra el mismo ejemplo con el modelo que has registrado en Usar un modelo de Gemini compatible en tu región.

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population of more than 100,000 AND the following is a positive review; Review: ' || r.review, model_id => 'gemini-2.0-flash-global')
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

Realizar una combinación en una consulta que usa el operador if

Para realizar una operación de unión, usa el operador ai.if/google_ml.if con join. La siguiente consulta de ejemplo busca el número de reseñas que mencionan cada elemento del menú del restaurante.

    SELECT item_name, COUNT(*)
    FROM menu_items JOIN user_reviews
      ON ai.if(
        prompt => 'Does the following user review talk about the menu item mentioned ? review: ' || user_reviews.review_text || ' menu item: ' || item_name)
    GROUP BY item_name;

Generación y resumen de texto

La función ai.generate genera texto combinando los datos proporcionados con la petición del usuario.

-- Function Signature
FUNCTION ai.generate(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS TEXT

Por ejemplo, puedes usar la siguiente consulta para generar un resumen conciso de cada reseña de usuario.

SELECT
  ai.generate(
    prompt => 'Summarize the review in 20 words or less. Review: ' || review) AS review_summary
FROM user_reviews

Puntuación de los resultados de las consultas

Si necesitas ordenar los resultados de una consulta mediante instrucciones personalizadas en lenguaje natural, usa el operador ai.rank. Esta función te permite proporcionar una petición que describe los criterios de clasificación y devuelve una puntuación para cada elemento.

-- Function signature
FUNCTION ai.rank(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS real

Por ejemplo, la siguiente consulta obtiene las 20 reseñas de restaurantes más positivas mediante las puntuaciones de un LLM.

SELECT review AS top20
FROM user_reviews
ORDER BY ai.rank(
  'Score the following review according to these rules:
  (1) Score OF 8 to 10 IF the review says the food IS excellent.
  (2) 4 to 7 IF the review says the food is ok.
  (3) 1 to 3 IF the review says the food is not good. Here is the review:' || review) DESC
LIMIT 20;