Mit der AlloyDB AI-Funktion für natürliche Sprache (Vorabversion) können Sie Fragen in natürlicher Sprache in schemafähige SQL-Abfragen übersetzen. So können Entwickler und Analysten schneller Informationen aus AlloyDB for PostgreSQL-Datenbanken abrufen.
Kontextebene erstellen
Erstellen Sie eine umfassende Kontextebene, indem Sie Ihre Tabellen, Spalten und Beziehungen analysieren, um genaue, kontextsensitive Abfragen zu generieren.
Intelligente SQL-Generierung
Die Absicht wird mithilfe der Konzeptsuche intelligent analysiert und es wird ein Vorlagenspeicher verwendet, um schnell und zuverlässig SQL-Abfragen zu erstellen.
Parametrisierte sichere Ansichten
Detaillierte Zugriffssteuerung, damit Endnutzer nur Daten sehen, für die sie eine Zugriffsberechtigung haben. Das ist besonders wichtig für Anwendungen, die KI-generierte Abfragen ausführen.
Funktionsweise
Die Funktion „AlloyDB AI Natural Language“ (Vorabversion) ist so konzipiert, dass sie sicher mit Ihrem Datenbankschema funktioniert. Nachdem Sie Ihre Schemaobjekte mit einer Konfiguration für natürliche Sprache registriert haben, können Sie die Funktion alloydb_ai_nl.get_sql() aus Ihrer Anwendung aufrufen, um Fragen in Alltagssprache in SQL-Abfragen zu übersetzen, oder explain_sql verwenden, um eine Abfrage zu verstehen. Die Funktion lässt sich zur Sicherheit in standardmäßige PostgreSQL-Rollen und Identity and Access Management (IAM) einbinden. Außerdem können Sie parametrisierte sichere Ansichten für eine detaillierte Zugriffssteuerung verwenden.
Um die Einrichtung zu beschleunigen und die Genauigkeit zu verbessern, enthält AlloyDB Produktivitätstools für die automatische Kontextgenerierung aus Ihrem Schema. Diese Tools generieren automatisch Schemakontext und schlagen Abfragevorlagen vor, was den manuellen Aufwand für den Einstieg reduziert. Sie können die Ergebnisse weiter verfeinern, indem Sie dem Vorlagenspeicher geschäftsspezifische Abfragevorlagen hinzufügen. Das zugrunde liegende Modell kann komplexe SQL-Abfragen generieren, einschließlich Joins über mehrere Tabellen, Aggregationen und Fensterfunktionen, basierend auf der Nutzerabsicht und dem Schemakontext. Die Genauigkeit verbessert sich, je mehr Kontext und Vorlagen bereitgestellt werden.
Anwendungsfälle
Hier erfahren Sie, wie Sie AlloyDB AI-Abfragen in natürlicher Sprache auf gängige Geschäftsszenarien anwenden können.
| Anwendungsfall | Unternehmensziel | Beispielfrage | Auswirkungen auf das Geschäft |
|---|---|---|---|
| Vertriebsanalytik | Verkaufsleistung im Blick behalten und die besten Vertriebsmitarbeiter identifizieren | "Who were our top 3 sales reps by revenue in Austin for the last quarter?" |
– Schnellere Entscheidungen – Sofortige Self-Service-Vertriebsanalysen. |
| Produkteinsatz | Nutzerverhalten und Funktionsakzeptanz verstehen | "How many users on our 'Pro' plan used the new reporting feature last week?" |
- Schnellere Iteration – Hypothesen schnell validieren und bessere Produkte entwickeln. |
| -Lieferkette | Lieferkette überwachen und Engpässe erkennen | "Show me all shipments from the Reno warehouse that are delayed by more than 3 days." |
– Verbesserte Effizienz – Betriebliche Probleme proaktiv lösen. |
| -Kundensupport | Support-Tickets analysieren, um Trends zu finden | "What is the most common complaint category for tickets created in the last 7 days?" |
- Besserer Service – Kundenprobleme schneller erkennen und beheben. |
Weitere Informationen
Sehen Sie sich die Google Developers-Ressourcen an, um Ihre Anwendungen für Abfragen in natürlicher Sprache mit AlloyDB zu erstellen.
Anleitung für Kommunikationsanwendungen
Hier erfahren Sie, wie Sie mit AlloyDB AI und Serverless eine App für den interaktiven Handel erstellen.
Anleitung
Eine technische Schritt-für-Schritt-Anleitung zum Einrichten, Konfigurieren und Verwenden der Funktion get_sql().
SQL-Generierung mit natürlicher Sprache von AlloyDB AI
In einer geführten Anleitung erfahren Sie, wie Sie SQL aus natürlicher Sprache generieren.