La fonctionnalité de langage naturel AlloyDB AI (Preview) vous permet de traduire des questions en langage naturel en requêtes SQL adaptées au schéma, ce qui aide les développeurs et les analystes à extraire plus rapidement des insights des bases de données AlloyDB pour PostgreSQL.
Créer une couche de contexte
Créez une couche de contexte riche en comprenant vos tables, vos colonnes et vos relations afin de générer des requêtes précises et adaptées au contexte.
Génération intelligente de code SQL
Analysez intelligemment l'intention à l'aide de la recherche de concepts et exploitez un magasin de modèles pour créer rapidement et de manière fiable des requêtes SQL.
Vues sécurisées paramétrées
Fournissez un contrôle des accès précis, en veillant à ce que les utilisateurs finaux ne voient que les données auxquelles ils sont autorisés à accéder, ce qui est essentiel pour les applications exécutant des requêtes générées par l'IA.
Fonctionnement
La fonctionnalité de langage naturel AlloyDB AI (Preview) est conçue pour fonctionner de manière sécurisée avec votre schéma de base de données. Après avoir enregistré vos objets de schéma avec une configuration en langage naturel, vous pouvez appeler la fonction alloydb_ai_nl.get_sql() à partir de votre application pour traduire des questions en anglais simple en requêtes SQL, ou utiliser explain_sql pour comprendre une requête. La fonctionnalité s'intègre aux rôles PostgreSQL standards et à IAM pour la sécurité, et vous pouvez utiliser des vues sécurisées paramétrées pour un contrôle des accès précis.
Pour accélérer la configuration et garantir la précision, AlloyDB inclut des outils de productivité pour la génération automatique de contexte à partir de votre schéma. Ces outils génèrent automatiquement le contexte du schéma et suggèrent des modèles de requête, ce qui réduit l'effort manuel nécessaire pour commencer. Vous pouvez affiner davantage les résultats en ajoutant des modèles de requête spécifiques à l'entreprise au magasin de modèles. Le modèle sous-jacent peut générer du code SQL complexe, y compris des jointures multi-tables, des agrégations et des fonctions de fenêtre, en fonction de l'intention utilisateur et du contexte du schéma. La précision s'améliore à mesure que davantage de contexte et de modèles sont fournis.
Cas d'utilisation
Découvrez comment appliquer les requêtes en langage naturel AlloyDB AI à des scénarios commerciaux courants.
| Cas d'utilisation | Objectif d'entreprise | Exemple de question | Impact sur l'entreprise |
|---|---|---|---|
| Analyse des ventes | Suivre les performances des ventes et identifier les meilleurs représentants | "Who were our top 3 sales reps by revenue in Austin for the last quarter?" |
- Décisions accélérées - Analyse des ventes immédiate et en libre-service. |
| Adoption des produits | Comprendre le comportement des utilisateurs et l'adoption des fonctionnalités | "How many users on our 'Pro' plan used the new reporting feature last week?" |
- Itération plus rapide - Valider rapidement les hypothèses et créer de meilleurs produits. |
| Chaîne d'approvisionnement | Surveiller la chaîne d'approvisionnement et identifier les goulots d'étranglement | "Show me all shipments from the Reno warehouse that are delayed by more than 3 days." |
- Efficacité améliorée - Résoudre les problèmes opérationnels de manière proactive. |
| Service client | Analyser les demandes d'assistance pour identifier les tendances | "What is the most common complaint category for tickets created in the last 7 days?" |
- Meilleur service - Identifier et résoudre plus rapidement les problèmes des clients. |
En savoir plus
Explorez les ressources Google Developers pour créer vos applications de requêtes en langage naturel avec AlloyDB.
Tutoriel sur les applications de conversation
Découvrez comment créer une application de commerce conversationnel avec AlloyDB AI et Serverless.
Guide d'utilisation
Guide technique pas à pas sur la configuration et l'utilisation de la fonction get_sql().
Générer du code SQL à l'aide du langage naturel AlloyDB AI
Acquérez une expérience pratique grâce à un tutoriel guidé sur la génération de code SQL à partir du langage naturel.