בדף הזה מתועדת גרסה 18.1.1 של AlloyDB Omni באמצעות אפשרות הפריסה RPM. בוחרים אפשרות פריסה אחרת.

‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

איך יוצרים SQL באמצעות שפה טבעית ב-AlloyDB AI

בחירת גרסת תיעוד:

במדריך הזה מוסבר איך מגדירים את AlloyDB AI natural language API ואיך משתמשים בו. תלמדו איך להגדיר את AlloyDB AI Natural Language API כדי שתוכלו לשאול שאלות בשפה טבעית ולקבל שאילתות ותוצאות SQL.

הדוגמאות במדריך הזה הן להמחשה בלבד.

מטרות

ליצור טבלאות ולאכלס אותן, ולהשתמש ביצירה אוטומטית כדי ליצור הקשר.
יוצרים אינדקס ערכים לעמודות במסד הנתונים.
יוצרים ומגדירים אובייקט של הגדרת שפה טבעית (nl_config).
יוצרים תבניות לשאילתת לדוגמה באפליקציה.
משתמשים בפונקציה get_sql() כדי ליצור שאילתת SQL שנותנת תשובה לשאלה.
אפשר להשתמש בפונקציה execute_nl_query() כדי לענות על שאלה בשפה טבעית באמצעות מסד הנתונים.

לפני שמתחילים

חשוב לוודא שאתם עומדים בדרישות המוקדמות הבאות.

הפעלת החיוב

במסוף Google Cloud , בוחרים פרויקט.

כניסה לדף לבחירת הפרויקט
מוודאים שהחיוב מופעל בפרויקט Google Cloud .

התקנה וחיבור למסד נתונים

הפעלה והתקנה של התוסף הנדרש

כדי להתקין את התוסף alloydb_ai_nl ולהשתמש בו, קודם מפעילים אותו באמצעות הפקודה הבאה של PostgreSQL:

ALTER SYSTEM SET alloydb_ai_nl.enabled=on;
SELECT pg_reload_conf();

כדי להתקין את התוסף alloydb_ai_nl, שהוא ה-API לתמיכה בשפה טבעית ב-AlloyDB AI, מריצים את השאילתה הבאה:

CREATE EXTENSION alloydb_ai_nl cascade;

שדרוג התוסף `alloydb_ai_nl`

אם כבר התקנתם את התוסף, מריצים את ההצהרה הבאה כדי לעדכן אותו לגרסה העדכנית:

ALTER EXTENSION alloydb_ai_nl UPDATE;

יצירת הסכימה `nla_demo` והטבלאות

עכשיו יוצרים את סכימת nla_demo והטבלאות בסכימה, ומאכלסים את הטבלאות בנתונים סינתטיים. הסכימה והנתונים שסופקו נועדו לתמוך בפעולות הבסיסיות של עסק קמעונאי באינטרנט, עם אפליקציות פוטנציאליות שמתרחבות לניהול לקוחות, ניתוח נתונים, שיווק והיבטים תפעוליים.

הנתונים לדוגמה מראים איך אפשר להשתמש בשפה הטבעית של AI ב-AlloyDB למטרות פיתוח, בדיקה והדגמה, במיוחד לתכונות כמו ממשקי שפה טבעית.

יוצרים את הסכימה.
```
CREATE SCHEMA nla_demo;
```

יצירת טבלאות בסכימה nla_demo. בטבלה addresses מאוחסנים פרטי הכתובת של הטבלאות customers ו-orders.

CREATE TABLE nla_demo.addresses (
     address_id      SERIAL         PRIMARY KEY,
     street_address  VARCHAR(255)   NOT NULL,
     city            VARCHAR(255)   NOT NULL,
     country         VARCHAR(255)
);

צור את הטבלה customers. בטבלה הזו מאוחסן מידע על הלקוחות, כולל מזהה הלקוח, השם, פרטי הקשר, הפניה לכתובת, תאריך הלידה והשעה שבה הרשומה נוצרה.

CREATE TABLE nla_demo.customers (
 customer_id     SERIAL         PRIMARY KEY,
 first_name      VARCHAR(255)   NOT NULL,
 last_name       VARCHAR(255)   NOT NULL,
 email           VARCHAR(255)   UNIQUE NOT NULL,
 address_id      INTEGER        REFERENCES nla_demo.addresses(address_id),
 date_of_birth   DATE,
 created_at      TIMESTAMP      DEFAULT CURRENT_TIMESTAMP
);

יוצרים את הטבלה categories שבה מאוחסנות קטגוריות המוצרים.

CREATE TABLE nla_demo.categories (
    category_id     INTEGER        PRIMARY KEY,
    category_name   VARCHAR(255)   UNIQUE NOT NULL
);

יוצרים את הטבלה brands שבה מאוחסנים שמות המותגים.

CREATE TABLE nla_demo.brands (
    brand_id      INTEGER        PRIMARY KEY,
    brand_name    VARCHAR(255)   NOT NULL
);

יוצרים את products הטבלה שבה מאוחסנים פרטי המוצרים, כמו מזהה המוצר, השם, התיאור, המותג, הקישור לקטגוריה וזמן יצירת הרשומה.

CREATE TABLE nla_demo.products (
    product_id    INTEGER        PRIMARY KEY,
    name          VARCHAR(255)   NOT NULL,
    description   TEXT           DEFAULT 'Not available',
    brand_id      INTEGER        REFERENCES nla_demo.brands(brand_id),
    category_id   INTEGER        REFERENCES nla_demo.categories(category_id),
    created_at    TIMESTAMP      DEFAULT CURRENT_TIMESTAMP,
    price         DECIMAL(10, 2),
    description_embedding        VECTOR(768)
);

צור את הטבלה orders. בטבלה הזו מאוחסן מידע על הזמנות של לקוחות, כולל הלקוח, התאריך, הסכום הכולל, כתובות למשלוח ולחיוב וסטטוס ההזמנה.

CREATE TABLE nla_demo.orders (
    order_id            INTEGER        PRIMARY KEY,
    customer_id         INTEGER        REFERENCES nla_demo.customers(customer_id),
    order_date          TIMESTAMP      DEFAULT CURRENT_TIMESTAMP,
    total_amount        DECIMAL(10, 2) NOT NULL,
    shipping_address_id INTEGER        REFERENCES nla_demo.addresses(address_id),
    billing_address_id  INTEGER        REFERENCES nla_demo.addresses(address_id),
    order_status        VARCHAR(50)
);

צור את הטבלה order_items. בטבלה הזו מתועדים פריטים בודדים בהזמנה, קישורים להזמנה ולווריאציית המוצר, וגם הכמות והמחיר.

CREATE TABLE nla_demo.order_items (
    order_item_id   SERIAL         PRIMARY KEY,
    order_id        INTEGER        REFERENCES nla_demo.orders(order_id),
    product_id      INTEGER        REFERENCES nla_demo.products(product_id),
    quantity        INTEGER        NOT NULL,
    price           DECIMAL(10, 2) NOT NULL
);

אכלוס טבלאות בסכימה `nla_demo`

מאכלסים את הטבלה addresses על ידי הרצת השאילתה הבאה:

INSERT INTO nla_demo.addresses (street_address, city, country)
VALUES
    ('1800 Amphibious Blvd', 'Mountain View', 'USA'),
    ('Avenida da Pastelaria, 1903', 'Lisbon', 'Portugal'),
    ('8 Rue du Nom Fictif 341', 'Paris', 'France');

מאכלסים את הטבלה customers.

INSERT INTO nla_demo.customers (first_name, last_name, email, address_id, date_of_birth)
VALUES
    ('Alex', 'B.', 'alex.b@example.com', 1, '2003-02-20'),
    ('Amal', 'M.', 'amal.m@example.com', 2, '1998-11-08'),
    ('Dani', 'G.', 'dani.g@example.com', 3, '2002-07-25');

מאכלסים את הטבלה categories.

INSERT INTO nla_demo.categories (category_id, category_name)
VALUES
    (1, 'Accessories'),
    (2, 'Apparel'),
    (3, 'Footwear'),
    (4, 'Swimwear');

מאכלסים את הטבלה brands.

INSERT INTO nla_demo.brands (brand_id, brand_name)
VALUES
    (1, 'CymbalPrime'),
    (2, 'CymbalPro'),
    (3, 'CymbalSports');

מאכלסים את הטבלה products.

INSERT INTO nla_demo.products (product_id, brand_id, category_id, name, description, price)
VALUES
    (1, 1, 2, 'Hoodie', 'A comfortable, casual sweatshirt with an attached hood.', 79.99),
    (2, 1, 3, 'Running Shoes', 'Lightweight, cushioned footwear designed for the impact of running.', 99.99),
    (3, 2, 4, 'Swimsuit', 'A garment designed for swimming or other water activities.', 20.00),
    (4, 3, 1, 'Tote Bag', 'A large, unfastened bag with two parallel handles.', 69.99),
    (5, 3, 3, 'CymbalShoe', 'Footwear from Cymbal, designed for your life''s rhythm.', 89.99);

UPDATE nla_demo.products SET description_embedding = embedding('text-embedding-004', description);

מאכלסים את הטבלה orders.

INSERT INTO nla_demo.orders (order_id, customer_id, total_amount, shipping_address_id, billing_address_id, order_status)
VALUES
    (1, 1, 99.99, 1, 1, 'Shipped'),
    (2, 1, 69.99, 1, 1, 'Delivered'),
    (3, 2, 20.99, 2, 2, 'Processing'),
    (4, 3, 79.99, 3, 3, 'Shipped');

מאכלסים את הטבלה order_items.

INSERT INTO nla_demo.order_items (order_id, product_id, quantity, price)
VALUES
    (1, 1, 1, 79.99),
    (1, 3, 1, 20.00),
    (2, 4, 1, 69.99),
    (3, 3, 1, 20.00),
    (4, 2, 1, 99.99);

יצירת הגדרה בשפה טבעית

כדי להשתמש בשפה טבעית ב-AlloyDB AI, צריך לוודא ש-AlloyDB AI מותקן ב-AlloyDB Omni. לאחר מכן יוצרים הגדרה ורושמים סכימה. ‫g_alloydb_ai_nl.g_create_configuration יוצר את המודל.

יוצרים הגדרה אישית של שפה טבעית.

SELECT alloydb_ai_nl.g_create_configuration( 'nla_demo_cfg' );

רושמים את הטבלאות בהגדרות nla_demo_cfg.

SELECT alloydb_ai_nl.g_manage_configuration(
    operation => 'register_table_view',
    configuration_id_in => 'nla_demo_cfg',
    table_views_in=>'{nla_demo.customers, nla_demo.addresses, nla_demo.brands, nla_demo.products, nla_demo.categories, nla_demo.orders, nla_demo.order_items}'
);

יצירה והחלה של הקשר לטבלאות ולעמודות

כדי לספק תשובות מדויקות לשאלות בשפה טבעית, משתמשים ב-API של שפה טבעית של AlloyDB AI כדי לספק הקשר לגבי טבלאות, תצוגות ועמודות. אתם יכולים להשתמש בתכונה של יצירת הקשר האוטומטית של AlloyDB AI Natural Language API כדי ליצור הקשר מטבלאות ומעמודות, ולהחיל את ההקשר כCOMMENTS שמצורף לטבלאות, לתצוגות ולעמודות.

כדי ליצור הקשרים של הסכימה עבור הטבלאות והעמודות שלהן שרשומות בהגדרות של nla_demo_cfg, מריצים את הפקודה הבאה:
```
SELECT alloydb_ai_nl.generate_schema_context(
  'nla_demo_cfg',
  TRUE
);
```
השאילתה הקודמת מאכלסת את התצוגה alloydb_ai_nl.generated_schema_context_view בהקשר. העברת TRUE מחליפה את ההקשר בתצוגה הזו מהרצות קודמות.

כדי לוודא שההקשר שנוצר עבור הטבלה nla_demo.products נכון, מריצים את השאילתה הבאה:

SELECT object_context
FROM alloydb_ai_nl.generated_schema_context_view
WHERE schema_object = 'nla_demo.products';

ההקשר שיתקבל יהיה דומה לזה:

The products table stores information about products, including their name,
a brief description, the brand they belong to (referenced by brand_id),
and the category they fall under (referenced by category_id). Each product
has a unique identifier (product_id) and a timestamp indicating its creation
time (created_at).

כדי לאמת את ההקשר שנוצר לעמודה, כמו nla_demo.products.name, מריצים את הפקודה הבאה:

SELECT object_context
FROM alloydb_ai_nl.generated_schema_context_view
WHERE schema_object = 'nla_demo.products.name';

הפלט של השאילתה אמור להיראות כך:

The name column in the nla_demo.products table contains the specific
name or title of each product. This is a short, descriptive text string
that clearly identifies the product, like "Hoodie," "Tote Bag,"
"Running Shoes," or "Swimsuit." It helps distinguish individual products
within the broader context of their brand and category. The name column
specifies the exact product. This column is essential for users and
systems to identify and refer to specific products within the database.

בודקים את ההקשר שנוצר בתצוגה alloydb_ai_nl.generated_schema_context_view ומעדכנים את ההקשר שצריך לשנות.

SELECT alloydb_ai_nl.update_generated_relation_context(
  'nla_demo.products',
  'The "nla_demo.products" table stores product details such as ID, name, description, brand, category linkage, and record creation time.'
);

SELECT alloydb_ai_nl.update_generated_column_context(
  'nla_demo.products.name',
  'The "name" column in the "nla_demo.products" table contains the specific name or title of each product.'
);

מחילים את ההקשר שנוצר על ידי AI שרוצים לצרף לאובייקטים המתאימים:
```
SELECT alloydb_ai_nl.apply_generated_relation_context(
  'nla_demo.products', true
);

SELECT alloydb_ai_nl.apply_generated_column_context(
  'nla_demo.products.name',
  true
);
```
ערכי ההקשר שמתקבלים בתצוגה alloydb_ai_nl.generated_schema_context_view מוחלים על אובייקטים מתאימים של סכימה, וההערות נדרסות.
החלת הקשר של הסכימה שנוצרה.
```
SELECT alloydb_ai_nl.apply_generated_schema_context(
  'nla_demo_cfg',
  TRUE);
```
העברת TRUE מחליפה את ההקשר הקיים של אובייקטים שרשומים ב-nla_demo_cfg.

יצירת אינדקס של ערכים

ממשק ה-API של השפה הטבעית ב-AlloyDB AI יוצר שאילתות SQL מדויקות באמצעות קישור ערכים. קישור ערכים משייך ביטויי ערכים בהצהרות בשפה טבעית לסוגי מושגים ולשמות עמודות שרשומים מראש, ויכול להעשיר את השאלה בשפה טבעית.

לדוגמה, אפשר לענות בצורה מדויקת יותר על השאלה 'מה המחיר של קפוצ'ון' אם Hoodie משויך למושג product_name שמשויך לעמודה nla_demo.products.name.

כדי להגדיר את סוג המושג product_name ולקשר אותו לעמודה nla_demo.products.name, מריצים את השאילתות הבאות:

SELECT alloydb_ai_nl.add_concept_type(
    concept_type_in => 'product_name',
    match_function_in => 'alloydb_ai_nl.get_concept_and_value_generic_entity_name',
    additional_info_in => '{
      "description": "Concept type for product name.",
      "examples": "SELECT alloydb_ai_nl.get_concept_and_value_generic_entity_name(''Hoodie'')" }'::jsonb
);
SELECT alloydb_ai_nl.associate_concept_type(
    'nla_demo.products.name',
    'product_name',
    'nla_demo_cfg'
);

כדי לוודא שסוג המושג product_name נוסף לרשימת סוגי המושגים, מריצים את השאילתה הבאה ומוודאים ש-product_name נכלל בתוצאה שלה:
```
SELECT alloydb_ai_nl.list_concept_types();
```
כדי לוודא שהעמודה nla_demo.products.name משויכת לסוג המושג product_name, מריצים את השאילתה הבאה:
```
SELECT *
FROM alloydb_ai_nl.value_index_columns
WHERE column_names = 'nla_demo.products.name';
```

כדי להגדיר את סוג המושג brand_name ולקשר אותו לעמודה nla_demo.brands.brand_name, מריצים את השאילתות הבאות:

SELECT alloydb_ai_nl.add_concept_type(
    concept_type_in => 'brand_name',
    match_function_in => 'alloydb_ai_nl.get_concept_and_value_generic_entity_name',
    additional_info_in => '{
      "description": "Concept type for brand name.",
      "examples": "SELECT alloydb_ai_nl.get_concept_and_value_generic_entity_name(''CymbalPrime'')" }'::jsonb
);
SELECT alloydb_ai_nl.associate_concept_type(
    'nla_demo.brands.brand_name',
    'brand_name',
    'nla_demo_cfg'
);

אחרי שמגדירים את סוגי המושגים ומשייכים להם עמודות, צריך ליצור אינדקס ערכים.
```
SELECT alloydb_ai_nl.create_value_index('nla_demo_cfg');
SELECT alloydb_ai_nl.refresh_value_index('nla_demo_cfg');
```

יצירה אוטומטית של שיוכים לסוגי קונספט

באמצעות שפה טבעית ב-AlloyDB AI, אתם יכולים ליצור שיוכים באופן אוטומטי על סמך סוגי הקונספטים הקיימים, במקום לשייך באופן ידני סוג קונספט לעמודות – למשל, להפעיל באופן ידני את alloydb_ai_nl.associate_concept_type.

כדי ליצור שיוך אוטומטי של סוג קונספט:

יצירת שיוכים לכל הקשרים במסגרת nla_demo_cfg:

SELECT alloydb_ai_nl.generate_concept_type_associations('nla_demo_cfg');

בודקים את השיוכים שנוצרו.

SELECT * from alloydb_ai_nl.generated_value_index_columns_view;

התוצאה תהיה דומה לזו שמוצגת בהמשך. המערכת תתייחס גם למושגים מובנים וגם למושגים שהוגדרו על ידי המשתמש.

-[ RECORD 1 ]---+-----------------------------------------------------------
id              | 1
config          | nla_demo_cfg
column_names    | nla_demo.addresses.city
concept_type    | city_name
additional_info | {}
-[ RECORD 2 ]---+-----------------------------------------------------------
id              | 2
config          | nla_demo_cfg
column_names    | nla_demo.addresses.country
concept_type    | country_name
additional_info | {}
-[ RECORD 3 ]---+-----------------------------------------------------------
id              | 3
config          | nla_demo_cfg
column_names    | nla_demo.customers.first_name,nla_demo.customers.last_name
concept_type    | full_person_name
additional_info | {}
-[ RECORD 4 ]---+-----------------------------------------------------------
id              | 4
config          | nla_demo_cfg
column_names    | nla_demo.brands.brand_name
concept_type    | brand_name
additional_info | {}
-[ RECORD 5 ]---+-----------------------------------------------------------
id              | 5
config          | nla_demo_cfg
column_names    | nla_demo.products.name
concept_type    | product_name
additional_info | {}

....

אופציונלי: מעדכנים או מסירים את השיוכים שנוצרו.

-- Update, NULL means keeping the original value.
SELECT alloydb_ai_nl.update_generated_concept_type_associations(
id => 1,
column_names => NULL,
concept_type => 'generic_entity_name',
additional_info => NULL
);

-- Drop
SELECT alloydb_ai_nl.drop_generated_concept_type_association(id => 1);

החלת השיוכים שנוצרו.

SELECT alloydb_ai_nl.apply_generated_concept_type_associations('nla_demo_cfg');

כדי שהשינויים יבואו לידי ביטוי, צריך לרענן את אינדקס הערכים.
```
SELECT alloydb_ai_nl.refresh_value_index('nla_demo_cfg');
```

הגדרת תבניות של שאילתות

אתם יכולים להגדיר תבניות כדי לשפר את איכות התשובות שנוצרות על ידי AlloyDB AI natural language API.

כדי לספק תבניות לדוגמה לשאלות קריטיות לעסק, וכדי לספק שאלות צפויות שצפוי להן דיוק גבוה, מריצים את השאילתה הבאה כדי להוסיף תבנית:

SELECT alloydb_ai_nl.add_template(
    nl_config_id => 'nla_demo_cfg',
    intent => 'List the first names and the last names of all customers who ordered Swimsuit.',
    sql => 'SELECT c.first_name, c.last_name FROM nla_demo.Customers c JOIN nla_demo.orders o ON c.customer_id = o.customer_id JOIN nla_demo.order_items oi ON o.order_id = oi.order_id JOIN nla_demo.products p ON oi.product_id = p.product_id  AND p.name = ''Swimsuit''',
    sql_explanation => 'To answer this question, JOIN `nla_demo.Customers` with `nla_demo.orders` on having the same `customer_id`, and JOIN the result with nla_demo.order_items on having the same `order_id`. Then JOIN the result with `nla_demo.products` on having the same `product_id`, and filter rows with p.name = ''Swimsuit''. Return the `first_name` and the `last_name` of the customers with matching records.',
    check_intent => TRUE
);

כדי לראות את רשימת התבניות שנוספו, מריצים שאילתה בתצוגה alloydb_ai_nl.template_store_view:

SELECT nl, sql, intent, psql, pintent
FROM alloydb_ai_nl.template_store_view
WHERE config = 'nla_demo_cfg';

מתקבל הפלט הבא:

nl      | List the first names and the last names of all customers who ordered Swimsuit.
sql     | SELECT c.first_name, c.last_name
        | FROM nla_demo.Customers c
        | JOIN nla_demo.orders o ON c.customer_id = o.customer_id
        | JOIN nla_demo.order_items oi ON o.order_id = oi.order_id
        | JOIN nla_demo.products p ON oi.product_id = p.product_id
        | AND p.name = 'Swimsuit'
intent  | List the first names and the last names of all customers who ordered
        | Swimsuit.
psql    | SELECT c.first_name, c.last_name
        | FROM nla_demo.Customers c JOIN nla_demo.orders o
        | ON c.customer_id = o.customer_id
        | JOIN nla_demo.order_items oi ON o.order_id = oi.order_id
        | JOIN nla_demo.products p ON oi.product_id = p.product_id
        | AND p.name = $1
pintent | List the first names and the last names of all customers who ordered
        | $1.

בתבנית הזו, הערך שמתאים למאפיין psql הוא שאילתת ה-SQL עם הפרמטרים, והערך של העמודה pintent הוא הצהרת הכוונה עם הפרמטרים. המזהה של תבנית שנוספה לאחרונה יכול להיות שונה, בהתאם לתבניות שנוספו קודם. תבניות מספקות תשובות מדויקות מאוד לשאלות.

כדי ליצור תבנית שמשתמשת בחיפוש סמנטי, מריצים את הצהרת הדוגמה הבאה:

SELECT alloydb_ai_nl.add_template(
nl_config_id => 'nla_demo_cfg',
intent => 'List 3 products most similar to a Swimwear.',
sql => $$SELECT name FROM nla_demo.products
        ORDER BY description_embedding <=> embedding('text-embedding-004', 'Swimwear')::vector$$,
sql_explanation => $$To answer this question, ORDER products in `nla_demo.products` , based by their distance of the description_embedding of the product with the embedding of 'Swimwear'.$$,
check_intent => TRUE
);

התבנית שלמעלה מוסיפה את השורה הבאה לתצוגה alloydb_ai_nl.template_store_view:

nl      | List 3 products most similar to a Swimwear.
sql     | SELECT name FROM nla_demo.products
        | ORDER BY description_embedding <=>
        | embedding('text-embedding-004', 'Swimwear')::vector
intent  | List 3 products most similar to a Swimwear.
psql    | SELECT name FROM nla_demo.products
        | ORDER BY description_embedding <=>
        | embedding('text-embedding-004', $1)::vector
pintent | List 3 products most similar to a $1.

הגדרת קטע שאילתה

אתם יכולים להגדיר פרגמנטים כדי לשפר את איכות התשובות שנוצרות על ידי AlloyDB AI API בשפה טבעית.

כדי לספק קטע עבור פרדיקטים קריטיים לעסק, וכדי לספק שאלות צפויות שנדרשת לגביהן רמת דיוק גבוהה, מריצים את השאילתה הבאה:

SELECT alloydb_ai_nl.add_fragment(
  nl_config_id => 'nla_demo_cfg',
  table_aliases => ARRAY['nla_demo.products AS T'],
  intent => 'luxury product',
  fragment => $$description LIKE '%luxury%' OR description LIKE '%premium%' OR description LIKE '%exclusive%' OR description LIKE '%high-end%' OR description LIKE '%finest%' OR description LIKE '%elite%' OR description LIKE '%deluxe%'$$);

כדי לראות את רשימת המקטעים שנוספו, מריצים שאילתה בתצוגה alloydb_ai_nl.fragment_store_view:

SELECT intent, fragment, pintent
FROM alloydb_ai_nl.fragment_store_view;

מתקבל הפלט הבא:

intent    | luxury product
fragment  | description LIKE '%luxury%' OR description LIKE '%premium%' OR description LIKE '%exclusive%' OR description LIKE '%high-end%' OR description LIKE '%finest%' OR description LIKE '%elite%' OR description LIKE '%deluxe%'
pintent   | luxury product

יצירת תוצאות SQL משאלות בשפה טבעית

כדי להשתמש ב-AlloyDB AI natural language API כדי ליצור שאילתות SQL וקבוצות תוצאות, מריצים את השאילתה הבאה:

SELECT
    alloydb_ai_nl.get_sql(
        'nla_demo_cfg',
        'Find the customers who purchased Tote Bag.'
    ) ->> 'sql';

מתקבל הפלט הבא:

SELECT DISTINCT "c"."first_name", "c"."last_name"
FROM "nla_demo"."customers" AS "c"
JOIN "nla_demo"."orders" AS "o" ON "c"."customer_id" = "o"."customer_id"
JOIN "nla_demo"."order_items" AS "oi" ON "o"."order_id" = "oi"."order_id"
JOIN "nla_demo"."products" AS "p" ON "oi"."product_id" = "p"."product_id"
WHERE "p"."name" = 'Tote Bag';

פלט ה-JSON הוא שאילתת SQL שמשתמשת בתבנית שהוספתם בשלב הגדרת תבנית שאילתה.

כדי להשתמש ב-API של שפה טבעית ב-AlloyDB AI כדי ליצור שאילתות SQL, מריצים את השאילתה הבאה:
```
SELECT
    alloydb_ai_nl.get_sql(
        'nla_demo_cfg',
        'List the maximum price of any CymbalShoe.'
    ) ->> 'sql';
```
מתקבל הפלט הבא:
```
SELECT max("price")
FROM "nla_demo"."products"
WHERE "name" = 'CymbalShoe'
```
‫AlloyDB AI natural language API מזהה ש-CymbalShoe הוא שם המוצר, באמצעות אינדקס הערכים. מריצים את השאילתה הבאה כדי להחליף את CymbalShoe בשם מותג (CymbalPrime):
```
SELECT
    alloydb_ai_nl.get_sql(
        'nla_demo_cfg',
        'List the maximum price of any CymbalPrime.'
    ) ->> 'sql';
```
הפלט שמתקבל:
```
SELECT max("price")
FROM "nla_demo"."products" AS t1
JOIN "nla_demo"."brands" AS t2
ON t1."brand_id" = t2."brand_id"
WHERE t2."brand_name" = 'CymbalPrime';
```
‫AlloyDB AI משתמש באינדקס הערכים שנוצר ביצירת אינדקס הערכים כדי לפתור את CymbalPrime לסוג המושג brand_name, ומשתמש בעמודה nla_demo.brands.brand_name שמשויכת ל-brand_name.

כדי להשתמש ב-API של השפה הטבעית ב-AlloyDB AI כדי לקבל את התוצאה של שאלה, מריצים את השאילתה הבאה:

SELECT
alloydb_ai_nl.execute_nl_query(
    'nla_demo_cfg',
    'Find the last name of the customers who live in Lisbon.'
);

מתקבל הפלט הבא:

execute_nl_query
--------------------------
{"last_name":"M."}

כדי להשתמש ב-API של השפה הטבעית ב-AlloyDB AI כדי ליצור הצהרות SQL שמשתמשות בחיפוש סמנטי, מריצים את השאילתה הבאה:

SELECT
 alloydb_ai_nl.get_sql(
     'nla_demo_cfg',
     'List 2 products similar to a Tote Bag.');

מוחזרת הצהרת ה-SQL הבאה:

SELECT name FROM nla_demo.products
ORDER BY description_embedding <=> embedding(
    'text-embedding-004', 'Tote Bag')::vector
LIMIT 2;

איך מקבלים סיכומים של SQL

אתם יכולים ליצור סיכום תוצאות משאלה בשפה טבעית על סמך הנתונים שמאוחסנים במסד הנתונים. כך משתמשי הקצה יכולים להבין את הנתונים על ידי הצגת שאלות בשפה טבעית ישירות.

כדי לקבל סיכום של SQL, מריצים את שאילתת הדוגמה הבאה:

SELECT
   alloydb_ai_nl.get_sql_summary(
      nl_config_id => 'nla_demo_cfg',
      nl_question => 'which brands have the largest number of products?'
);

השאילתה הזו מחזירה אובייקט JSON כפלט, בדומה לזה:

   "answer": "The result set lists three brands: CymbalSports, CymbalPro, and CymbalPrime. Each brand is represented once, suggesting an equal distribution of products across these three brands within the dataset."

הסרת המשאבים

כדי לנקות את המערכת, אפשר להסיר את ההתקנה של מופע AlloyDB Omni או להשאיר את המופע ולמחוק את האובייקטים הספציפיים.

מחיקת האובייקטים

אתם יכולים להשאיר את המשאבים שהגדרתם בקטע לפני שמתחילים, ולמחוק רק את האובייקטים שיצרתם במופע.

מסירים את התבנית שהגדרתם בקטע הגדרת תבנית של שאילתה.

SELECT alloydb_ai_nl.drop_template(id)
FROM alloydb_ai_nl.template_store_view
WHERE config = 'nla_demo_cfg';

הסרת השיוכים האוטומטיים של קונספטים שנוצרו ביצירה אוטומטית של שיוכים מסוג קונספט.

SELECT alloydb_ai_nl.drop_generated_concept_type_association(id)
FROM alloydb_ai_nl.generated_value_index_columns_view
WHERE config = 'nla_demo_cfg';

מסירים את סוג המושג product_name שהגדרתם בקטע יצירת אינדקס הערכים.
```
SELECT alloydb_ai_nl.drop_concept_type('product_name');
```
צריך לרענן את אינדקס הערכים אחרי שמסירים את סוג המושג product_name.
```
SELECT alloydb_ai_nl.refresh_value_index();
```
מסירים את ההגדרה של nla_demo_cfg שיצרתם במאמר יצירת הגדרה של שפה טבעית.
```
SELECT
alloydb_ai_nl.g_manage_configuration(
    'drop_configuration',
    'nla_demo_cfg'
);
```
כדי להסיר את סכימת nla_demo ואת הטבלאות שיצרתם ואכלסתם ביצירת סכימת nla_demo וטבלאות ובאכלוס טבלאות בסכימת nla_demo, מריצים את השאילתה הבאה:
```
DROP SCHEMA nla_demo CASCADE;
```

איך יוצרים SQL באמצעות שפה טבעית ב-AlloyDB AI קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

מטרות

לפני שמתחילים

הפעלת החיוב

התקנה וחיבור למסד נתונים

הפעלה והתקנה של התוסף הנדרש

שדרוג התוסף alloydb_ai_nl

יצירת הסכימה nla_demo והטבלאות

אכלוס טבלאות בסכימה nla_demo

יצירת הגדרה בשפה טבעית

יצירה והחלה של הקשר לטבלאות ולעמודות

יצירת אינדקס של ערכים

יצירה אוטומטית של שיוכים לסוגי קונספט

הגדרת תבניות של שאילתות

הגדרת קטע שאילתה

יצירת תוצאות SQL משאלות בשפה טבעית

איך מקבלים סיכומים של SQL

הסרת המשאבים

מחיקת האובייקטים

המאמרים הבאים

איך יוצרים SQL באמצעות שפה טבעית ב-AlloyDB AI

שדרוג התוסף `alloydb_ai_nl`

יצירת הסכימה `nla_demo` והטבלאות

אכלוס טבלאות בסכימה `nla_demo`