Ringkasan QueryData

QueryData memungkinkan Anda berinteraksi dengan data graf properti di database Spanner menggunakan bahasa percakapan dan membangun agen data. QueryData menghasilkan kueri Graph Query Language (GQL) dari pertanyaan bahasa alami berdasarkan skema grafik properti Anda. Untuk meningkatkan akurasi kasus penggunaan, Anda juga dapat memberikan set konteks—kumpulan template kueri, faset kueri, dan penelusuran nilai yang menangkap logika bisnis khusus domain dan pertanyaan yang diajukan pengguna. Untuk mengetahui informasi selengkapnya tentang set konteks, lihat Ringkasan set konteks.

Kapan harus menggunakan QueryData

QueryData untuk Spanner Graph ideal untuk aplikasi seperti berikut:

  • Asisten percakapan melalui data grafik: Asisten dukungan atau analis menjawab "Apakah ada uang yang dikirim dari rekening 7 yang kembali ke rekening tersebut dalam waktu 60 hari?" dengan meminta QueryData membuat dan menjalankan kueri GQL multi-hop.
  • Copilot investigasi untuk penipuan, risiko, dan kepatuhan: Analis mengeksplorasi jaringan kepemilikan dan transfer melalui pertanyaan lanjutan, sementara set konteks menjaga istilah seperti transfer berisiko tinggi tetap konsisten di setiap jawaban.
  • Agen penalaran pustaka pengetahuan: Agen yang dibuat dengan ADK atau klien MCP memanggil QueryData sebagai alat untuk mendasarkan penalaran mereka pada hubungan yang disimpan dalam grafik Anda, seperti akun mana yang dikontrol seseorang melalui perantara.

Konsep inti

Untuk menerjemahkan pertanyaan percakapan menjadi kueri GQL dengan andal, QueryData mengandalkan konsep utama berikut:

QueryData dan Conversational Analytics API

Endpoint QueryData di Analisis Percakapan API adalah alat agentic yang memungkinkan pembuatan kueri bahasa alami terprogram ke GQL (NL2GQL) untuk grafik properti di database Spanner Anda. Dalam aplikasi percakapan atau Agentic Workflows multi-agen, endpoint QueryData menangani interpretasi skema dan sintesis kueri untuk grafik properti yang Anda cantumkan di kolom graph_ids setiap permintaan. Infrastruktur pengelola agen Anda (seperti Antigravity, Agent Development Kit (ADK), atau LangChain) mengelola histori percakapan, status pengguna, dan orkestrasi alat untuk mengontekstualisasikan input pengguna sebelum mengirim permintaan bahasa alami ke endpoint QueryData.

Set data konteks

Set konteks adalah kumpulan pengetahuan khusus database, pola kueri yang diseleksi, dan aturan bisnis yang terkait dengan database Anda. Alih-alih hanya mengandalkan pengetahuan LLM umum atau skema grafik properti mentah, QueryData menggunakan set konteks untuk memahami nuansa model grafik dan terminologi khusus organisasi Anda, seperti apa yang dianggap bisnis Anda sebagai transfer berisiko tinggi dalam grafik keuangan perbankan. Contoh dalam panduan ini menggunakan skema grafik properti dan set data contoh FinGraph. Untuk membuat skema FinGraph dan menyisipkan data sampel, lihat Menyiapkan dan membuat kueri Spanner Graph.

Set konteks berisi tiga elemen penyusun utama:

  • Template kueri: Pasangan pertanyaan bahasa alami representatif yang diseleksi dan kueri GQL terkait yang telah divalidasi sebelumnya. Template memberikan contoh kanonis yang menentukan cara maksud bisnis tertentu dipetakan ke pernyataan GQL (misalnya, cara "Rekening mana yang menerima transfer dari rekening Dana?" dipetakan ke kueri GRAPH FinGraph MATCH yang melintasi edge Owns dan Transfers).
  • Aspek kueri: Klausa GQL yang dapat digunakan kembali (seperti pola grafik, kondisi filter, rentang tanggal, nilai minimum jumlah, atau kondisi bisnis seperti akun yang diblokir). Facet memungkinkan QueryData menggabungkan beberapa kriteria pemfilteran secara dinamis ke dalam kueri tanpa memerlukan template terpisah untuk setiap kombinasi.
  • Penelusuran nilai: Kueri semantik dan pencocokan string, yang ditulis sebagai pernyataan SELECT di atas GRAPH_TABLE, yang mendasarkan frasa nilai dalam pertanyaan pengguna ke nilai persis yang disimpan di properti node dan edge. Penelusuran nilai membantu mengatasi ambiguitas (misalnya, memetakan "rainy day" ke nama panggilan akun Rainy Day Fund, atau "Czech Republic" ke nilai tersimpan Czech_Republic) menggunakan pencocokan persis, kesamaan string, atau embedding vektor semantik.

Cara kerja QueryData

Saat agen atau aplikasi Anda mengirimkan permintaan bahasa alami (seperti pertanyaan pengguna yang telah dikontekstualisasikan oleh agen dengan histori percakapan atau status pengguna), QueryData akan melakukan langkah-langkah berikut:

  1. Resolusi nilai: QueryData menjalankan kueri penelusuran nilai terhadap database Spanner Anda untuk memetakan frasa nilai dalam perintah (seperti nama orang, nama panggilan akun, atau negara) ke nilai properti node dan edge tertentu.
  2. Pencocokan intent dan disambiguasi: QueryData mencocokkan permintaan kontekstual dengan template kueri dan faset yang dikurasi yang Anda tentukan dalam set konteks. Jika permintaan kurang spesifik atau ambigu, QueryData dapat menampilkan pertanyaan disambiguasi sehingga agen atau aplikasi Anda dapat meminta klarifikasi kepada pengguna.
  3. Sintesis kueri: Dengan menggunakan skema grafik properti yang tercantum di graph_ids, struktur template yang cocok, faset yang diterapkan, dan nilai yang di-resolve, QueryData akan menyintesis kueri GQL lengkap.
  4. Eksekusi kueri: Kueri GQL yang dihasilkan akan dieksekusi terhadap database Spanner Anda untuk menampilkan hasil.

Membuat dan mengelola set data konteks

Untuk menulis dan mengelola set konteks, lakukan hal berikut:

  1. Konteks penulis: Tentukan template kueri, faset, dan penelusuran nilai untuk grafik properti Anda. Untuk mengetahui informasi selengkapnya, lihat Ringkasan set konteks. Anda juga dapat menggunakan agen rekayasa konteks untuk mengotomatiskan pembuatan konteks.
  2. Mengelola di konsol Google Cloud : Buat dan kelola set konteks di Spanner Studio agar tersedia untuk pembuatan kueri.
  3. Mengintegrasikan dengan aplikasi Anda: Hubungkan aplikasi atau agen AI Anda ke QueryData menggunakan panggilan REST API langsung, dengan grafik properti target yang tercantum di graph_ids.

Langkah berikutnya