使用自然语言查询湖仓一体表

借助 BigQuery 中的对话式分析，您可以使用自然语言提示查询开放格式的数据。此功能依赖于无边界湖仓一体中的湖仓一体运行时目录，可自动将您的问题映射到基础表架构，以便您生成和执行 SQL 查询，而无需手动编写代码。

设置查询时，您可以使用数据智能体提供业务术语表和系统指令，以提高准确性。

对话分析功能的运作方式

对话式分析功能使用大语言模型 (LLM) 来理解您的自然语言问题，并将其映射到表的架构。此过程遵循以下步骤：

  1. 架构发现：系统从 Lakehouse 运行时目录检索元数据，以了解表结构、列名称和数据类型。
  2. SQL 生成：LLM 生成与 BigQuery 引擎和底层数据格式兼容的 SQL 查询。
  3. 执行：BigQuery 直接针对 Google Cloud Lakehouse 中的开放格式数据执行生成的 SQL 查询。
  4. 回答：结果会返回到对话界面，通常附带摘要或可视化图表。

如需详细了解对话式分析，例如管理数据代理、定价或最佳实践，请参阅对话式分析概览。

支持的格式

对话式分析会将您的自然语言问题转换为 SQL 查询。它支持湖仓一体运行时目录支持的开放表格式，例如 Apache Iceberg 表。

准备工作

在查询数据之前，请先在 Lakehouse 运行时目录中注册外部表。Lakehouse 运行时目录充当统一的枢纽，将 BigQuery Studio 连接到外部开放格式数据。连接后，这些表将成为 BigQuery 中的可发现资产。

使用对话式分析查询表

  1. 在 Google Cloud 控制台中，前往 BigQuery Studio Agents Hub。

    前往“代理中心”

  2. 创建数据代理，或与现有数据代理开始直接对话。

  3. 选择表格。

    由于 Lakehouse 运行时目录统一了所有这些不同的格式，因此发现体验与查找标准 BigQuery 表相同。

    1. 搜索：添加知识来源时，在表格搜索和选择界面中查找表格名称。您可以使用搜索关键字过滤结果，包括：

      • TABLE_NAME
      • catalog: CATALOG_NAME
      • project: PROJECT_ID
      • namespace: NAMESPACE_NAME

    2. 验证来源：请注意完全限定名称的数据集部分。由外部来源创建并由 Lakehouse 运行时目录管理的表通常会采用将目录和命名空间相结合的格式。例如 PROJECT_ID.biglake_catalog.finance_namespace.my_iceberg_table 或 PROJECT_ID.sap_catalog.sales.delta_table。

    3. 选择：将所选表格添加到当前对话上下文中。

  4. 使用自然语言提问。系统会自动将您的提示转换为联合 SQL 查询。

提高查询准确性

为了帮助对话分析更好地了解您的架构和术语，请使用数据代理配置选项。这些选项包括业务术语表、经过验证的 SQL 查询和系统指令。

后续步骤