QueryData in Spanner Studio testen

In diesem Dokument wird beschrieben, wie Sie QueryData testen und die Kontextset-Datei aktualisieren. Sie können testen, ob QueryData SQL-Abfragen aus Fragen in natürlicher Sprache generieren kann. Wenn eine generierte Anfrage nicht korrekt ist, können Sie die Datei mit dem Kontextset aktualisieren.

Weitere Informationen zu Kontextgruppen finden Sie unter Kontextgruppen.

Hinweis

Prüfen Sie, ob bereits ein Kontextset erstellt und die Kontextset-Datei in den QueryData-Agent hochgeladen wurde. Weitere Informationen finden Sie unter Kontextsets in Spanner Studio verwalten.

QueryData testen

So testen Sie QueryData:

Rufen Sie in der Google Cloud Console die Spanner-Seite auf.

Spanner aufrufen
Wählen Sie eine Instanz aus der Liste und dann eine Datenbank aus.
Klicken Sie im Navigationsmenü auf Spanner Studio.
Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen ansehen.
Klicken Sie auf Test context set (Kontext festlegen testen).
Klicken Sie im Abfrageeditor auf SQL generieren, um den Bereich Hilfe beim Programmieren zu öffnen.
Geben Sie eine Frage in natürlicher Sprache in den Editor ein, um eine SQL-Abfrage zu generieren, und klicken Sie auf Generieren.
Prüfen Sie die SQL-Abfrage auf Richtigkeit.

Kontextgruppe herunterladen und aktualisieren

Wenn Sie mit der generierten SQL-Abfrage für eine Frage in natürlicher Sprache nicht zufrieden sind, laden Sie die vorhandene Kontextset-Datei herunter. Anschließend können Sie die Abfragevorlage überprüfen und aktualisieren und die aktualisierte Kontextdatei noch einmal in den Agenten hochladen.

So laden Sie ein Kontextset herunter und aktualisieren es:

Klicken Sie im Explorer-Bereich auf Aktionen ansehen.
Klicken Sie auf Kontextdatei herunterladen.
Folgen Sie der Anleitung unter Kontexte mit der Gemini CLI erstellen, um den Kontext mit zusätzlichen Frage-Antwort-Paaren zu aktualisieren.
Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen ansehen.
Klicken Sie auf Kontextgruppe bearbeiten.
Klicken Sie im Abschnitt Kontextset-Datei hochladen auf Durchsuchen und wählen Sie die aktualisierte Kontextset-Datei aus.
Klicken Sie auf Speichern, um den Kontextsatz zu aktualisieren.

Wenn Sie mit der Genauigkeit Ihrer Antworten zufrieden sind, können Sie den QueryData-Endpunkt verwenden, um Ihre Anwendung mit dem Kontextset zu verbinden.

Kontextgruppe-ID ermitteln

Wenn Sie eine Datenanwendung mit dem QueryData-Agent verbinden möchten, benötigen Sie die ID des Kontextsets.

Rufen Sie in der Google Cloud Console die Spanner-Seite auf.

Spanner aufrufen
Wählen Sie eine Instanz aus der Liste und dann eine Datenbank aus.
Klicken Sie im Navigationsmenü auf Spanner Studio.
Klicken Sie im Bereich Explorer neben dem verwendeten Kontextset auf Aktionen ansehen.
Klicken Sie auf Kontextgruppe bearbeiten.
Notieren Sie sich die Kontext-ID unter Kontextgruppe-ID. Das Format der Kontextgruppe-ID ähnelt projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates.

QueryData mit Anwendung verbinden

Legen Sie die Kontext-Set-ID im QueryData-Methodenaufruf fest, um erstellten Kontext für Datenbankdatenquellen wie AlloyDB, Spanner, Cloud SQL und Cloud SQL for PostgreSQL bereitzustellen. Weitere Informationen finden Sie unter Kontext für KI-Datenagenten für Datenbankdatenquellen definieren.

Nachdem Sie den Kontextsatz getestet haben, können Sie in Ihrem QueryData-Aufruf auf die Datenbankdatenquelle verweisen.

Beispiel für eine `QueryData`-Anfrage mit selbst erstelltem Kontext

Das folgende Beispiel zeigt eine QueryData-Anfrage mit der Datenquelle spanner_reference-Datenbank. Das Feld agent_context_reference.context_set_id wird verwendet, um auf vorab erstellten Kontext zu verweisen, der in der Datenbank gespeichert ist.

{
  "parent": "projects/context-set-project/locations/us-central1",
  "prompt": "How many accounts in the Prague region are eligible for loans? A3 contains the data of region.",
  "context": {
    "datasource_references": [
      {
        "spanner_reference" {
          "database_reference" {
            "engine": "GOOGLE_SQL"
            "project_id": "context-set-project"
            "region": "us-central1"
            "instance_id": "evalbench"
            "database_id": "financial"
          },
          "agent_context_reference": {
            "context_set_id": "projects/context-set-project/locations/us-east1/contextSets/bdf_pg_all_templates"
          }
        }
      }
    ]
  },
  "generation_options": {
    "generate_query_result": true,
    "generate_natural_language_answer": true,
    "generate_disambiguation_question": true,
    "generate_explanation": true
  }
}

Der Anfragetext enthält die folgenden Felder:

prompt: Die Frage des Endnutzers in natürlicher Sprache.
context: Enthält Informationen zu den Datenquellen.
- datasource_references: Gibt den Datenquellentyp an.
  - spanner_reference: Beim Abfragen der Datenbank erforderlich. Dieses Feld ändert sich je nach der Datenbank, die Sie abfragen.
    - database_reference: Gibt Informationen zu Ihrer Datenbankinstanz an.
      - engine: Der SQL-Dialekt der Datenbank. Für Spanner-Datenbanken auf GOOGLE_SQL festlegen.
      - project_id: Die Projekt-ID der Datenbankinstanz.
      - region: Die Region der Spanner-Instanz.
      - instance_id: Die Instanz-ID der Spanner-Instanz.
      - database_id: Die ID der Datenbank.
    - agent_context_reference: Links zum erstellten Kontext in der Datenbank.
      - context_set_id: Die vollständige Kontextset-ID des in der Datenbank gespeicherten Kontexts. Beispiel: projects/context-set-project/locations/us-east1/contextSets/bdf_gsql_gemini_all_templates.
generationOptions: Konfiguriert den Typ der zu generierenden Ausgabe.
- generate_query_result: Auf „true“ setzen, um die Abfrageergebnisse zu generieren und zurückzugeben.
- generate_natural_language_answer: Optional. Wenn auf „true“ gesetzt, wird eine Antwort in natürlicher Sprache generiert.
- generate_explanation: Optional. Wenn dieser Wert auf „true“ gesetzt ist, wird eine Erklärung der SQL-Abfrage generiert.
- generate_disambiguation_question: Optional. Wenn auf „true“ gesetzt, werden bei mehrdeutigen Anfragen Fragen zur Begriffsklärung generiert.

Beispielantwort von `QueryData`

Hier ist ein Beispiel für eine erfolgreiche Antwort auf einen QueryData-Aufruf:

{
  "generated_query": "-- Count the number of accounts in Prague that are eligible for loans\nSELECT\n  COUNT(DISTINCT \"loans\".\"account_id\")\nFROM \"loans\"\nJOIN \"district\" -- Join based on district ID\n  ON \"loans\".\"district_id\" = \"district\".\"district_id\"\nWHERE\n  \"district\".\"A3\" = 'Prague'; -- Filter for the Prague region",
  "intent_explanation": "The question asks for the number of accounts eligible for loans in the Prague region. I need to join the `district` table with the `loans` table to filter by region and count the distinct accounts. The `A3` column in the `district` table contains the region information, and I'll filter for 'Prague'. The `loans` table contains information about loans, including the `account_id` and `district_id`. I will join these two tables on their respective district IDs.",
  "query_result": {
    "columns": [
      {
        "name": "count"
      }
    ],
    "rows": [
      {
        "values": [
          {
            "value": "2"
          }
        ]
      }
    ],
    "total_row_count": 1
  },
  "natural_language_answer": "There are 2 accounts in Prague that are eligible for loans."
}