本文档介绍了如何测试 QueryData 和更新上下文集文件。您可以测试 QueryData 从自然语言问题生成 SQL 查询的能力。如果生成的查询不准确，您可以更新上下文集文件。
如需了解上下文集，请参阅上下文集概览。准备工作
确保已创建上下文集，并且上下文集文件已上传到 QueryData 代理。如需了解详情，请参阅在 Spanner Studio 中管理上下文集。
测试 QueryData
如需测试 QueryData，请执行以下步骤：
在 Google Cloud 控制台中，前往 Spanner 页面。
从列表中选择一个实例，然后选择一个数据库。
在导航菜单中，点击 Spanner Studio 。
在探索器窗格中，点击您使用的上下文集旁边的查看操作。
点击测试上下文集 。
在查询编辑器中，点击 Generate SQL 以打开 帮我编码 面板。
在编辑器中输入自然语言问题以生成 SQL 查询，然后点击 Generate 。
检查 SQL 查询的准确性。
下载和更新上下文集
如果您对针对自然语言问题生成的 SQL 查询不满意，请下载现有的上下文集文件。然后，您可以查看和更新查询模板，并将更新后的上下文的描述文件重新上传到代理。
如需下载和更新上下文集，请执行以下步骤：
- 在探索器窗格 中，点击查看操作 。
- 点击下载上下文的描述文件 。
- 按照使用上下文工程代理构建上下文集中的步骤，使用其他查询对更新上下文。
- 在探索器窗格中，点击您使用的上下文集旁边的查看操作。
- 点击修改上下文集 。
- 在上传上下文集文件 部分中，点击浏览 ，然后选择更新后的上下文集文件。
- 点击保存 以更新上下文集。
对响应的准确性感到满意后，您可以使用 QueryData 端点将应用连接到上下文集。
查找上下文集 ID
如需将数据应用连接到 QueryData 代理，您需要上下文集的 ID。
在 Google Cloud 控制台中，前往 Spanner 页面。
从列表中选择一个实例，然后选择一个数据库。
在导航菜单中，点击 Spanner Studio 。
在探索器窗格中，点击您使用的上下文集旁边的查看操作。
点击修改上下文集 。
记下上下文集 ID 中的上下文 ID。上下文集 ID 的格式类似于
projects/data-agents-project/locations/us-east1/contextSets/bdf_pg_all_templates。
将 QueryData 连接到应用
在 QueryData 方法调用中设置上下文集 ID，以便为数据库数据源（例如 AlloyDB、Spanner、Cloud SQL 和
Cloud SQL for PostgreSQL）提供编写的上下文。如需了解详情，请参阅为数据库数据源定义数据代理上下文
测试上下文集后，您可以在 QueryData 调用中引用数据库数据源。
包含编写的上下文的 QueryData 请求示例
以下示例展示了使用 spanner_reference 数据库数据源的 QueryData 请求。agent_context_reference.context_set_id
字段用于链接到数据库中存储的预先编写的上下文。
{ "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 } }
请求正文包含以下字段：
prompt：最终用户的自然语言问题。context：包含有关数据源的信息。datasource_references：指定数据源类型。spanner_reference：查询数据库时是必需的。此字段会根据您查询的数据库而变化。database_reference：指定与数据库实例相关的信息。engine：数据库的 SQL 方言。对于 Spanner 数据库，应设置为GOOGLE_SQL。project_id：数据库实例的项目 ID。region：Spanner 实例的区域。instance_id：Spanner 实例的实例 ID。database_id：数据库的 ID。
agent_context_reference：链接到数据库中编写的上下文。context_set_id：数据库中存储的上下文的完整上下文集 ID。例如，projects/context-set-project/locations/us-east1/contextSets/bdf_gsql_gemini_all_templates。
generationOptions：配置要生成的输出类型。generate_query_result：设置为 true 可生成并返回查询结果。generate_natural_language_answer：可选。如果设置为 true，则生成自然语言答案。generate_explanation：可选。如果设置为 true，则生成 SQL 查询的说明。generate_disambiguation_question：可选。如果设置为 true，则在查询不明确时生成消歧问题。
QueryData 响应示例
以下是 QueryData 调用的成功响应示例：
{
"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."
}
后续步骤
- 详细了解上下文集。
- 了解如何使用上下文工程代理构建上下文集
- 了解如何在 Spanner Studio 中管理上下文集