שימוש בשפה טבעית של AlloyDB AI ליצירת SQL

יצירה של סכימת nla_demo וטבלאות

בשלבים הבאים יוצרים את הסכימה nla_demo ואת הטבלאות בסכימה. מאכלסים את הטבלאות בנתונים סינתטיים. הסכימה והנתונים שסיפקנו נועדו לתמוך בפעולות הבסיסיות של עסק קמעונאי באינטרנט, ויש להם יישומים פוטנציאליים גם בתחומים של ניהול לקוחות, ניתוח נתונים, שיווק והיבטים תפעוליים.

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

1. מריצים את השאילתה הבאה כדי ליצור את הסכימה:

   CREATE SCHEMA nla_demo;
   

2. יצירת טבלאות בסכימה nla_demo. בטבלה addresses נשמרים פרטי הכתובת של הלקוחות וההזמנות.

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

3. מריצים את השאילתה הבאה כדי ליצור את הטבלה customers. בטבלה הזו מאוחסן מידע על הלקוח, כולל מזהה הלקוח, השם, פרטי הקשר, הפניה לכתובת, תאריך הלידה ומועד יצירת הרשומה.

   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
   );
   

4. 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
   );
   

5. יוצרים את הטבלה brands שבה מאוחסנים שמות המותגים.

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

6. יוצרים את הטבלה products, 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)
   );
   

7. 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)
   );
   

8. צור את הטבלה order_items. בטבלה הזו מתועדים פריטים בודדים בהזמנה, יש קישור להזמנה ולווריאציית המוצר, ומצוינות 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

1. 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');
   

2. 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');
   

3. מאכלסים את הטבלה categories.

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

4. מאכלסים את הטבלה brands.

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

5. 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);
   

6. 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');
   

7. 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, 79.99);
   

יצירת הגדרה בשפה טבעית

כדי להשתמש בשפה הטבעית של AlloyDB AI, צריך לוודא שנקודת הקצה של Vertex AI מוגדרת. לאחר מכן יוצרים הגדרה ורושמים סכימה. ‫g_alloydb_ai_nl.g_create_configuration יוצר את המודל.

1. יוצרים הגדרה אישית של שפה טבעית.

   SELECT alloydb_ai_nl.g_create_configuration( 'nla_demo_cfg' );
   

2. 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-AlloyDB AI natural language API 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 מצורף לטבלאות, לתצוגות ולעמודות.

1. 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 מריצות קודמות.

2. 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).
   

3. 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';
   

   פלט 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.
   

4. 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.'
   );
   

5. 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 נכתבות מחדש.

6. החלת הקשר של הסכימה שנוצרה.

   SELECT alloydb_ai_nl.apply_generated_schema_context(
     'nla_demo_cfg',
     TRUE);
   

   העברת TRUE מחליפה את ההקשר הקיים לאובייקטים שרשומים ב-nla_demo_cfg.

יצירת אינדקס של ערכים

ממשק ה-API של השפה הטבעית של 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 לnla_demo.products.name. עמודה.

1. 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'
   );
   

2. כדי לוודא שסוג המושג product_name נוסף לרשימת סוגי המושגים, מריצים את השאילתה הבאה כדי לוודא ש-product_name נכלל בתוצאה של השאילתה הזו:

   SELECT alloydb_ai_nl.list_concept_types();
   

3. 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';
   

4. 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'
   );
   

5. אחרי שמגדירים את סוגי המושגים ומקשרים אליהם עמודות, יוצרים 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 של סוגי קונספט

באמצעות השפה הטבעית של AlloyDB AI, אתם יכולים ליצור שיוכים באופן אוטומטי על סמך סוגי המושגים הקיימים, במקום לשייך באופן ידני סוג מושג לעמודות – למשל, להפעיל באופן ידני את alloydb_ai_nl.associate_concept_type.

כדי ליצור שיוך אוטומטי של סוג מושג:

1. יצירת שיוכים לכל היחסים בהיקף של nla_demo_cfg:

   SELECT alloydb_ai_nl.generate_concept_type_associations('nla_demo_cfg');
   

2. בודקים את השיוכים שנוצרו.

   SELECT * from alloydb_ai_nl.generated_value_index_columns_view;
   

   התוצאה תהיה דומה לזו שמופיעה בהמשך. המערכת מתייחסת למושגים מובנים וגם למושגים שהמשתמשים מגדירים.

    -[ 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 | {}
   
    ....
    ```
   

3. 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);
   

4. מחילים את השיוכים שנוצרו.

   SELECT alloydb_ai_nl.apply_generated_concept_type_associations('nla_demo_cfg');
   

5. 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 שמתקבלות מ-AlloyDB AI API בשפה טבעית.

1. 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 rwos that with p.name = ''Swimsuit''. Return the `first_name` and the `last_name` of the customers with matching records.',
       check_intent => TRUE
   );
   

2. 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.

3. 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 => $$To answer this question, ORDER products in `nla_demo.products` , based by their distance of the descrption_embedding of the product with the embedding of 'Swimwear'.$$,
    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 מקטע של שאילתה

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

כדי לספק קטע עבור פרדיקטים קריטיים לעסק, וכדי לספק תנאים צפויים שבהם צפויה 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

1. 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 שנוצרה באמצעות התבנית שהוספתם בשלב הגדרת תבנית שאילתה.

2. כדי להשתמש ב-AlloyDB AI natural language API 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 הערך. 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.

3. כדי להשתמש ב-AlloyDB AI natural language API כדי ליצור 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."}
   

4. כדי להשתמש ב-API של שפה טבעית של 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 קוד 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."