PolarDB:Praktik terbaik Data-Agent

Petunjuk makna kosakata

Pada pertanyaan keenam, LLM tidak dapat menginterpretasikan istilah "customer traffic" secara akurat. Anda dapat mengonfigurasi tabel polar4ai_nl2sql_llm_config untuk melakukan pre-processing terhadap istilah ini.

CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'Kunci primer',
  `is_functional` int(11) NOT NULL DEFAULT '1' COMMENT 'Apakah aktif',
  `text_condition` text COMMENT 'Kondisi teks',
  `query_function` text COMMENT 'Pemrosesan kueri',
  `formula_function` text COMMENT 'Informasi formula',
  `sql_condition` text COMMENT 'Kondisi SQL',
  `sql_function` text COMMENT 'Pemrosesan SQL',
  PRIMARY KEY (`id`)
);

Anda dapat memasukkan item konfigurasi untuk menginstruksikan Large Language Model (LLM) agar menghitung "customer traffic" atau "customer flow" sebagai jumlah tamu.

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  1, 
  1, 
  "customer traffic||customer flow", 
  "", 
  "Customer traffic or customer flow is counted as the sum of the number of diners", 
  "", 
  ""
);

Nilai 1 untuk is_functional menunjukkan bahwa item konfigurasi tersebut aktif. Nilai kolom text_condition "customer traffic||customer flow" mencocokkan pertanyaan yang mengandung "customer traffic" atau "customer flow". Kolom formula_function menggunakan teks atau formula untuk menjelaskan makna istilah teknis kepada LLM.

Dalam kasus ini, Anda dapat langsung menjalankan pembuatan SQL tanpa perlu membuat tabel indeks atau melakukan vektorisasi. Hasilnya ditunjukkan di bawah ini.

Petunjuk pencarian fuzzy

Pada pertanyaan ketiga, pencocokan nama tempat dengan operator = mungkin gagal. Anda dapat menambahkan item konfigurasi berikut untuk memberi petunjuk bahwa pencarian fuzzy harus digunakan untuk pencocokan nama tempat.

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  2, 
  1, 
  "", 
  "", 
  "Matching for the outlet location 'position' requires a fuzzy search", 
  "", 
  ""
);

Di sini, text_condition kosong, yang berarti item konfigurasi ini berlaku secara global. Gunakan dengan hati-hati.

Hasilnya ditunjukkan di bawah ini. Pencocokan lokasi sekarang menggunakan pencarian fuzzy dengan benar.

Demikian pula, untuk pertanyaan kelima, Anda dapat menambahkan formula perhitungan untuk "month-over-month" dan "year-over-year" ke dalam tabel polar4ai_nl2sql_llm_config. Hal ini meningkatkan presisi SQL yang dihasilkan. Anda dapat mencoba sendiri sebagai tantangan.

1. Asumsikan kueri Anda untuk NL2SQL adalah sebagai berikut:

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, select 'Merchant type statistics') WITH (basic_index_name='schema_index',pattern_index_name='pattern_index');

   Pernyataan SQL berikut dihasilkan. Pastikan pernyataan SQL tersebut dijalankan dan mengembalikan hasil yang tidak kosong:

   SELECT merchtype AS merchant_type,COUNT(*) AS product_count FROM hkrt_merchant_info GROUP BY merchtype;

2. Gunakan NL2Chart:

   Sintaks

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart, <SQL_statement>) WITH (usr_query = <usr_query>, result_type = <result_type>);

   Deskripsi parameter

   Parameter	Deskripsi	Contoh
   usr_query	Pertanyaan pengguna. Ini menjelaskan persyaratan untuk menghasilkan grafik.	"Sales statistics for each quarter of 2023"
   result_type	Menentukan jenis hasil. Saat ini hanya 'IMAGE' yang didukung.	'IMAGE'
   SQL statement	Pernyataan kueri SQL yang dihasilkan oleh modul NL2SQL untuk mengambil data.	SELECT quarter, sales FROM sales_data WHERE year = 2023

   Contoh: Ubah hasil kueri dari pernyataan SQL yang dihasilkan menjadi grafik

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart, SELECT merchtype AS merchant_type, COUNT(*) AS merchant_count FROM hkrt_merchant_info GROUP BY merchtype) WITH (usr_query = 'Merchant type statistics', result_type='IMAGE');

   Hasilnya sebagai berikut:

   Catatan

   Tautan yang dikembalikan adalah URL citra yang berlaku selama 90 menit.

   http://db4ai-xxx-xx-xxxx-xxx-xxxx.aliyuncs.com/pc-bpze47ma2c515087l6/OSSAccessKeyId=xxxxxxx&Expires=1716130199&Signature=KvPFzfMebIEmqxPIXURurwwbsXM%3D

   

3. (Opsional) Pilih atau paksa jenis grafik tertentu

   Model memilih grafik yang sesuai berdasarkan pemahamannya terhadap pertanyaan pengguna dan data. Anda dapat memandu model dengan cara merumuskan pertanyaan pengguna.

   Tabel berikut menunjukkan pemetaan antara jenis pertanyaan dan jenis grafik:

   Jenis pertanyaan	Jenis grafik	Contoh pertanyaan pengguna	Deskripsi
   Statistik jumlah	Grafik batang	"Please provide statistics on sales by city"	Menunjukkan perbandingan nilai numerik antar kategori berbeda, seperti jumlah, total, atau frekuensi.
   Perubahan tren	Grafik garis	"Please show the user growth trend over the past year"	Menunjukkan bagaimana data berubah seiring waktu atau di antara kategori berurutan, menekankan kontinuitas.
   Distribusi proporsi	Grafik lingkaran	"Please show the sales proportion of each product line"	Cocok untuk menunjukkan hubungan proporsional bagian terhadap keseluruhan. Datanya harus bersifat kategorikal dan memiliki total yang jelas.

   Anda dapat memaksa jenis grafik tertentu dengan mengubah parameter usr_query. Tambahkan perintah tambahan di akhir parameter usr_query:

   -- Input the output SQL into nl2chart to draw a line chart
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS merchant_type, COUNT(*) AS merchant_count FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = 'Merchant type statistics, draw a line chart', result_type='IMAGE');

   

   -- Input the output SQL into nl2chart to draw a pie chart
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS merchant_type, COUNT(*) AS merchant_count FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = 'Merchant type statistics, draw a pie chart', result_type='IMAGE');

   

Untuk informasi selengkapnya, lihat Natural language to intelligent chart (NL2Chart).