PolarDB:Praktik terbaik Data-Agent

Petunjuk makna kosakata

Untuk pertanyaan keenam, karena Large Language Model (LLM) tidak dapat memahami istilah 'foot traffic' secara akurat, Anda dapat melakukan pra-pemrosesan dengan mengonfigurasi tabel polar4ai_nl2sql_llm_config.

CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'Primary key',
  `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`)
);

Masukkan item konfigurasi terkait untuk mengonfigurasi 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 calculated as the sum of the number of diners", 
  "", 
  ""
);

Dalam kasus ini, nilai 1 untuk is_functional menunjukkan bahwa item konfigurasi tersebut valid. Nilai kolom text_condition adalah 'people traffic||customer traffic', yang mencocokkan pertanyaan yang mengandung 'people traffic' atau 'customer traffic'. Kolom formula_function menjelaskan istilah khusus kepada Large Language Model (LLM) menggunakan teks atau formula.

Dalam kasus ini, Anda dapat langsung mengeksekusi pembuatan SQL tanpa perlu membuat tabel indeks atau melakukan vektorisasi. Hasilnya adalah sebagai berikut.

Petunjuk pencarian fuzzy

Pada pertanyaan 3, penggunaan operator = untuk mengambil nama tempat akan gagal jika namanya tidak cocok secara eksak. Oleh karena itu, Anda harus menggunakan pencarian fuzzy untuk pencocokan nama tempat. Anda dapat menambahkan item konfigurasi berikut.

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", 
  "", 
  ""
);

Jika text_condition kosong, item konfigurasi tersebut berlaku secara global. (Gunakan dengan hati-hati.)

Hasilnya ditunjukkan pada gambar di bawah. Seperti yang Anda lihat, pencocokan lokasi berhasil menggunakan pencarian fuzzy.

Demikian pula, untuk pertanyaan 5, Anda dapat menambahkan formula perhitungan month-over-month dan year-over-year ke dalam tabel konfigurasi polar4ai_nl2sql_llm_config untuk meningkatkan presisi SQL yang dihasilkan. Anda dapat mencobanya sendiri.

1. Asumsikan pernyataan Anda di 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');

   Setelah pernyataan SQL yang sesuai dihasilkan, pastikan pernyataan tersebut berjalan dan mengembalikan hasil yang bermakna serta tidak kosong.

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

2. Gunakan NL2Chart:

   Sintaksis

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

   Parameter

   Nama parameter	Deskripsi	Nilai contoh
   usr_query	Pertanyaan input pengguna, digunakan untuk memperjelas kebutuhan dalam menghasilkan grafik.	"Statistik penjualan setiap kuartal tahun 2023"
   result_type	Menentukan jenis hasil yang dikembalikan. Saat ini hanya mendukung 'IMAGE'.	'IMAGE'
   SQL statement	Pernyataan kueri SQL yang dihasilkan oleh modul NL2SQL, digunakan untuk mengambil data.	SELECT quarter, sales FROM sales_data WHERE year = 2023

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

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

   Hasilnya adalah sebagai berikut:

   Catatan

   Tautan yang dikembalikan adalah URL gambar 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) Pemilihan jenis grafik dan pemilihan paksa

   Model memilih grafik yang sesuai berdasarkan pemahamannya terhadap pertanyaan pengguna dan data. Kami merekomendasikan menggunakan pertanyaan pengguna untuk membimbing model dalam menghasilkan grafik.

   Tabel berikut menunjukkan pemetaan antara jenis pertanyaan dan jenis grafik:

   Jenis pertanyaan	Jenis grafik	Contoh pertanyaan pengguna	Deskripsi
   Statistik jumlah	Grafik kolom	"Harap berikan statistik penjualan berdasarkan kota"	Menunjukkan perbandingan numerik antar kategori berbeda, seperti jumlah, total, atau frekuensi.
   Perubahan tren	Grafik garis	"Harap tunjukkan tren pertumbuhan pengguna selama satu tahun terakhir"	Menunjukkan tren data dari waktu ke waktu atau lintas kategori berurutan, menekankan kontinuitas.
   Distribusi proporsi	Grafik lingkaran	"Harap tunjukkan proporsi penjualan setiap lini produk"	Cocok untuk menunjukkan hubungan proporsional bagian terhadap keseluruhan. Datanya harus bersifat kategorikal dan memiliki total yang jelas.

   Paksa jenis grafik tertentu dengan memodifikasi parameter usr_query. Tambahkan perintah tambahan di akhir parameter usr_query:

   -- Masukkan SQL output ke nl2chart untuk menggambar grafik garis
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS merchant_type, COUNT(*) AS number_of_merchants FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = 'Merchant type statistics, draw a line chart', result_type='IMAGE');

   

   -- Masukkan SQL output ke nl2chart untuk menggambar grafik lingkaran
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS merchant_type, COUNT(*) AS number_of_merchants FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = 'Merchant type statistics, draw a pie chart', result_type='IMAGE');

   

Untuk informasi selengkapnya, lihat NL2Chart: Hasilkan grafik cerdas dari bahasa alami.