PolarDB:Data-Agent のベストプラクティス

語彙の意味のヒント

6 番目の質問では、LLM は「customer traffic」という用語を正確に解釈できません。polar4ai_nl2sql_llm_config テーブルを設定して、この用語を前処理できます。

CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主キー',
  `is_functional` int(11) NOT NULL DEFAULT '1' COMMENT '有効かどうか',
  `text_condition` text COMMENT 'テキスト条件',
  `query_function` text COMMENT 'クエリ処理',
  `formula_function` text COMMENT '数式情報',
  `sql_condition` text COMMENT 'SQL 条件',
  `sql_function` text COMMENT 'SQL 処理',
  PRIMARY KEY (`id`)
);

設定項目を挿入して、大規模言語モデル (LLM) に「customer traffic」または「customer flow」を食事客の数としてカウントするように指示できます。

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", 
  "", 
  ""
);

is_functional の値が 1 の場合、設定項目がアクティブであることを示します。text_condition フィールドの値「customer traffic||customer flow」は、「customer traffic」または「customer flow」のいずれかを含む質問に一致します。formula_function フィールドは、テキストまたは数式を使用して、LLM に技術用語の意味を説明します。

この場合、インデックステーブルを構築したり、ベクトル化を実行したりせずに、SQL 生成を直接実行できます。結果は以下のとおりです。

あいまい検索のヒント

3 番目の質問では、= オペレーターで地名を照合すると失敗する可能性があります。次の設定項目を追加して、地名の照合にあいまい検索を使用するようにヒントを与えることができます。

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", 
  "", 
  ""
);

ここで、text_condition は空です。これは、設定項目がグローバルに適用されることを意味します。注意して使用してください。

結果は以下のとおりです。場所の照合は、正しくあいまい検索を使用するようになりました。

同様に、5 番目の質問では、「前月比」と「前年比」の計算式を polar4ai_nl2sql_llm_config テーブルに追加できます。これにより、生成される SQL の精度が向上します。挑戦として、ご自身で試してみてください。

1. NL2SQL へのクエリが次のようであると仮定します。

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

   次の SQL 文が生成されます。SQL 文が実行され、空でない結果が返されることを確認してください。

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

2. NL2Chart の使用：

   構文

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

   パラメーターの説明

   パラメーター	説明	例
   usr_query	ユーザーの質問。これにより、チャートを生成するための要件が明確になります。	「2023 年の四半期ごとの売上統計」
   result_type	結果タイプを指定します。現在、'IMAGE' のみがサポートされています。	'IMAGE'
   SQL statement	データを取得するために NL2SQL モジュールによって生成された SQL クエリ文。	SELECT quarter, sales FROM sales_data WHERE year = 2023

   例：生成された SQL 文のクエリ結果をチャートに変換する

   /*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');

   結果は次のとおりです。

   説明

   返されるリンクは 90 分間有効な画像 URL です。

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

   

3. (オプション) チャートタイプの選択または強制

   モデルは、ユーザーの質問とデータの理解に基づいて適切なチャートを選択します。ユーザーの質問の表現方法によってモデルをガイドできます。

   次の表は、質問タイプとチャートタイプのマッピングを示しています。

   質問タイプ	チャートタイプ	ユーザーの質問の例	説明
   数量統計	縦棒グラフ	「都市別の売上統計を提供してください」	数量、合計金額、頻度など、異なるカテゴリ間の数値の比較を示します。
   トレンド変化	折れ線グラフ	「過去 1 年間のユーザー増加トレンドを示してください」	データが時間とともに、または順序付けられたカテゴリにわたってどのように変化するかを示し、連続性を強調します。
   割合分布	円グラフ	「各製品ラインの売上比率を示してください」	全体に対する部分の比例関係を示すのに適しています。データはカテゴリ別であり、明確な合計が必要です。

   usr_query パラメーターを変更することで、特定のチャートタイプを強制できます。usr_query パラメーターの末尾に追加のコマンドを追加します。

   -- 出力 SQL を nl2chart に入力して折れ線グラフを描画
   /*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');

   

   -- 出力 SQL を nl2chart に入力して円グラフを描画
   /*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');

   

詳細については、「自然言語からインテリジェントチャートへ (NL2Chart)」をご参照ください。