PolarDB:AI_CreateModel

構文

table AI_CreateModel(text model_id, text model_url, text model_provider, text model_type, text model_name, json model_config, regprocedure model_headers_fn, regprocedure model_in_transform_fn, regprocedure model_out_transform_fn);

パラメーター

戻り値

AI モデルの作成結果を表形式で返します。次の表は、結果パラメーターを示しています。

入力関数と出力関数

• AI_CreateModel は AI モデルのメタデータをメタデータテーブルに登録しますが、モデルを呼び出したり実行したりすることはありません。AI モデルの呼び出し方法については、「AI_CallModel」をご参照ください。

• model_in_transform_fn パラメーターで指定された入力関数は、ユーザー定義入力を JSONB 形式の HTTP リクエスト本文（AI モデルで必要）に変換します。次の例は、PAI にデプロイされている DeepSeek-R1-Distill-Qwen-7B モデルの入力関数の出力を示しています。

  {
    "model": "DeepSeek-R1-Distill-Qwen-7B",
    "prompt": "Hello!"
  }

  リクエスト本文には、model パラメーターと prompt パラメーターを含める必要があります。入力関数は次のように定義できます。

  CREATE OR REPLACE FUNCTION ai_text_in_fn(model_name text, content text)
      RETURNS jsonb
      LANGUAGE plpgsql
      AS $function$
      BEGIN
          RETURN ('{"model": "'|| model_name ||'","prompt":"'|| content ||'"}')::jsonb;
      END;
      $function$;

• model_out_transform_fn パラメーターで指定された出力関数は、通常 JSON 形式のモデルの出力を必要な形式に変換します。次のサンプルコードは、既知の AI モデルから返された JSON 形式の実際の結果を示しています。

  {
      "id": "8e44xxxx",
      "object": "text_completion",
      "created": 1744355891,
      "model": "DeepSeek-R1-Distill-Qwen-7B",
      "choices": [
          {
              "index": 0,
              "text": " I have a\n\n\n</think>\n\nHello! How can I assist you today? ",
              "logprobs": null,
              "finish_reason": "stop",
              "matched_stop": 151643
          }
      ],
      "usage": {
          "prompt_tokens": 3,
          "total_tokens": 21,
          "completion_tokens": 18,
          "prompt_tokens_details": null
      }
  }

  返された結果からは、choices[0].text の部分のみが必要です。パラメーターは JSONB 型である必要があります。出力関数は次のように定義できます。

  CREATE OR REPLACE FUNCTION ai_text_out_fn(model_id text, response_json jsonb)
      RETURNS jsonb
      AS $$
      SELECT (response_json->'choices'->0->'text')::jsonb
      $$ LANGUAGE sql IMMUTABLE;

例

次の手順では、PAI にデプロイされている DeepSeek-R1-Distill-Qwen-7B モデルを例として使用して、モデルを登録する方法について説明します。

1. モデルの入力関数を作成します。

   CREATE OR REPLACE FUNCTION ai_text_in_fn(model_name text, content text)
       RETURNS jsonb
       LANGUAGE plpgsql
       AS $function$
       BEGIN
           RETURN ('{"model": "'|| model_name ||'","prompt":"'|| content ||'"}')::jsonb;
       END;
       $function$;

2. モデルの出力関数を作成します。

   CREATE OR REPLACE FUNCTION ai_text_out_fn(model_id text, response_json jsonb)
       RETURNS jsonb
       AS $$
       SELECT (response_json->'choices'->0->'text')::jsonb
       $$ LANGUAGE sql IMMUTABLE;

3. モデルのメタデータをメタデータテーブルに登録します。次の構成を行います。

   • model_url を、呼び出しメソッド /v1/completions が追加された、PAI にデプロイされているモデルの VPC エンドポイントに設定します。

   • model_config の token を、AI モデルへのアクセスに必要なトークンに設定します。

   • model_in_transform_fn を ai_text_in_fn 関数に設定します。

   • model_out_transform_fn を ai_text_out_fn 関数に設定します。

   SELECT polar_ai.AI_CreateModel('my_text_pai_model', '<EAS Endpoint>/v1/completions','Alibaba','EAS LLM','DeepSeek-R1-Distill-Qwen-32B','{"author_type": "token", "token": "<EAS Token>"}', NULL, 'ai_text_in_fn'::regproc, 'ai_text_out_fn'::regproc);

4. 結果を表示します。詳細については、「戻り値」をご参照ください。

                     ai_createmodel
   -------------------------------------------------------------
   (1,my_text_pai_model,polar_ai,DeepSeek-R1-Distill-Qwen-7B,t)

5. (オプション) 作成された AI モデルを表示します。

   SELECT * from polar_ai._ai_models;

   結果例:

    model_seq |    model_id    | model_url | model_provider | model_type | model_name | model_config |  model_headers_fn  |     model_in_transform_fn     |     model_out_transform_fn      
   ---
    1 | my_text_embedding_model | https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding | Alibaba | General-purpose text embedding model | 
   text-embedding-v2    | {"token": "20E0BE9E5438xxxxxxxxxxxxxxxxxxxx", "author_type": "token"} |  - | ai_text_embedding_in_fn(text,text) | ai_text_embedding_out_fn(text,jsonb)