使用 EMR Serverless Spark AI 函數進行模型推理 - E-MapReduce

AI Function 將大語言模型（LLM）能力直接整合到Serverless Spark中，讓資料工程師無需 SDK、API 或模型營運，即可在 SQL/PySpark 中直接調用大模型完成情感分析、翻譯、抽取等任務。

使用限制

支援的引擎版本。
- esr-4.x：esr-4.6.0及之後版本。
- esr-3.x：esr-3.5.0及之後版本。
- esr-2.x：esr-2.9.0及之後版本。
不支援情境
通過 Kyuubi Gateway 和 Livy Gateway 提交的任務。
啟用配置
作業提交、或建立會話時添加spark.emr.serverless.ai.function.enable true Spark 配置以啟用 AI Function功能。

函數總覽

下表匯總了Serverless Spark內建的所有 AI Function。

函數	說明	預設關聯模型	典型用法
`ai_query()`	通用模型調用介面，支援自訂 Prompt、指定模型及產生參數	qwen-plus	批量摘要、資訊抽取、調用外部/自建模型端點
`ai_sentiment()`	情感分析（正/負/中性）	qwen-plus	輿情監控、客服評論分析、使用者反饋分級
`ai_fix_grammar()`	文法與用詞錯誤修正	qwen-plus	產生對外文案前自動潤色
`ai_classify()`	多類別/多標籤分類	qwen-plus	工單分類（投訴/諮詢/建議）、新聞主題識別、日誌類型標註
`ai_extract()`	從文本中提取預定義 STRUCT 結構欄位	qwen-plus	關鍵資訊抽取（甲方/金額/日期）、評論屬性解析（產品/問題/滿意度）
`ai_similarity()`	計算兩段文本的語義相似性（0.0–1.0）	qwen-plus	去重、召回匹配、問答對相似性評分、RAG 相似文檔檢索
`ai_translate()`	翻譯到指定語言	qwen-plus	端到端多語報表、跨境情境
`ai_sql_optimize()`	最佳化 SQL（重寫/注釋建議）	qwen-plus	自動給出謂詞下推、分桶/分區、Join 順序建議
`ai_sql_hive_to_spark()`	將 HiveQL 轉換為 Spark SQL 相容文法	qwen-plus	Hive 作業遷移、UDF 文法適配、視窗函數標準化
`ai_embedding()`	產生文本語義向量	text-embedding-v4	RAG 向量庫構建、語義聚類、相似性召回、特徵工程

通用函數：`ai_query()`

ai_query() 是 AI Function 提供的通用介面，用於執行自訂提示詞（Prompt）調用大模型，支援靈活接入內建模型或外部服務。它適用於標準任務型函數無法覆蓋的複雜推理、多輪指令、結構化輸出等進階情境。

函數文法

ai_query(prompt [, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`prompt`	STRING	是	發送給模型的完整提示詞（Prompt），應包含上下文、指令和輸入資料。建議明確指定輸出格式以提升穩定性。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING。

使用樣本

不指定模型

-- ai_query()不指定模型
select
  ai_query ('請判斷下面這個評論是正向還是負向？\n 這個東西相當不行');

返回結果：

這個評論是負向的。 理由：“相當不行”是一種明顯的否定表達，語氣較強，表示對某事物的強烈不滿或負面評價。因此，整體情感傾向為負向。

指定模型

-- ai_query()指定‘my_qwen_service’模型
select
  ai_query ('請判斷下面這個評論是正向還是負向？\n 這個東西相當不行', 'my_qwen_service')
;

返回結果：

<think> 嗯，使用者讓我判斷這個評論是正向還是負向。評論是“這個東西相當不行”。首先，我需要理解這句話的意思。使用者說的是“這個東西”不好，所以應該屬於負面評價。 接下來，我需要考慮常見的負面評價的特徵。通常，負面評價會包含明顯的負面詞彙，比如“不行”、“不好”、“糟糕”、“糟糕的”等。這些都是典型的負面情感詞彙。此外，使用者用了“相當”這個詞，可能是在強調程度，但主要還是在表達不滿。 然後，我要考慮使用者的潛在需求。使用者可能是在對某個產品或服務不滿意，需要判斷這個評論是否有效傳達了負面情緒。使用者可能希望瞭解評論的方向，或者是否需要進一步處理。 還要注意使用者可能的深層意圖。使用者可能是在尋找如何處理這類評論，或者是否應該進行改進。因此，回答時需要明確指出評論的負面性質，並解釋原因，這樣使用者能清楚理解。 最後，確保回答簡潔明了，直接指出評論是負向的，同時保持禮貌和專業。這樣使用者就能得到準確的資訊，沒有歧義。 </think> 這個評論是**負向**的。

指定模型且指定參數

-- ai_query()指定‘my_qwen_service’模型，且指定 “{"chat_template_kwargs": {"enable_thinking": false}}”參數，關閉思維鏈（thinking）過程
select
  ai_query (
    '請判斷下面這個評論是正向還是負向？\n 這個東西相當不行',
    'my_qwen_service',
    '{"chat_template_kwargs": {"enable_thinking": false}}'
  );

返回結果：

這個評論是**負向**。

任務型函數

情感分析：`ai_sentiment()`

ai_sentiment() 是 AI Function 提供的情感分析專用函數，用於自動識別文本中的情緒傾向，並返回積極、消極、中性結果。適用於使用者評論分析、輿情監控等情境。

函數文法

ai_sentiment(text[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待分析的常值內容，建議為完整句子或段落。過短或無意義文本可能影響判斷準確性。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING 。

使用樣本

SELECT
  ai_sentiment ('I absolutely love this  phone! It’s amazing!');

返回結果：

positive

文法修正：`ai_fix_grammar()`

ai_fix_grammar() 是 AI Function 提供的文法錯誤修正專用函數，用於自動檢測並修本文本中的拼字錯誤、文法問題和表達不通順之處。適用於使用者產生內容清洗、客服對話最佳化、文檔預先處理等情境。

函數文法

ai_fix_grammar(text[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待修正的原始常值內容，建議為完整句子或段落。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING。

使用樣本

SELECT
  ai_fix_grammar ('He go to school yesterday and dont like math.');

返回結果：

He went to school yesterday and didn't like math.

文本分類：`ai_classify()`

ai_classify() 是 AI Function 提供的文本分類專用函數，可根據指定的標籤列表對輸入文本進行自動歸類。適用於新聞分類、工單路由、評論主題識別等多類別分類任務。

函數文法

ai_classify(text, labels[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待分類的常值內容，建議為完整語義單元。
`labels`	ARRAY	是	候選分類標籤數組，如 `array('科技', '體育', '娛樂')`。標籤應具有區分性，避免語義重疊。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：String。

使用樣本

SELECT ai_classify(
  '梅西在比賽中打入一記精彩自由球',
  array('科技', '體育', '娛樂', '財經')
) AS category;

返回結果：

體育

資訊抽取：`ai_extract()`

ai_extract() 是 AI Function 提供的資訊抽取專用函數，可從非結構化文本中提取預定義結構的欄位資訊。適用於使用者評論解析、合約關鍵資訊提取、日誌結構化等情境。

函數文法

ai_extract(text, labels[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待抽取資訊的源常值內容。
`labels`	ARRAY	是	預定義的抽取欄位列表，如 `Array('country', 'age', 'name')`。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：JSON。

使用樣本

select
  ai_extract (
    'I am Alice,from china . I am 6 years old. Welcome!',
    Array('country', 'age', 'name')
  );

返回結果：

{"country": "china", "age": "6", "name": "Alice"}

相似性計算：`ai_similarity()`

ai_similarity() 是 AI Function 提供的語義相似性計算函數，用于衡量兩個文本之間的語義接近程度。基於向量餘弦相似性實現，適用於重複內容識別、推薦系統、問答匹配等情境。

函數文法

ai_similarity(text1, text2[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text1`	STRING	是	第一個常值內容。
`text2`	STRING	是	第二個常值內容。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：DOUBLE。

使用樣本

SELECT
  ai_similarity (
    'I enjoy hiking in the mountains.',
    'I love walking through mountain trails.'
  );

返回結果：

0.85

翻譯：`ai_translate()`

ai_translate() 是 AI Function 提供的文本翻譯專用函數，支援將輸入文本自動翻譯為目標語言。適用於跨語言資料分析、國際化內容處理等情境。

函數文法

ai_translate(text, target_lang[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待翻譯的原始常值內容。
`target_lang`	STRING	是	目標語言代碼，目前支援 • zh：中文 • en：英文 • ja：日文 • ko：韓文 • ru：俄文 • de：荷蘭文 • es：西班牙文 • fr：法文 • it：意大利文
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING。

使用樣本

select
  ai_translate ('你來自哪兒？', 'en')
;

返回結果：

Where are you from?

SQL語句最佳化：`ai_sql_optimize()`

ai_sql_optimize() 是 AI Function 提供的 SQL 最佳化建議產生函數，可自動分析輸入的 SQL 查詢語句，給出謂詞下推、分桶/分區、Join 順序建議。適用於查詢提速、資源節省和執行計畫改進等情境。

函數文法

ai_sql_optimize(sql_text[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`sql_text`	STRING	是	待最佳化的 SQL 查詢語句文本，建議包含完整的表結構上下文。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING 。

使用樣本

SELECT
  ai_sql_optimize (
    'SELECT * FROM logs WHERE date = "2025-01-01" AND user_id IN (SELECT id FROM users WHERE status = "active");'
  );

返回結果：

SELECT
  l.*
FROM
  logs l
  JOIN users u ON l.user_id = u.id
WHERE
  l.date = '2025-01-01'
  AND u.status = 'active'
;

Hive轉Spark SQL：`ai_sql_hive_to_spark()`

ai_sql_hive_to_spark() 是 AI Function 提供的 HiveQL 到 Spark SQL 的自動轉換函式，能夠識別 Hive 特有文法（如 LATERAL VIEW、SORT BY 等），並將其轉換為相容 Spark SQL 的等價形式。適用於遷移 Hive 作業至 Spark 環境的情境。

函數文法

ai_sql_hive_to_spark(hql_text[, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`hql_text`	STRING	是	輸入的 HiveQL 語句，支援複雜查詢、視窗函數等文法結構。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `qwen-plus`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：STRING。

使用樣本

SELECT
  ai_sql_hive_to_spark (
    '
  SELECT 
    user_id,
    nvl2(email, "verified", "anonymous") AS user_type,
    current_date() AS load_date
  FROM users
  WHERE login_time >= date_sub(current_date(), 7)
'
  );

返回結果：

SELECT
  user_id,
  CASE
    WHEN email IS NOT NULL THEN "verified"
    ELSE "anonymous"
  END AS user_type,
  current_date() AS load_date
FROM
  users
WHERE
  login_time >= date_sub(current_date(), 7)

文字向量：`ai_embedding()`

ai_embedding() 是 AI Function 提供的文本向量化專用函數，可將文本轉換為高維語義向量（Embedding），用於語義檢索、聚類、相似性計算等下遊 AI 任務。

函數文法

ai_embedding(text[, dimension][, service_name] [, options])

參數說明

參數	類型	是否必填	說明
`text`	STRING	是	待向量化的常值內容，建議控制長度以避免截斷。
`dimension`	INT	否	向量維度，支援設定2,048、1,536、1,024（預設）、768、512、256、128、64。
`service_name`	STRING	否	指定要調用的模型服務名稱： • 若省略，則使用預設模型，預設為 `text-embedding-v4`。 • 通過模型服務註冊的模型服務名稱，請參見模型服務。
`options`	STRING	否	以 JSON 字串形式提供額外調用參數，用於控制產生行為。支援調整的參數詳見Options參數說明。

傳回值類型：ARRAY<DOUBLE> 。

使用樣本

select ai_embedding ('This is a sentence', 256);

返回結果：

[-0.08807944506406784,0.041450440883636475,0.027626311406493187,-0.03082999959588051,-0.027538539841771126,0.030325308442115784,-0.0742553174495697,0.12841078639030457,-0.20047178864479065,0.2492731511592865,-0.07697625458240509,-0.0023876791819930077,0.01588677428662777,0.039453621953725815,0.035416096448898315,-0.044588297605514526,-0.025783095508813858,-0.09935817122459412,0.062230516225099564,0.06122113764286041,-0.019803611561655998,0.06359098851680756,0.08360305428504944,0.10120139271020889,-0.08680674433708191,-0.04792364314198494,0.012836690060794353,-0.06468813866376877,-0.08948379755020142,-0.00902956910431385,-0.17264799773693085,0.009084426797926426,-0.026200013235211372,0.009852433577179909,-0.02606835402548313,0.08351528644561768,-0.0015181854832917452,0.06165999919176102,-0.03504306450486183,0.019748752936720848,-0.04077020660042763,-0.047440893948078156,-0.04590488225221634,-0.017225300893187523,-0.03984859585762024,0.09795381873846054,-0.016599925234913826,-0.05077623948454857,-0.04487355798482895,-0.029623130336403847,-0.09058094769716263,0.027209393680095673,0.020637447014451027,-0.05981678143143654,0.07285095751285553,-0.012353942729532719,-0.02896483801305294,-0.12604093551635742,-0.060343414545059204,0.008782709948718548,0.0731581598520279,0.014306874945759773,-0.012321027927100658,0.003225629683583975,0.04382029175758362,-0.054506558924913406,-0.04298645257949829,0.011119645088911057,-0.013692469336092472,-0.06780405342578888,0.027604369446635246,0.11024193465709686,-0.06323989480733871,-0.04594876617193222,-0.037325143814086914,0.05415547266602516,-0.013747327029705048,0.07969719171524048,-0.11858029663562775,0.004797301255166531,-0.012759889476001263,0.006895606406033039,-0.07465028762817383,-0.04066048935055733,0.1428932100534439,0.037390973418951035,-0.012748917564749718,-0.07846838235855103,0.05415547266602516,-0.0560864619910717,-0.045422133058309555,0.04989851638674736,0.07842449843883514,0.0030226565431803465,0.031356632709503174,-0.04254759103059769,-0.13051731884479523,-0.01195896789431572,0.037654291838407516,-0.02290855348110199,-0.013494981452822685,-0.15605904161930084,-0.018443141132593155,-0.0013947556726634502,0.05305831879377365,0.06736519187688828,-0.09172198921442032,-0.05419935658574104,0.004629985429346561,0.09751495718955994,-0.010527183301746845,-0.08500741422176361,-0.06253772228956223,0.029228154569864273,9.778375970199704E-4,-0.057359158992767334,-0.0935652032494545,2.768597041722387E-4,-0.01802622340619564,0.028262659907341003,0.07342147827148438,-0.023676561191678047,-0.09769050031900406,-0.07697625458240509,0.05665697902441025,-0.15061716735363007,0.012310056015849113,-0.004180152900516987,0.087508924305439,-0.02492731623351574,-0.04120906442403793,-0.09865599870681763,0.055472053587436676,-0.03798343613743782,0.013308465480804443,-0.035591643303632736,0.028196832165122032,0.0260244682431221,-1.6988728020805866E-4,-0.02999616228044033,-0.023435188457369804,0.02786768600344658,0.06337155401706696,0.009775632992386818,0.04219650477170944,-0.057315271347761154,0.01100444421172142,-0.07895112782716751,-0.020341215655207634,0.013703440316021442,-0.0821109265089035,0.008376763202250004,-0.01687421277165413,-0.0050935326144099236,-0.025475893169641495,0.013286522589623928,0.05169785022735596,0.04568545147776604,0.08329585194587708,0.03730320185422897,0.06069450452923775,0.020670361816883087,0.04309616982936859,0.026353614404797554,-0.061352793127298355,-0.07236821204423904,-0.012847661040723324,-0.006835263222455978,-0.034428659826517105,0.009084426797926426,-0.011827308684587479,0.034560319036245346,-0.03793954849243164,0.05929014831781387,0.026419444009661674,0.03372648358345032,-0.021229909732937813,-0.015711231157183647,0.017587361857295036,-0.03291459009051323,0.05371661111712456,-0.02712162211537361,0.25787484645843506,-0.04318394139409065,-0.002493280218914151,-0.00854133628308773,-0.07478194683790207,0.024773715063929558,-0.009320314973592758,0.032475728541612625,0.05367272347211838,-0.031488291919231415,0.05275111645460129,0.11199737340211868,-0.05582314357161522,0.00895276851952076,-0.016259808093309402,0.16071097552776337,-0.04412749409675598,-0.04083603248000145,-0.04465412721037865,-0.09856822341680527,-0.08979099988937378,0.02593669667840004,0.11910692602396011,-0.027253279462456703,0.05915848910808563,-0.11910692602396011,0.03693016991019249,-0.07144660502672195,-0.04480772837996483,-0.04586099460721016,-0.04274507984519005,-0.019430579617619514,-0.00844807829707861,0.027604369446635246,-0.022579409182071686,0.019397664815187454,0.035503871738910675,0.07899501174688339,-0.06657524406909943,0.02505897358059883,-0.023786276578903198,0.0518295057117939,0.03671073913574219,0.05678863823413849,0.1004992127418518,0.008546821773052216,0.03872950002551079,0.0085248788818717,0.08641176670789719,-0.006901092361658812,-0.13771463930606842,-0.06767239421606064,-0.07789786159992218,0.06122113764286041,-0.02087882161140442,-0.031246917322278023,0.022623294964432716,-0.006160513963550329,0.09268748760223389,0.08465632051229477,-0.1036590114235878,-0.09900708496570587,0.008299962617456913,0.06367875635623932,-0.004986560437828302,-0.0022011632099747658,0.02088979259133339,-0.016139119863510132,-0.07934610545635223,0.029754789546132088,-0.04880136623978615,0.05595480278134346,-0.01239782851189375,0.02087882161140442]

Options參數說明

本文僅說明Serverless Spark內建模型服務是否支援下述參數，如果使用其他外部模型服務，請參考所使用模型官方文檔。

參數	說明	qwen-plus	text-embedding-v4
`temperature`	採樣溫度，控制模型產生文本的多樣性。temperature越高，產生的文本更多樣，反之，產生的文本更確定。取值範圍：[0, 2)。	✓	✗
`top_p`	核採樣的機率閾值，控制模型產生文本的多樣性。top_p越高，產生的文本更多樣。取值範圍：(0,1.0]。	✓	✗
`top_k`	產生過程中採樣候選集的大小。取值越大，產生的隨機性越高；取值越小，產生的確定性越高。取值需要大於或等於0。	✓	✗
`presence_penalty`	控制模型產生文本時的內容重複度。取值範圍：[-2.0, 2.0]。正值降低重複度，負值增加重複度。	✓	✗
`seed`	隨機數種子。用於確保在相同輸入和參數下產生結果可複現。取值範圍：[0,2³¹-1]。	✓	✗
`stop`	用於指定停止詞。當模型產生的文本中出現stop指定的字串或token_id時，產生將立即終止。	✓	✗
`response_format`	返回內容的格式。可選值： • `{"type": "text"}`：輸出文字回複； • `{"type": "json_object"}`：輸出標準格式的JSON字串； • `{"type": "json_schema","json_schema": {...} }`：輸出指定格式的JSON字串。	✓	✗
`encoding_format`	指定向量編碼格式，如 `float`、`base64` 等。	✗	✓
`max_input_tokens`	限制最大輸入 token 數。超出時會自動截斷輸入。	✓	✗
`max_tokens`	用於限制模型輸出的最大 Token 數。若產生內容超過此值，產生將提前停止。適用於需控制輸出長度的情境。	✓	✗
`enable_thinking`	使用混合思考模型時，是否開啟思考模式。	✓	✗
`thinking_budget`	思考過程的最大長度。	✓	✗
`logprobs`	是否返回輸出 Token 的對數機率。可選值： • `true`：返回； • `false`：不返回。	✓	✗
`top_logprobs`	指定在每一步產生時，返回模型最大機率的候選 Token 個數。取值範圍：[0,5]。僅當 `logprobs` 為 `true` 時生效。	✓	✗
`enable_search`	模型在產生文本時是否使用互連網搜尋結果進行參考。取值： • `true`：啟用互連網搜尋； • `false`：關閉互連網搜尋。	✓	✗
`search_options`	連網搜尋的策略。僅當 `enable_search` 為 `true` 時生效。	✓	✗
`chat_template_kwargs`	傳遞給聊天模板的額外參數，用於控制模板渲染行為（如開啟特定能力標籤等）。	✓	✗
`parameters`	DashScope 原生介面中的通用參數封裝對象，上述參數在原生介面中放在此欄位內傳遞。	✓	✓

常見問題

Q: 如何關閉 ai_query() 函數中的“think”過程（如思維鏈/推理步驟）？
A: ai_query() 支援通過參數控制模型輸出行為。若需關閉思維鏈（thinking）過程，僅返回最終結果，可在調用時傳入如下配置{"chat_template_kwargs": {"enable_thinking": false}}。

說明

enable_thinking參數僅適用於 Qwen 系列模型。對於其他模型，關閉思維鏈（thinking）的參數，需要根據具體模型的參數進行配置。
支援通過temperature、top_k等參數調節模型輸出的隨機性與多樣性。具體支援的參數請參考所使用模型的官方文檔。

使用限制

函數總覽

通用函數：ai_query()

任務型函數

情感分析：ai_sentiment()

文法修正：ai_fix_grammar()

文本分類：ai_classify()

資訊抽取：ai_extract()

相似性計算：ai_similarity()

翻譯：ai_translate()

SQL語句最佳化：ai_sql_optimize()

Hive轉Spark SQL：ai_sql_hive_to_spark()

文字向量：ai_embedding()

Options參數說明

常見問題

通用函數：`ai_query()`

情感分析：`ai_sentiment()`

文法修正：`ai_fix_grammar()`

文本分類：`ai_classify()`

資訊抽取：`ai_extract()`

相似性計算：`ai_similarity()`

翻譯：`ai_translate()`

SQL語句最佳化：`ai_sql_optimize()`

Hive轉Spark SQL：`ai_sql_hive_to_spark()`

文字向量：`ai_embedding()`