E-MapReduce：AI Function

ai_sentiment（AI情感分析）

對輸入文本進行情感分析，返回情感傾向標籤。

文法

ai_sentiment(text)
ai_sentiment(model, text)

參數說明

• model：可選，文本產生模型名稱。省略時使用預設模型。

• text：必填，待分析文本，STRING 類型。

傳回值

返回 VARCHAR 類型的情感標籤（如 positive / negative / neutral）。若 text 為 NULL 或Null 字元串，則返回 NULL。

使用樣本

SELECT ai_sentiment('這次的服務體驗非常糟糕，客服態度差，問題也沒解決。');
-- 返回：negative

ai_classify（AI分類）

根據提供的候選標籤列表，為輸入文本選擇匹配度最高的標籤。

文法

ai_classify(input, categories)
ai_classify(model, input, categories)

參數說明

• model：可選。

• input：必填，待分類文本，STRING 類型。

• categories：必填，候選分類標籤，ARRAY<STRING> 類型。

傳回值

返回 JSON 類型，包含匹配的標籤。若 input 為 NULL 或Null 字元串，則返回 NULL。

ai_extract（實體擷取）

從輸入文本中按指定結構抽取欄位資訊，返回結構化結果。

文法

ai_extract(text, response_format)
ai_extract(model, text, response_format)

參數說明

• text：必填，待抽取的源文本。

• response_format：必填，期望輸出的結構定義，可為欄位列表或 JSON Schema。

傳回值

返回 JSON 類型。若 text 為 NULL 或Null 字元串，則返回 NULL。

ai_fix_grammar（文法錯誤修正）

檢測並修複輸入文本的拼字、文法與表達問題。

文法

ai_fix_grammar(text)
ai_fix_grammar(model, text)

傳回值

返回 VARCHAR 類型的修正後文本。若 text 為 NULL 返回 NULL。

ai_redact（PII脫敏）

對文本中指定類別的敏感資訊進行脫敏處理。

文法

ai_redact(input, categories)
ai_redact(model, input, categories)

參數說明

• input：必填，待脫敏文本。

• categories：必填，需要脫敏的資訊類別，ARRAY<STRING> 類型。

傳回值

返回脫敏後文本，命中類別以預留位置替換。

ai_translate（機器翻譯）

將輸入文本從源語言翻譯為目標語言。

文法

ai_translate(text, source_lang, target_lang)
ai_translate(model, text, source_lang, target_lang)

參數說明

• text：必填，待翻譯文本。

• source_lang：必填，源語言代碼（如 zh、en、auto）。

• target_lang：必填，目標語言代碼。語言代碼參考 ISO-639。

傳回值

返回 VARCHAR 類型的翻譯後文本。

ai_similarity（語義相似性）

計算兩段文本的語義相似性。

文法

ai_similarity(input1, input2)
ai_similarity(model, input1, input2)

傳回值

返回 [0, 1] 區間的 FLOAT 數值，值越大語義越相似。

ai_summarize（AI總結）

根據輸入文本產生摘要。

文法

ai_summarize(text)
ai_summarize(model, text)

傳回值

返回 VARCHAR 類型的文本摘要。若 text 為 NULL 返回 NULL。

ai_complete（AI補全）

通用模型調用介面，支援文本推理及多模態理解。

文法

ai_complete(prompt)
ai_complete(model, prompt)
ai_complete(model, prompt, extra_params)

參數說明

• model：可選，模型服務名稱。

• prompt：必填，提示詞，STRING 類型。

• extra_params：可選，產生參數 MAP（如 temperature、max_tokens、enable_thinking 等）。

傳回值

返回 STRING 類型的模型回答。

ai_filter（AI條件過濾）

按自然語言條件對文本做語義判斷，返回布爾值。可用於 WHERE 子句。

文法

ai_filter(text, condition)
ai_filter(model, text, condition)

參數說明

• text：必填，待判斷文本。

• condition：必填，自然語言過濾條件。

傳回值

返回 BOOLEAN 類型。滿足條件返回 true，否則返回 false。

ai_custom_query（自訂Resource查詢）

通過 Resource 調用自訂 LLM，執行自訂 Prompt。

文法

ai_custom_query(resource_name, prompt)
ai_custom_query(resource_name, prompt, extra_params)

參數說明

• resource_name：必填，模型 Resource 名稱。

• prompt：必填，提示詞。

傳回值

返回 STRING 類型的模型回答。

ai_complete（AI理解與產生）

通用模型調用介面，支援文本推理及多模態理解。是 StarRocks AI Function 中最靈活的函數，既可完成簡單文本推理，也可處理圖片、視頻、多內容融合等多模態輸入。文本產生的用法請參見 ai_complete（AI補全），本節介紹多模態理解與產生。

多模態理解與產生

支援傳入圖片二進位、URL + modality、或多內容數組，驅動多模態 LLM 進行理解與產生。

文法

-- 二進位圖片輸入
ai_complete(prompt, binary_image)
ai_complete(prompt, binary_image, extra_params)
ai_complete(model, prompt, binary_image)
ai_complete(model, prompt, binary_image, extra_params)

-- URL + modality 輸入
ai_complete(model, prompt, input, modality)
ai_complete(model, prompt, input, modality, extra_params)

-- 多內容融合輸入
ai_complete(model, prompt, contents)
ai_complete(model, prompt, contents, extra_params)

參數說明

• model：多模態產生時建議顯式指定（如 qwen-vl-max）。URL/視頻和多內容形式沒有無歧義的預設模型重載，因此需要顯式傳 model。

• prompt：必填，提示詞。

• binary_image：圖片位元據，VARBINARY 類型。

• input：URL 或 base64 編碼的輸入，VARCHAR 類型，需搭配 modality 使用。

• modality：輸入模態類型，取值 image / text。注意：當前 video 傳入會返回 NULL（需外部抽幀降級為 image）。

• contents：多內容融合輸入，ARRAY<MAP<VARCHAR,VARCHAR>> 類型，支援在單次調用中傳入多張圖片或混合內容。

• extra_params：可選，產生參數 MAP。

傳回值

返回 VARCHAR 類型的模型回答。

使用樣本

-- URL 圖片理解
SELECT ai_complete('qwen-vl-max',
  '描述這張圖片的主要內容',
  'https://bucket.oss-cn-hangzhou.aliyuncs.com/demo.jpg',
  'image');

-- 二進位圖片理解
SELECT ai_complete('qwen-vl-max', '識別圖中文字', image_binary)
FROM scanned_docs LIMIT 10;

-- 多內容融合（圖文混合）
SELECT ai_complete('qwen-vl-max', '對比這兩張圖片的差異',
  array[
    map{'type': 'image_url', 'image_url': 'https://bucket.oss-cn-hangzhou.aliyuncs.com/img1.jpg'},
    map{'type': 'image_url', 'image_url': 'https://bucket.oss-cn-hangzhou.aliyuncs.com/img2.jpg'}
  ]);

ai_embed（文本向量化）

將文本轉換為固定維度語義向量。

文法

ai_embed(text)
ai_embed(model, text)
ai_embed(model, text, extra_params)

參數說明

• model：可選，Embedding 模型名稱。

• text：必填，待向量化文本。

• extra_params：可選（如 dimension）。

傳回值

返回 ARRAY<FLOAT> 向量。若 text 為 NULL 返回 NULL。

ai_custom_embedding（自訂文本向量化）

通過 Resource 調用自訂 Embedding 模型產生文本向量。

文法

ai_custom_embedding(resource_name, text)
ai_custom_embedding(resource_name, text, extra_params)

傳回值

返回 ARRAY<FLOAT> 向量。

ai_embed_multimodal（多模態向量化）

將圖片、視頻、文本轉換為統一向量空間的語義向量，支援跨模態檢索和多內容融合。

文法

ai_embed_multimodal(input, modality)
ai_embed_multimodal(model, input, modality)
ai_embed_multimodal(binary_image)
ai_embed_multimodal(contents)

參數說明

• input：URL / base64 輸入，需搭配 modality。

• modality：取值 image / video / text。

• binary_image：圖片二進位，VARBINARY 類型。

• contents：多內容融合，ARRAY<MAP<VARCHAR,VARCHAR>>。

傳回值

返回 ARRAY<FLOAT> 向量。

ai_custom_multimodal_embedding（自訂多模態向量化）

通過 Resource 調用自訂多模態 Embedding 模型。

文法

ai_custom_multimodal_embedding(resource_name, input, modality)
ai_custom_multimodal_embedding(resource_name, binary_image)
ai_custom_multimodal_embedding(resource_name, contents)

傳回值

返回 ARRAY<FLOAT> 向量。

ai_agg（AI彙總）

對一組文本按 Prompt 做彙總式 LLM 處理（GROUP BY 彙總函式）。

文法

ai_agg(text, instruction)
ai_agg(model, text, instruction)

參數說明

• text：必填，參與彙總的文本列。

• instruction：必填，彙總指令。

傳回值

返回 VARCHAR 類型的彙總結果（每個分組一條）。

ai_agg_summary（AI彙總摘要）

對一組文本做彙總式摘要，是 ai_agg 面向摘要情境的便捷版本。

文法

ai_agg_summary(text)
ai_agg_summary(model, text)

傳回值

返回 VARCHAR 類型的彙總摘要（每個分組一條）。

語義篩選 + 分類分流

先用 ai_filter 在 WHERE 中過濾出目標語義的記錄，再用 ai_classify 打標籤，實現工單/評論的語義路由。適用於客服工單自動派單、使用者反饋歸類等情境。

-- 步驟1：語義過濾出投訴類工單
-- 步驟2：對投訴工單按業務線分類
SELECT ticket_id, content,
       ai_classify(content, ['物流問題', '產品品質', '售後服務', '價格爭議']) AS category
FROM tickets
WHERE ai_filter(content, '內容表達了客戶投訴或不滿');

多模態檢索訓練集構建

用 ai_embed_multimodal 對海量圖片/視頻向量化並寫入向量列，配合向量索引 + 全文索引做混合檢索，按"相似性 + 結構化標籤"組合篩選，資料不出湖。適用於電商以圖搜圖、視頻內容檢索、多模態 RAG 知識庫構建等情境。

-- 對商品圖片批量向量化寫入
INSERT INTO product_vectors (product_id, image_vec)
SELECT product_id,
       ai_embed_multimodal('qwen3-vl-embedding', image_url, 'image') AS image_vec
FROM products;

-- 以文搜圖：尋找與描述語義最相近的商品圖
SELECT product_id, image_url
FROM product_vectors
ORDER BY cosine_similarity(image_vec,
  ai_embed_multimodal('qwen3-vl-embedding', '紅色連衣裙 夏季款', 'text'))
DESC LIMIT 10;

客戶/商品維度 AI 匯總

用 ai_agg / ai_agg_summary 在 GROUP BY 上把一個實體的多條文本匯總成畫像或摘要，直接產出可分析的結論列。適用於客戶畫像產生、商品評價匯總、會議紀要提煉等情境。

-- 為每個客戶產生問題畫像
SELECT customer_id,
       ai_agg(content, '綜合該客戶的所有工單，用一句話總結其主要問題訴求和情緒傾向') AS customer_profile
FROM support_tickets
GROUP BY customer_id;

-- 按產品彙總使用者評論摘要
SELECT product_id,
       ai_agg_summary(review_text) AS review_digest
FROM product_reviews
GROUP BY product_id;

敏感性資料脫敏後分析

用 ai_redact 對文本脫敏後再入庫分析，兼顧合規與可用性。適用於開發/測試環境資料準備、審計日誌脫敏輸出、隱私合規情境。

-- 對使用者反饋文本脫敏後寫入分析表
INSERT INTO feedback_anonymized (ticket_id, content_clean)
SELECT ticket_id,
       ai_redact(content, ['姓名', '手機號', '身份證', '郵箱', '銀行卡']) AS content_clean
FROM user_feedback;

批量內容產生與翻譯

用 ai_complete 批量產生營銷文案，結合 ai_translate 實現多語言本地化，全部在 SQL 內完成，無需匯出到外部工具。

-- 批量為商品產生營銷文案並翻譯為英文
SELECT product_name,
       ai_complete('qwen3.6-plus',
         concat('為以下商品寫一句15字以內的促銷文案：', product_name)) AS slogan_zh,
       ai_translate(
         ai_complete('qwen3.6-plus',
           concat('為以下商品寫一句15字以內的促銷文案：', product_name)),
         'zh', 'en') AS slogan_en
FROM products
WHERE category = '夏季新品';