PolarDB：Data-Agent最佳實務

詞彙含義提示

在第六個問題中，由於“大模型”無法準確理解“人流量”這一詞彙的含義，因此可以通過配置polar4ai_nl2sql_llm_config表進行預先處理。

CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
  `is_functional` int(11) NOT NULL DEFAULT '1' COMMENT '是否生效',
  `text_condition` text COMMENT '文本條件',
  `query_function` text COMMENT '查詢處理',
  `formula_function` text COMMENT '公式資訊',
  `sql_condition` text COMMENT 'SQL條件',
  `sql_function` text COMMENT 'SQL處理',
  PRIMARY KEY (`id`)
);

插入相關的配置項，告知大模型將“人流量”或“客流量”統計為“就餐人數”。

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  1, 
  1, 
  "人流量||客流量", 
  "", 
  "人流量或客流量使用就餐人數總和進行統計", 
  "", 
  ""
);

其中，is_functional為1表示該配置項有效。欄位text_condition的值為“人流量||客流量”，用於在問題中匹配含有“人流量”或者“客流量”的情況。formula_function中的內容則是通過文字（或公式）向大模型解釋專業詞彙的含義。

在此情況下，無需構建索引表和進行向量化處理，可以直接執行SQL產生，結果如下。

模糊比對提示

在第3個問題中，地名匹配使用=操作符進行檢索將導致失敗。因此，我們需要提示在進行地名匹配時應使用模糊搜尋，可以添加以下配置項。

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  2, 
  1, 
  "", 
  "", 
  "門店地點position的匹配需要使用模糊搜尋", 
  "", 
  ""
);

其中，text_condition為空白，表示該配置項將全域生效（請謹慎使用）。

結果如下圖所示。可以看到，地點的匹配成功地使用了模糊搜尋。

同理，在第5個問題中，“環比”和“同比”的計算公式也可以錄入到polar4ai_nl2sql_llm_config配置表中，以提高產生SQL的精確度。您可以自行進行挑戰嘗試。

1. 假設您在NL2SQL中的語句如下：

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, select '商戶類型統計') WITH (basic_index_name='schema_index',pattern_index_name='pattern_index');

   並產生了相應SQL語句（請檢查SQL語句運行結果有意義且不是空值）：

   SELECT merchtype AS 商戶類型,COUNT(*) AS 商品數量 FROM hkrt_merchant_info GROUP BY merchtype;

2. 使用NL2Chart：

   文法說明

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

   參數說明

   參數名稱	參數說明	樣本值
   usr_query	使用者輸入的問題描述，用於明確統計圖表的產生需求。	"2023年各季度銷售額統計"
   result_type	指定返回結果的類型，當前僅支援 'IMAGE'。	'IMAGE'
   SQL語句	由 NL2SQL 模組產生的 SQL 查詢語句，用於擷取資料。	SELECT quarter, sales FROM sales_data WHERE year = 2023

   樣本：將輸出的SQL語句的查詢結果轉化為圖表

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart, SELECT merchtype AS 商戶類型, COUNT(*) AS 商戶數量 FROM hkrt_merchant_info GROUP BY merchtype) WITH (usr_query = '商戶類型統計', result_type='IMAGE');

   返回結果如下：

   說明

   返回的連結為圖片地址，有效時間為90分鐘，過時將失效。

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

   

3. （可選）圖表類型選擇與強制選擇

   模型會基於對使用者問題和資料的理解選擇合適的圖表，推薦選擇使用者問題引導模型畫圖。

   以下是問題類型與圖表類型對應參考表：

   問題類型	圖表類型	使用者問題樣本	說明
   數量統計	柱狀圖	"請統計各城市銷售額"	展示不同類別之間的數值對比，如數量、總量、頻次等。
   趨勢變化	折線圖	"請展示過去一年的使用者增長趨勢"	展示資料隨時間或有序類別變化的趨勢，強調連續性。
   佔比分布	餅狀圖	"請展示各產品線的銷售佔比"	適用於展示整體中各部分的比例關係，需資料為分類且總和明確。

   通過修改usr_query參數強制指定圖表類型，在usr_query參數末尾加上補充命令即可：

   -- 將輸出的sql輸入 nl2chart 畫折線圖
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS 商戶類型, COUNT(*) AS 商戶數量 FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = '商戶類型統計，畫折線圖', result_type='IMAGE');

   

   -- 將輸出的sql輸入 nl2chart 畫餅狀圖
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS 商戶類型, COUNT(*) AS 商戶數量 FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = '商戶類型統計，畫餅狀圖', result_type='IMAGE');

   

更多詳細資料請參考自然語言產生智能圖表NL2Chart。