Tüm Ürünler
Search
Belge Merkezi

E-MapReduce:AI center

Son Güncelleme:Oct 05, 2026

StarRocks AI işlevleri, büyük dil modeli (LLM) yeteneklerini doğrudan SQL içine gömer; böylece verileri harici bir işlem hattına taşımanıza gerek kalmadan metin analizi, dönüşüm ve oluşturma işlemlerini herhangi bir OLAP sorgusunun parçası olarak çalıştırabilirsiniz.

Tüm 12 yerleşik işlev, JOIN, GROUP BY, toplama ve filtreleme işlemleriyle doğal bir şekilde birleşen türü belirtilmiş değerler (VARCHAR, FLOAT, JSON veya BOOLEAN) döndürür. Ham veriler StarRocks içinde kalır; modele yalnızca işleve ilettiğiniz alanlar gönderilir.

Her kullanıcıya 1 milyon tokenlık ücretsiz deneme kotası sunulur. Ücretsiz deneme kotasını aştıktan sonra ek kullanım, gerçek token tüketimine göre ücretlendirilir. Fiyatlandırma ayrıntıları için AI işlevi fiyatlandırması bölümüne bakın.

Özellik avantajları

  • Yüksek eşzamanlılık verimliliği: Dört iş parçacığı yüzlerce eşzamanlı LLM çağrısını yönetir. İstemci tarafında aynı yükü karşılamak için eşdeğer sayıda süreç gerekir ve işletim sistemi zamanlayıcısı iş tamamlanmadan çok önce tıkanır.

  • Sıfır hız sınırlaması yönetimi: Dahili üç katmanlı koruma ve DashScope uyumlu işleme sayesinde müşterilerin RPM veya TPM mekanizmalarını düşünmesine gerek kalmaz.

  • Veriler yerinde kalır: Tüm işlem hattı veritabanı içinde SQL olarak çalışır; ETL süreci veya veri sızdırma riski bulunmaz.

  • Daha düşük token maliyeti: Yüklem itme (predicate pushdown) çağrı hacmini azaltır, önbelleğe alma yinelenen istekleri ortadan kaldırır ve doğru muhasebe her tokenı izler. Aynı iş yükünün maliyeti %30 veya daha fazla düşebilir.

  • Endüstriyel düzeyde güvenilirlik: Satır düzeyinde hata toleransı, akıllı yeniden denemeler ve Profil tabanlı gözlemlenebilirlik sayesinde milyon satırlık toplu işler gözetimsiz olarak çalışabilir.

Kullanım senaryoları


Kullanım senaryosu


İşlevler


Müşteri yorumlarında panoya hazır duygu puanlama


ai_sentiment


Ürün kataloğunu veya destek taleplerini otomatik etiketleme


ai_classify


Serbest metinden yapılandırılmış alanları (adlar, tarihler, konumlar) çıkarma


ai_extract


Staging ortamına yazmadan önce kişisel bilgileri maskeleme


ai_redact


Kullanıcı tarafından oluşturulan içeriği temizleme ve standartlaştırma


ai_fix_grammar


Uzun belgeleri veya talep zincirlerini özetleme


ai_summarize


Çok dilli kayıtları çevirme ve yerelleştirme


ai_translate


SSS veya arama sonuçlarını anlamsal alaka düzeyine göre sıralama


ai_similarity


Genel amaçlı AI metin tamamlama ve içerik oluşturma


ai_complete


Satırları doğal dil koşullarına göre filtreleme


ai_filter


Özel bir bilgi tabanı veya kaynağa karşı soru-cevap çalıştırma


ai_custom_query

Desteklenen modeller

StarRocks AI Center, farklı AI işlevi türleri için farklı modeller atar. Aşağıdaki modeller şu anda desteklenmektedir:


Yetenek


Model


Uygulanabilir işlevler


Metin oluşturma (LLM)


qwen3.6-plus, qwen3.7-plus, qwen3.7-max, qwen3.6-flash, glm-5.2, deepseek-v4-pro


ai_sentiment, ai_classify, ai_extract, ai_fix_grammar, ai_redact, ai_translate, ai_similarity, ai_summarize, ai_complete (metin), ai_filter, ai_agg, ai_agg_summary


Çeviri


qwen-mt-plus


ai_translate


Çok modlu anlama


qwen3.5-omni-plus, qwen-vl-plus, qwen-vl-max


ai_complete


Metin gömme (embedding)


qwen3-vl-embedding, text-embedding-v4


ai_embed


Çok modlu gömme (embedding)


qwen3-vl-embedding, tongyi-embedding-vision-plus


ai_embed_multimodal, ai_complete (çok modlu anlama, çok modlu LLM ile)

Not
  • qwen3-vl-embedding hem metin hem de çok modlu gömme listesinde yer alır çünkü birleşik bir vektör uzayı üretir; metin vektörleri ile görüntü/video vektörleri modüller arasında doğrudan karşılaştırılabilir, bu da çapraz modlu erişim için idealdir.

  • Özel modellere, AI Center'da kayıtlı Kaynaklar üzerinden erişilir. Bu modelleri çağırmak için ai_custom_query / ai_custom_embedding / ai_custom_multimodal_embedding kullanın.

Ön koşullar

Başlamadan önce çekirdek ve ağ gereksinimlerini karşıladığınızdan emin olun:

Çekirdek sürümü gereksinimleri

  • 3.3.20-2.1.1 ve üzeri

  • 3.5.16-2.1.1 ve üzeri

Ağ erişimini yapılandırma

StarRocks BE düğümlerinin harici model hizmeti uç noktalarına ulaşabilmesi için giden internet erişimine ihtiyacı vardır. Kümenizin çalıştığı VPC üzerinde bir NAT Gateway ayarlayın:

  1. Bir NAT Gateway oluşturun ve buna bir Elastic IP Address (EIP) bağlayın.

  2. BE düğümü CIDR bloğundaki trafiği NAT Gateway üzerinden yönlendiren bir SNAT kuralı ekleyin.

  3. VPC rota tablolarınızın ve güvenlik grubu ilkelerinizin giden trafiğe izin verdiğini onaylayın.

Kurulum ayrıntıları için Internet NAT gateway bölümüne bakın.

İşlev referansı

Tüm işlevler standart SQL ile çağrılır. Sonuçlar türü belirtilmiş değerler olarak döndürülür ve sonraki sorgu ifadelerinde doğrudan kullanılabilir.


İşlev


Ne yapar


Döndürür


ai_sentiment(text)


Metni pozitif, negatif, nötr, karışık veya bilinmeyen olarak sınıflandırır


VARCHAR


ai_classify(text, labels)


Özel bir listeden bir etiket atar


JSON


ai_extract(text, entity_labels)


Adlandırılmış varlıkları çıkarır ve JSON olarak döndürür


JSON


ai_redact(text, categories)


Belirtilen kişisel bilgi kategorilerini [REDACTED] ile değiştirir


VARCHAR


ai_fix_grammar(text)


Dilbilgisi ve yazım hatalarını düzeltir


VARCHAR


ai_summarize(text)


İsteğe bağlı kelime limiti ile özet oluşturur


VARCHAR


ai_translate(text, source_lang, target_lang)


Metni hedef dile çevirir


VARCHAR


ai_similarity(text1, text2)


0 ile 1 arasında anlamsal benzerlik puanı döndürür


FLOAT


ai_complete(model, prompt)


Belirtilen model ve istem kullanarak içerik oluşturur


VARCHAR


ai_complete(model, prompt, params)


Ek parametrelerle (sıcaklık, max_tokens vb.) içerik oluşturur


VARCHAR


ai_filter(text, condition)


Doğal dil koşulunu değerlendirerek satırları filtreler


BOOLEAN


ai_custom_query(resource, prompt)


Özel bir kaynağa veya bilgi tabanına karşı sorgu çalıştırır


VARCHAR

İşlev ayrıntıları

ai_sentiment

Girdi metninin duygusunu sınıflandırır.

Sözdizimi

ai_sentiment(text)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Analiz edilecek metin

Döndürür

VARCHAR — 'positive', 'negative', 'neutral', 'mixed' veya 'unknown'. Duygu belirlenemezse NULL döndürür.

Örnekler

Tek değer testi:

SELECT ai_sentiment('I am happy');
-- Returns: 'positive'

Tablo sütununa uygulama:

SELECT
  review_id,
  review_text,
  ai_sentiment(review_text) AS sentiment
FROM customer_reviews
LIMIT 10;

ai_classify

Tanımladığınız bir listeden bir etiket atar.

Sözdizimi

ai_classify(text, labels)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Sınıflandırılacak metin


labels


ARRAY<VARCHAR>


Aday etiketler — en az 2, en fazla 20 öğe

Döndürür

JSON — sınıflandırma sonucunu içerir. Sınıflandırma başarısız olursa NULL döndürür.

Örnekler

Tek değer testi:

SELECT ai_classify('My password is leaked.', ['urgent', 'not urgent']);
-- Returns: {"labels": ["urgent"]}

Ürün açıklamalarını toplu olarak etiketleme:

SELECT
  product_id,
  description,
  ai_classify(description, ['clothing', 'shoes', 'accessories', 'furniture']) AS category
FROM products
LIMIT 10;

ai_extract

Metinden adlandırılmış varlıkları çıkarır ve bunları bir JSON nesnesi olarak döndürür.

Sözdizimi

ai_extract(text, entity_labels)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Varlık çıkarılacak metin


entity_labels


ARRAY<VARCHAR>


Çıkarılacak varlık türleri, örn. ['person', 'location', 'organization']

Döndürür

Anahtarların varlık türleri, değerlerin ise çıkarılan metin olduğu JSON nesnesi.

Örnek

SELECT ai_extract(
  'John Doe lives in New York and works for Acme Corp.',
  ['person', 'location', 'organization']
);
-- Returns: {"person":"John Doe","location":"New York","organization":"Acme Corp"}

ai_redact

Belirtilen kişisel bilgi kategorilerini [REDACTED] ile değiştirir.

Sözdizimi

ai_redact(text, categories)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Gizlenecek metin


categories


ARRAY<VARCHAR>


Gizlenecek kişisel bilgi kategorileri, örn. ['person', 'email', 'phone']

Döndürür

Eşleşen varlıkların [REDACTED] ile değiştirildiği VARCHAR.

Örnekler

Tek değer testi:

SELECT ai_redact(
  'John Doe lives in New York. His email is john.doe@example.com.',
  ['person', 'email']
);
-- Returns: "[REDACTED] lives in New York. His email is [REDACTED]."

Dışa aktarmadan önce günlük tablosundaki kişisel bilgileri gizleme:

SELECT
  log_id,
  ai_redact(log_text, ['person', 'email', 'phone']) AS redacted_log
FROM audit_logs
LIMIT 10;

ai_fix_grammar

Metindeki dilbilgisi ve yazım hatalarını düzeltir.

Sözdizimi

ai_fix_grammar(text)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Düzeltilecek metin

Döndürür

Dilbilgisi ve yazımı düzeltilmiş VARCHAR.

Örnek

SELECT ai_fix_grammar('This sentence have some mistake');
-- Returns: "This sentence has some mistake"

ai_summarize

Girdi metninin kısa bir özetini oluşturur.

Sözdizimi

ai_summarize(text)

Parametreler


Parametre


Tür


Zorunlu


Açıklama


text


VARCHAR


Evet


Özetlenecek metin

Döndürür

VARCHAR özet.

Örnek

SELECT ai_summarize(
  'Apache Spark is a unified analytics engine for large-scale data processing...',
  10
);
-- Returns: "Spark: unified engine for large-scale data processing with APIs and tools."

ai_translate

Metni bir dilden diğerine çevirir.

Sözdizimi

ai_translate(text, source_lang, target_lang)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Çevrilecek metin


source_lang


VARCHAR


Kaynak dil kodu (ISO 639-1)


target_lang


VARCHAR


Hedef dil kodu (ISO 639-1)

Yaygın dil kodları:


Dil


Kod


Arapça


'ar'


Çince (Basitleştirilmiş)


'zh'


İngilizce


'en'


Fransızca


'fr'


Almanca


'de'


Hindi


'hi'


Japonca


'ja'


Korece


'ko'


Portekizce


'pt'


Rusça


'ru'


İspanyolca


'es'

Döndürür

Çevrilmiş VARCHAR.

Örnek

SELECT ai_translate('Hello, how are you?', 'en', 'es');
-- Returns: "Hola, ¿cómo estás?"

ai_similarity

İki metin arasındaki anlamsal benzerliği hesaplar.

Sözdizimi

ai_similarity(text1, text2)

Parametreler


Parametre


Tür


Açıklama


text1


VARCHAR


Birinci metin


text2


VARCHAR


İkinci metin

Döndürür

0 ile 1 arasında FLOAT. 1,0 puanı metinlerin aynı olduğunu gösterir. Bu puan öncelikle sıralama için kullanılır.

Örnek

SELECT ai_similarity(
  'I enjoy hiking in the mountains.',
  'I love walking through mountain trails.'
);
-- Returns: 0.82

ai_complete

Belirtilen modeli kullanarak içerik oluşturur. Basit form ve parametreli form olmak üzere iki aşırı yükleme destekler.

Sözdizimi

-- Overload 1: Simple
ai_complete(model, prompt)
-- Overload 2: With parameters
ai_complete(model, prompt, params)

Parametreler


Parametre


Tür


Açıklama


model


VARCHAR


Model adı, örn. 'qwen-plus'


prompt


VARCHAR


İçerik oluşturmayı yönlendiren istem


params


MAP<VARCHAR, VARCHAR>


İsteğe bağlı. temperature, max_tokens, top_p, stop gibi ek model parametreleri

Döndürür

VARCHAR — oluşturulan metin.

Örnekler

Basit form:

SELECT ai_complete('qwen-plus', 'Write a catchy email subject for a summer bike sale with a 20% discount');
-- Returns: "Summer Cycling Carnival: 20% Off for a Limited Time!"

Parametrelerle:

SELECT ai_complete('qwen-plus', 'Summarize the benefits of cloud computing', map{'temperature':'0.7', 'max_tokens':'200'});
-- Returns: "Cloud computing offers scalable resources, cost efficiency..."

ai_filter

Metne karşı doğal dil koşulunu değerlendirir ve TRUE veya FALSE döndürür. WHERE yan tümcelerinde satırları filtrelemek için kullanışlıdır.

Sözdizimi

ai_filter(text, condition)

Parametreler


Parametre


Tür


Açıklama


text


VARCHAR


Değerlendirilecek metin


condition


VARCHAR


Filtre ölçütlerini açıklayan doğal dil koşulu

Döndürür

BOOLEAN — Metin koşulu karşılıyorsa TRUE, aksi takdirde FALSE.

Örnek

SELECT * FROM reviews WHERE ai_filter(review_text, 'mentions product quality issues');
-- Returns rows where the review text discusses product quality problems

ai_custom_query

Özel bir kaynağa veya bilgi tabanına karşı sorgu çalıştırır.

Sözdizimi

ai_custom_query(resource, prompt)

Parametreler


Parametre


Tür


Açıklama


resource


VARCHAR


Sorgulanacak özel kaynak veya bilgi tabanının adı


prompt


VARCHAR


Kaynağa sorulacak sorgu veya soru

Döndürür

VARCHAR.

Örnek

SELECT ai_custom_query('my_knowledge_base', 'What is StarRocks?');
-- Returns: "StarRocks is a high-performance analytical data warehouse..."

Çok modlu ve AI toplama

ai_complete (anlama ve oluşturma)

Metin çıkarımı ve çok modlu anlamayı destekleyen genel amaçlı bir model çağırma arayüzüdür. StarRocks AI İşlevleri arasında en esnek işlevdir. Basit metin çıkarımının yanı sıra görüntüler, videolar ve çoklu içerik birleştirme gibi çok modlu girdileri de işler. Metin oluşturma için metin işlevleri bölümündeki ai_complete işlevine bakın. Bu bölümde çok modlu anlama ve oluşturma açıklanmaktadır.

Çok modlu anlama ve oluşturma

Anlama ve oluşturma için çok modlu bir LLM'yi çalıştırmak amacıyla ikili görüntü verisi, bir modülite ile birlikte URL veya çoklu içerik dizisi iletebilirsiniz.

Sözdizimi

-- Binary image input
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 input
ai_complete(model, prompt, input, modality)
ai_complete(model, prompt, input, modality, extra_params)

-- Multi-content fusion input
ai_complete(model, prompt, contents)
ai_complete(model, prompt, contents, extra_params)

Parametreler

  • model: Çok modlu oluşturma için açıkça belirtilmesi önerilir (örneğin, qwen-vl-max). URL/video ve çoklu içerik formlarında belirsiz bir varsayılan model aşırı yüklemesi olmadığından modeli açıkça iletmeniz gerekir.

  • prompt: Zorunlu. İstem.

  • binary_image: VARBINARY türünde ikili görüntü verisi.

  • input: VARCHAR türünde URL veya base64 kodlu girdi. Modülite ile birlikte kullanılmalıdır.

  • modality: Girdi modülitesi türü. Geçerli değerler: image ve text. Not: video iletmek şu anda NULL döndürür (kareleri harici olarak çıkarıp görüntüye düşürmeniz gerekir).

  • contents: ARRAY<MAP<VARCHAR,VARCHAR>> türünde çoklu içerik birleştirme girdisi. Tek bir çağrıda birden çok görüntü veya karışık içerik iletmeyi destekler.

  • extra_params: İsteğe bağlı. MAP olarak oluşturma parametreleri.

Döndürür

VARCHAR türünde model yanıtını döndürür.

Örnekler

-- Understand an image from a URL
SELECT ai_complete('qwen-vl-max',
  'Describe the main content of this image',
  'https://bucket.oss-cn-hangzhou.aliyuncs.com/demo.jpg',
  'image');

-- Understand a binary image
SELECT ai_complete('qwen-vl-max', 'Recognize the text in the image', image_binary)
FROM scanned_docs LIMIT 10;

-- Multi-content fusion (image and text)
SELECT ai_complete('qwen-vl-max', 'Compare the differences between these two images',
  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

Metni sabit boyutlu anlamsal bir vektöre dönüştürür.

Sözdizimi

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

Parametreler

  • model: İsteğe bağlı. Gömme modelinin adı.

  • text: Zorunlu. Vektörleştirilecek metin.

  • extra_params: İsteğe bağlı (örn., boyut).

Döndürür

ARRAY<FLOAT> vektörü. Metin NULL ise NULL döndürür.

ai_custom_embedding

Bir Kaynak üzerinden özel bir gömme modelini çağırarak metin vektörleri oluşturur.

Sözdizimi

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

Döndürür

ARRAY<FLOAT> vektörü.

ai_embed_multimodal

Görüntüleri, videoları veya metni birleşik bir vektör uzayında anlamsal vektörlere dönüştürür; çapraz modlu erişimi ve çoklu içerik birleştirmeyi destekler.

Sözdizimi

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

Parametreler

  • input: URL veya Base64 kodlu girdi. Modülite ile birlikte kullanılmalıdır.

  • modality: image, video veya text değerlerinden biri.

  • binary_image: İkili görüntü verisi, VARBINARY türü.

  • contents: Çoklu içerik birleştirme girdisi, ARRAY<MAP<VARCHAR,VARCHAR>>.

Döndürür

ARRAY<FLOAT> vektörü.

ai_custom_multimodal_embedding

Bir Kaynak üzerinden özel bir çok modlu gömme modelini çağırır.

Sözdizimi

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

Döndürür

ARRAY<FLOAT> vektörü.

ai_agg

Bir istem kullanarak bir metin grubu üzerinde LLM tabanlı toplama gerçekleştirir (GROUP BY toplama işlevi).

Sözdizimi

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

Parametreler

  • text: Zorunlu. Toplanacak metin sütunu.

  • instruction: Zorunlu. Toplama talimatı.

Döndürür

VARCHAR — toplanmış sonuç (grup başına bir tane).

ai_agg_summary

Bir metin grubu için toplu özet oluşturur — özetleme için ai_agg etrafında kolaylık sağlayan bir sarmalayıcıdır.

Sözdizimi

ai_agg_summary(text)
ai_agg_summary(model, text)

Döndürür

VARCHAR — toplu özet (grup başına bir tane).

Not

Özet yönünü yönlendirmek için bunun yerine ai_agg kullanın ve talimatta belirli gereksinimleri açıklayın.

En iyi uygulamalar

Temel işlevleri birleştirerek, verileri harici hizmetlere aktarmaya gerek kalmadan tek bir SQL ifadesinde uçtan uca AI veri işleme işlem hatları oluşturabilirsiniz.

Anlamsal filtreleme + sınıflandırma yönlendirme

WHERE içinde ai_filter kullanarak anlamsal olarak ilgili kayıtları seçin, ardından etiket atamak için ai_classify uygulayın; bu, talepler veya incelemeler için anlamsal yönlendirmeyi mümkün kılar. Otomatik talep dağıtımı, kullanıcı geri bildirimi kategorilendirme ve benzeri senaryolar için idealdir.

-- Step 1: Semantically filter complaint tickets
-- Step 2: Classify complaints by business line
SELECT ticket_id, content,
       ai_classify(content, ['logistics', 'product quality', 'after-sales', 'pricing dispute']) AS category
FROM tickets
WHERE ai_filter(content, 'the content expresses a customer complaint or dissatisfaction');

Çok modlu erişim veri kümesi oluşturma

ai_embed_multimodal kullanarak görüntüleri/videoları büyük ölçekte vektörleştirin, bunları vektör sütunlarına yazın ve hibrit erişim için vektör dizinlerini tam metin dizinleriyle birleştirin. Veriler lakehouse'dan ayrılmaz. Görsel ürün araması, video içerik erişimi ve çok modlu RAG bilgi tabanı oluşturma için idealdir.

-- Batch-vectorize product images
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;

-- Text-to-image search: find products most similar to a description
SELECT product_id, image_url
FROM product_vectors
ORDER BY cosine_similarity(image_vec,
  ai_embed_multimodal('qwen3-vl-embedding', 'red summer dress', 'text'))
DESC LIMIT 10;

Müşteri/ürün düzeyinde AI özetleme

GROUP BY içinde ai_agg / ai_agg_summary kullanarak her varlık başına birden çok metni bir profile veya özette birleştirin; analiz için hazır çıktı sütunları üretin. Müşteri profilleme, ürün incelemesi özetleme ve toplantı notu çıkarma için idealdir.

-- Generate a problem profile for each customer
SELECT customer_id,
       ai_agg(content, 'Summarize all tickets for this customer in one sentence, covering main issues and sentiment') AS customer_profile
FROM support_tickets
GROUP BY customer_id;

-- Aggregate product review summaries
SELECT product_id,
       ai_agg_summary(review_text) AS review_digest
FROM product_reviews
GROUP BY product_id;

Analiz öncesi kişisel bilgi gizleme

Analiz için saklamadan önce metni anonimleştirmek amacıyla ai_redact kullanın; uyumluluk ile kullanılabilirliği dengeler. Geliştirme/test verisi hazırlama, denetim günlüğü sanitizasyonu ve gizlilik uyumluluğu senaryoları için idealdir.

-- Redact user feedback and write to an analysis table
INSERT INTO feedback_anonymized (ticket_id, content_clean)
SELECT ticket_id,
       ai_redact(content, ['name', 'phone', 'ID number', 'email', 'bank card']) AS content_clean
FROM user_feedback;

Toplu içerik oluşturma ve çeviri

Toplu pazarlama metni oluşturma için ai_complete kullanın, çok dilli yerelleştirme için ai_translate ile birleştirin; hepsi SQL içinde, harici araç gerekmez.

-- Batch-generate marketing slogans and translate to English
SELECT product_name,
       ai_complete('qwen3.6-plus',
         concat('Write a promotional slogan (15 words max) for: ', product_name)) AS slogan,
       ai_translate(
         ai_complete('qwen3.6-plus',
           concat('Write a promotional slogan (15 words max) for: ', product_name)),
         'en', 'ja') AS slogan_ja
FROM products
WHERE category = 'summer_new';

Küme yapılandırması

AI işlevi davranışı BE dinamik parametreleri ile kontrol edilir. Bunları çalışma zamanında ADMIN SET CONFIG kullanarak değiştirin; yeniden başlatma gerekmez.

Geçerli değerleri görüntülemek için:

SELECT * FROM information_schema.be_configs WHERE NAME LIKE 'ai_%';

Model bağlantısı


Parametre


Varsayılan


Açıklama


ai_function_model_endpoint


"https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"


Model hizmeti uç noktası. OpenAI uyumlu herhangi bir Chat/Completions uç noktasını destekler.


ai_function_model_type


"qwen-plus"


Çağrılacak model. Metin oluşturma modellerini destekler.


ai_function_model_api_key


"sk-89c1***********95d0"


Alibaba Cloud Model Studio API anahtarı. Bkz. API anahtarı alma.


ai_function_system_prompt


"You are a helpful assistant."


Tüm AI işlevlerine uygulanan sistem istemi.


ai_function_http_connect_timeout_ms


10000


HTTP bağlantı zaman aşımı milisaniye cinsinden (varsayılan: 10 saniye).


ai_function_http_timeout_ms


600000


HTTP isteği zaman aşımı milisaniye cinsinden (varsayılan: 10 dakika).


ai_function_max_inflight_requests


100


Modele yapılan maksimum eşzamanlı HTTP istekleri. İstek aktarım hızını kontrol eder.


ai_function_request_template


(OpenAI uyumlu format)


İstek gövdesi şablonu. Yer tutucular: $0=model, $1=sistem istemi, $2=kullanıcı istemi, $3=isteğe bağlı ek parametreler (virgül ön ekli).

Toplu iş boyutları

Her işlev, modele istekleri toplu halde gönderir. Daha büyük toplu işler model çağrılarının sayısını azaltır ve toplam yanıt süresini kısaltabilir.


Parametre


Varsayılan


İşlev


ai_function_sentiment_batch_size


10


ai_sentiment


ai_function_classify_batch_size


10


ai_classify


ai_function_similarity_batch_size


10


ai_similarity


ai_function_fix_grammar_batch_size


3


ai_fix_grammar


ai_function_mask_batch_size


3


ai_redact


ai_function_translate_batch_size


3


ai_translate


ai_function_extract_batch_size


1


ai_extract


ai_function_gen_batch_size


1


ai_complete


ai_function_query_batch_size


1


ai_filter


ai_function_summarize_batch_size


1


ai_summarize

İstem şablonları

Her işlev yapılandırılabilir bir istem şablonu kullanır. Şablon yer tutucuları $0, $1 vb. kullanır.


Parametre


Yer tutucular


İşlev


ai_function_sentiment_prompt


$0=metinler


ai_sentiment


ai_function_classify_prompt


$0=etiketler (JSON kodlu), $1=metinler


ai_classify


ai_function_extract_prompt


$0=etiketler, $1=metinler


ai_extract


ai_function_fix_grammar_prompt


$0=metinler


ai_fix_grammar


ai_function_mask_prompt


$0=etiketler, $1=metinler


ai_redact


ai_function_summarize_prompt


$0=kelime sayısı, $1=metinler


ai_summarize


ai_function_translate_prompt


$0=hedef dil, $1=metinler


ai_translate


ai_function_similarity_prompt


$0=metin çiftleri


ai_similarity


ai_function_gen_prompt


$0=oluşturma talimatı


ai_complete


ai_function_query_prompt


$0=sorgu talimatı, $1=metinler


ai_filter


ai_function_custom_query_prompt


$0=sorgu talimatı, $1=metinler


ai_custom_query