开源大数据平台E-MapReduce：AI Function

ai_sentiment（AI情感分析）

对输入文本进行情感分析，返回情感倾向标签。

语法

ai_sentiment(text)
ai_sentiment(model, text)

参数说明

• model：可选，文本生成模型名称。省略时使用默认模型。

• text：必填，待分析文本，STRING 类型。

返回值

返回 VARCHAR 类型的情感标签（如 positive / negative / neutral）。若 text 为 NULL 或空字符串，则返回 NULL。

使用示例

SELECT ai_sentiment('这次的服务体验非常糟糕，客服态度差，问题也没解决。');
-- 返回：negative

ai_classify（AI分类）

根据提供的候选标签列表，为输入文本选择匹配度最高的标签。

语法

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

参数说明

• model：可选。

• input：必填，待分类文本，STRING 类型。

• categories：必填，候选分类标签，ARRAY<STRING> 类型。

返回值

返回 JSON 类型，包含匹配的标签。若 input 为 NULL 或空字符串，则返回 NULL。

ai_extract（实体提取）

从输入文本中按指定结构抽取字段信息，返回结构化结果。

语法

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

参数说明

• text：必填，待抽取的源文本。

• response_format：必填，期望输出的结构定义，可为字段列表或 JSON Schema。

返回值

返回 JSON 类型。若 text 为 NULL 或空字符串，则返回 NULL。

ai_fix_grammar（语法纠错）

检测并修复输入文本的拼写、语法与表达问题。

语法

ai_fix_grammar(text)
ai_fix_grammar(model, text)

返回值

返回 VARCHAR 类型的修正后文本。若 text 为 NULL 返回 NULL。

ai_redact（PII脱敏）

对文本中指定类别的敏感信息进行脱敏处理。

语法

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

参数说明

• input：必填，待脱敏文本。

• categories：必填，需要脱敏的信息类别，ARRAY<STRING> 类型。

返回值

返回脱敏后文本，命中类别以占位符替换。

ai_translate（机器翻译）

将输入文本从源语言翻译为目标语言。

语法

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

参数说明

• text：必填，待翻译文本。

• source_lang：必填，源语言代码（如 zh、en、auto）。

• target_lang：必填，目标语言代码。语言代码参考 ISO-639。

返回值

返回 VARCHAR 类型的翻译后文本。

ai_similarity（语义相似度）

计算两段文本的语义相似度。

语法

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

返回值

返回 [0, 1] 区间的 FLOAT 数值，值越大语义越相似。

ai_summarize（AI总结）

根据输入文本生成摘要。

语法

ai_summarize(text)
ai_summarize(model, text)

返回值

返回 VARCHAR 类型的文本摘要。若 text 为 NULL 返回 NULL。

ai_complete（AI补全）

通用模型调用接口，支持文本推理及多模态理解。

语法

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

参数说明

• model：可选，模型服务名称。

• prompt：必填，提示词，STRING 类型。

• extra_params：可选，生成参数 MAP（如 temperature、max_tokens、enable_thinking 等）。

返回值

返回 STRING 类型的模型回答。

ai_filter（AI条件过滤）

按自然语言条件对文本做语义判断，返回布尔值。可用于 WHERE 子句。

语法

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

参数说明

• text：必填，待判断文本。

• condition：必填，自然语言过滤条件。

返回值

返回 BOOLEAN 类型。满足条件返回 true，否则返回 false。

ai_custom_query（自定义Resource查询）

通过 Resource 调用自定义 LLM，执行自定义 Prompt。

语法

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

参数说明

• resource_name：必填，模型 Resource 名称。

• prompt：必填，提示词。

返回值

返回 STRING 类型的模型回答。

ai_complete（AI理解与生成）

通用模型调用接口，支持文本推理及多模态理解。是 StarRocks AI Function 中最灵活的函数，既可完成简单文本推理，也可处理图片、视频、多内容融合等多模态输入。文本生成的用法请参见 ai_complete（AI补全），本节介绍多模态理解与生成。

多模态理解与生成

支持传入图片二进制、URL + modality、或多内容数组，驱动多模态 LLM 进行理解与生成。

语法

-- 二进制图片输入
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 输入
ai_complete(model, prompt, input, modality)
ai_complete(model, prompt, input, modality, extra_params)

-- 多内容融合输入
ai_complete(model, prompt, contents)
ai_complete(model, prompt, contents, extra_params)

参数说明

• model：多模态生成时建议显式指定（如 qwen-vl-max）。URL/视频和多内容形式没有无歧义的默认模型重载，因此需要显式传 model。

• prompt：必填，提示词。

• binary_image：图片二进制数据，VARBINARY 类型。

• input：URL 或 base64 编码的输入，VARCHAR 类型，需搭配 modality 使用。

• modality：输入模态类型，取值 image / text。注意：当前 video 传入会返回 NULL（需外部抽帧降级为 image）。

• contents：多内容融合输入，ARRAY<MAP<VARCHAR,VARCHAR>> 类型，支持在单次调用中传入多张图片或混合内容。

• extra_params：可选，生成参数 MAP。

返回值

返回 VARCHAR 类型的模型回答。

使用示例

-- URL 图片理解
SELECT ai_complete('qwen-vl-max',
  '描述这张图片的主要内容',
  'https://bucket.oss-cn-hangzhou.aliyuncs.com/demo.jpg',
  'image');

-- 二进制图片理解
SELECT ai_complete('qwen-vl-max', '识别图中文字', image_binary)
FROM scanned_docs LIMIT 10;

-- 多内容融合（图文混合）
SELECT ai_complete('qwen-vl-max', '对比这两张图片的差异',
  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）

将文本转换为固定维度的语义向量。

语法

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

参数说明

• model：可选，Embedding 模型名称。

• text：必填，待向量化文本。

• extra_params：可选（如 dimension）。

返回值

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

ai_custom_embedding（自定义文本向量化）

通过 Resource 调用自定义 Embedding 模型生成文本向量。

语法

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

返回值

返回 ARRAY<FLOAT> 向量。

ai_embed_multimodal（多模态向量化）

将图片、视频、文本转换为统一向量空间的语义向量，支持跨模态检索和多内容融合。

语法

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

参数说明

• input：URL / base64 输入，需搭配 modality。

• modality：取值 image / video / text。

• binary_image：图片二进制，VARBINARY 类型。

• contents：多内容融合，ARRAY<MAP<VARCHAR,VARCHAR>>。

返回值

返回 ARRAY<FLOAT> 向量。

ai_custom_multimodal_embedding（自定义多模态向量化）

通过 Resource 调用自定义多模态 Embedding 模型。

语法

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

返回值

返回 ARRAY<FLOAT> 向量。

ai_agg（AI聚合）

对一组文本按 Prompt 做聚合式 LLM 处理（GROUP BY 聚合函数）。

语法

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

参数说明

• text：必填，参与聚合的文本列。

• instruction：必填，聚合指令。

返回值

返回 VARCHAR 类型的聚合结果（每个分组一条）。

ai_agg_summary（AI聚合摘要）

对一组文本做聚合式摘要，是 ai_agg 面向摘要场景的便捷版本。

语法

ai_agg_summary(text)
ai_agg_summary(model, text)

返回值

返回 VARCHAR 类型的聚合摘要（每个分组一条）。

语义筛选 + 分类分流

先用 ai_filter 在 WHERE 中过滤出目标语义的记录，再用 ai_classify 打标签，实现工单/评论的语义路由。适用于客服工单自动派单、用户反馈归类等场景。

-- 步骤1：语义过滤出投诉类工单
-- 步骤2：对投诉工单按业务线分类
SELECT ticket_id, content,
       ai_classify(content, ['物流问题', '产品质量', '售后服务', '价格争议']) AS category
FROM tickets
WHERE ai_filter(content, '内容表达了客户投诉或不满');

多模态检索训练集构建

用 ai_embed_multimodal 对海量图片/视频向量化并写入向量列，配合向量索引 + 全文索引做混合检索，按"相似度 + 结构化标签"组合筛选，数据不出湖。适用于电商以图搜图、视频内容检索、多模态 RAG 知识库构建等场景。

-- 对商品图片批量向量化写入
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;

-- 以文搜图：查找与描述语义最相近的商品图
SELECT product_id, image_url
FROM product_vectors
ORDER BY cosine_similarity(image_vec,
  ai_embed_multimodal('qwen3-vl-embedding', '红色连衣裙 夏季款', 'text'))
DESC LIMIT 10;

客户/商品维度 AI 汇总

用 ai_agg / ai_agg_summary 在 GROUP BY 上把一个实体的多条文本汇总成画像或摘要，直接产出可分析的结论列。适用于客户画像生成、商品评价汇总、会议纪要提炼等场景。

-- 为每个客户生成问题画像
SELECT customer_id,
       ai_agg(content, '综合该客户的所有工单，用一句话总结其主要问题诉求和情绪倾向') AS customer_profile
FROM support_tickets
GROUP BY customer_id;

-- 按产品聚合用户评论摘要
SELECT product_id,
       ai_agg_summary(review_text) AS review_digest
FROM product_reviews
GROUP BY product_id;

敏感数据脱敏后分析

用 ai_redact 对文本脱敏后再入库分析，兼顾合规与可用性。适用于开发/测试环境数据准备、审计日志脱敏输出、隐私合规场景。

-- 对用户反馈文本脱敏后写入分析表
INSERT INTO feedback_anonymized (ticket_id, content_clean)
SELECT ticket_id,
       ai_redact(content, ['姓名', '手机号', '身份证', '邮箱', '银行卡']) AS content_clean
FROM user_feedback;

批量内容生成与翻译

用 ai_complete 批量生成营销文案，结合 ai_translate 实现多语言本地化，全部在 SQL 内完成，无需导出到外部工具。

-- 批量为商品生成营销文案并翻译为英文
SELECT product_name,
       ai_complete('qwen3.6-plus',
         concat('为以下商品写一句15字以内的促销文案：', product_name)) AS slogan_zh,
       ai_translate(
         ai_complete('qwen3.6-plus',
           concat('为以下商品写一句15字以内的促销文案：', product_name)),
         'zh', 'en') AS slogan_en
FROM products
WHERE category = '夏季新品';