Ванна, или как общаться с базой данных SQL с помощью ИИ

SQL-СОЕДИНЕНИЕ — это операторы, позволяющие объединять строки из двух или более таблиц по определенному условию. Таблицы база данных SQL они соединяются на основе значений столбцов, определенных в условии JOIN. Операция позволяет получить более подробные и полные результаты, чем одиночная. запрос по содержимому конкретной таблицы, содержащейся в базе данных.

И ВНУТРЕННЕЕ СОЕДИНЕНИЕ, например, возвращает только те строки, которые имеют совпадения в обеих таблицах. ЛЕВОЕ (ВНЕШНЕЕ) ПРИСОЕДИНЕНИЕ предоставляет все строки из первой указанной таблицы (слева) и соответствующие строки из таблицы справа (второй указанной таблицы). В обратном порядке, ПРАВОЕ (ВНЕШНЕЕ) ПРИСОЕДИНЕНИЕ выдает все строки из таблицы справа и соответствующие строки из таблицы слева. Наконец, ПОЛНОЕ (ВНЕШНЕЕ) СОЕДИНЕНИЕ возвращает все строки, если есть совпадение в одной из таблиц.

Освоить использование JOINs непросто, особенно когда таблицы различаются одним сложная структура и их нелегко наложить друг на друга.

Что такое библиотека Vanna, использующая искусственный интеллект, и как она работает

Ванна.ай — это библиотека Python с открытым исходным кодом, которая позволяет вам использовать Большие языковые модели (LLM) как OpenAI GPT или Mistral на база данных запросов используя естественный язык. Вместо использования Синтаксис SQLвы можете задавать такие вопросы, как «какие технологические продукты произвели наибольшее количество продаж в каждой стране за последние два года?» И все это без необходимости больше иметь дело с традиционными SQL-запросами.

Задача создания правильного SQL-запроса и его выполнения в базе данных ложится на плечи Ванна. Модель помещает каждый правильный запрос в векторная база данных чтобы постоянно улучшать поведение LLM.

официальная документация объясняет как установить Vanna в вашей среде и использовать соответствующую функцию для сгенерировать ключ API. Ключ можно сохранить, поэтому вам не придется каждый раз входить в систему.

Создатели Vanna также объясняют, как указать использование предпочитаемого вами LLM, но предлагают начать с публичная модель сгенерировано из образца базы данных (Чинук).

Пример базы данных Chinook

Иль образец базы данных Чинук — это реляционная база данных, широко используемая в образовательных, демонстрационных и практических целях в области управления базами данных и SQL. Он предназначен для моделирования системы управления цифровой музыкальной библиотекой и включает в себя несколько связанных таблиц, представляющих такие понятия, как исполнители, альбомы, треки, клиенты, заказы и многое другое. Таблицы созданы для отражения типичных отношений, существующих в типичном приложении для управления бизнесом. музыкальная библиотека.

раздел Тренироваться содержит полезную информацию для обучать модель начиная с собственной базы данных. Ванна поддерживает источники данных в различных форматах и ​​имеет возможность подключения к базам данных Снежинка, BigQuery, PostgreSQL а также другие популярные источники. Вне PostgreSQLдва других — это системы и службы управления базами данных хранилище данных облачный. Подтверждение того, что Vanna — это решение, предназначенное для взаимодействия с объемы данных испытывающий.

Пример, который позволяет нам понять потенциал Ванны

Возьмите следующее в качестве примера Код Pythonвзято дословно из проектная документация. Сначала мы импортируем несколько библиотек, например панды для манипулирования данными, бестолковый для математических операций, Ванна, которая активирует взаимодействие с системой вопрос ответ на основе естественного языка, e заговор для визуализации данных.

Изначально устанавливаются и используются API-ключи для использования Vanna, поэтому требуется использование модели, построенной исходя из содержимого базы данных. Чинукупоминалось ранее:

импортировать панд как pd
импортировать numpy как np
импортировать ванна как vn
импортировать график в формате px

api_key = vn.get_api_key(‘nomeutente@nomeazienda.abc’)
vn.set_api_key(api_key)
vn.set_model(‘чинук’)

vn.connect_to_sqlite(‘https://github.com/lerocha/chinook-database/raw/master/ChinookDatabase/DataSources/Chinook_Sqlite.sqlite’)
vn.ask(“Какие 5 художников входят в число лучших по продажам?”)

Последние две строки устанавливают соединение с базой данных SQLite. Чинук размещается на GitHub и в конечном итоге переходит на искусственный интеллект Ванны. вопрос высокого уровня: «Топ-5 художников, которые продали больше всего?»

Вывод, предоставленный Vanna, состоит из сложного и эффективного SQL-запроса, структурированного следующим образом:

ВЫБЕРИТЕ a.name, sum(il.quantity) в качестве общего объема продаж ОТ исполнителя альбома INNER JOIN al ON a.artistid = al.artistid INNER JOIN track t ON al.albumid = t.albumid INNER JOIN billline il ON t.trackid = il .trackid GROUP BY a.name ORDER BY totalsales desc limit 5;

Когда этап обучения завершено правильно, Vanna и базовый LLM смогут генерировать соответствующие запросы SQL. Для большие наборы данныхОднако аналитик призван дать Ванне полезные подсказки. Однако потенциал огромен, и мы только поверхностно коснемся: например, мы предлагаем попробовать очень сложные запросы, которые на бумаге требуют использования соединений между разными таблицами.

Экономия много времени благодаря искусственному интеллекту

Чтобы самые сложные и подробные SQL-запросы работали и возвращали достоверные результаты, совет — попробовать — как это часто бывает с генеративные модели – больше стратегий, чем быстрый. Vanna, как и другие инструменты, способные генерировать тексты, изображения или музыку, также обеспечивает лучшие результаты если пользователь точно и своевременно описывает то, что он хочет получить с помощью запроса.

Решения на основе искусственного интеллекта становятся все более «модными» во всех секторах и, в частности, для улучшения бизнеса. День за днем ​​создаются новые инструменты, предлагающие функциональность высшего уровня за счет использования LLM. Мы легко можем включить Vanna в число наиболее полезных инструментов, способных обеспечить огромная экономия времени.

Ванна значительно сокращает время между фазами мозговой штурм по базам данных и завершению аналитических мероприятий.

Вступительное изображение предоставлено: iStock.com – островитянин11