使用 AlloyDB AI 查詢引擎執行智慧型 SQL 查詢

本頁說明如何使用 AlloyDB AI 查詢引擎提供的 AI 輔助 SQL 運算子進行查詢。您可以使用 ai.if 篩選器、ai.rank 和 ai.generate 運算子，將自然語言與 SQL 查詢合併。

如要使用本頁的說明，您必須瞭解 AlloyDB，並熟悉生成式 AI 概念。

AlloyDB AI 會保留並建立 ai 結構定義。

事前準備

在 SQL 運算子中使用自然語言前，請先完成下列步驟：

與 Vertex AI 整合並安裝擴充功能

  1. 與 Vertex AI 整合。
  2. 確認已安裝最新版 google_ml_integration。

    1. 如要檢查已安裝的版本，請執行下列指令：

              SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion
        ------------
        1.4.3
        (1 row)

    2. 如果未安裝擴充功能，或安裝的版本低於 1.4.3，請執行下列指令更新擴充功能：

              CREATE EXTENSION IF NOT EXISTS google_ml_integration;
        ALTER EXTENSION google_ml_integration UPDATE;

      如果您在執行上述指令時遇到問題，或執行上述指令後，擴充功能未更新至 1.4.3 版，請與 AlloyDB 支援團隊聯絡。

    3. 確認版本為最新後，請執行 upgrade_to_preview_version 程序，安裝預覽功能：

              CALL google_ml.upgrade_to_preview_version();
        SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion
        ------------
        1.4.4
        (1 row)

使用所在地區支援的 Gemini 模型

如果 AlloyDB for PostgreSQL 叢集位於gemini-2.0-flash不支援的區域，您可以使用 model_id parameter，在該區域使用其他可用的 Gemini 模型。

或者，您也可以註冊 Gemini 模型端點，然後將該模型 ID 提供給 AI 運算子。詳情請參閱「使用模型端點管理服務註冊及呼叫遠端 AI 模型」。

以下範例說明如何註冊另一個 Gemini 端點。在本例中，第二個 Gemini 端點是 gemini-2.0-flash 的全域端點。您可以傳遞 model_id =>gemini-2.0-flash-global` 做為額外引數，將這個已註冊的模型與 AI 運算子搭配使用。

CALL
  google_ml.create_model(
    model_id => 'gemini-2.0-flash-global',
    model_type => 'llm',
    model_provider => 'google',
    model_qualified_name => 'gemini-2.0-flash',
    model_request_url =>  'https://aiplatform.googleapis.com/v1/projects/<project_id>/locations/global/publishers/google/models/gemini-2.0-flash:generateContent',
    model_auth_type => 'alloydb_service_agent_iam'
);

在查詢中使用篩選器

AlloyDB AI 提供多種 AI 輔助的 SQL 函式，可讓您直接在資料庫查詢中使用自然語言處理和 LLM，包括 ai.if 和 ai.rank 運算子。

篩選器

如要評估是否符合以自然語言陳述的條件，請使用 ai.if/google_ml.if 運算子。函式會傳回布林值 true 或 false，如果無法清楚偵測輸出內容，則會傳回 false。

- Function signature
FUNCTION ai.if(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS bool

以下範例說明如何使用 ai.if 運算子做為篩選器，找出位於人口超過 10 萬的城市，且有超過 500 則正面評論的餐廳。這個範例使用 restaurant_reviews，並包含評論和城市位置等資料。ai.if 運算子可協助你瞭解評論情緒，並將資料庫中的位置與 Gemini 一般知識結合，瞭解這些位置的人口。

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population OF more than 100,000 AND the following is a positive review; Review: ' || r.review)
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

以下範例使用您在「使用您所在區域支援的 Gemini 模型」中註冊的模型。

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population of more than 100,000 AND the following is a positive review; Review: ' || r.review, model_id => 'gemini-2.0-flash-global')
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

對使用 if 運算子的查詢執行聯結

如要執行聯結作業，請搭配聯結使用 ai.if/google_ml.if 運算子。下列查詢範例會找出提及餐廳菜單中各個菜單項目的評論數量。

    SELECT item_name, COUNT(*)
    FROM menu_items JOIN user_reviews
      ON ai.if(
        prompt => 'Does the following user review talk about the menu item mentioned ? review: ' || user_reviews.review_text || ' menu item: ' || item_name)
    GROUP BY item_name;

生成文字和摘要

ai.generate 函式會結合提供的資料和使用者提示，生成文字。

-- Function Signature
FUNCTION ai.generate(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS TEXT

舉例來說，您可以使用下列查詢，為每則使用者評論產生簡要摘要。

SELECT
  ai.generate(
    prompt => 'Summarize the review in 20 words or less. Review: ' || review) AS review_summary
FROM user_reviews

為查詢結果評分

如需使用自訂自然語言指令排序查詢結果，請使用 ai.rank 運算子。這項函式可讓您提供提示，說明排名條件，並傳回每個項目的分數。

-- Function signature
FUNCTION ai.rank(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS real

舉例來說，下列查詢會使用 LLM 的評分，取得前 20 則最正面的餐廳評論。

SELECT review AS top20
FROM user_reviews
ORDER BY ai.rank(
  'Score the following review according to these rules:
  (1) Score OF 8 to 10 IF the review says the food IS excellent.
  (2) 4 to 7 IF the review says the food is ok.
  (3) 1 to 3 IF the review says the food is not good. Here is the review:' || review) DESC
LIMIT 20;

後續步驟