Esegui query SQL intelligenti utilizzando il motore di query AlloyDB AI

Anteprima

Questa funzionalità è soggetta ai "Termini delle Offerte pre-GA" nella sezione Termini di servizio generali dei Termini specifici dei servizi. Le funzionalità pre-GA sono disponibili "così come sono" e potrebbero avere un supporto limitato. Per saperne di più, consulta le descrizioni della fase di lancio.

Nota: questo lancio sperimentale è un'offerta pre-GA.

Questa pagina descrive come eseguire query utilizzando gli operatori SQL basati sull'AI forniti dal motore di query AlloyDB AI. Puoi utilizzare gli operatori ai.if per i filtri, ai.rank e ai.generate per combinare il linguaggio naturale con le query SQL.

Per utilizzare le istruzioni riportate in questa pagina, devi avere una conoscenza di AlloyDB e familiarità con i concetti di AI generativa.

AlloyDB AI riserva e crea lo schema ai.

Prima di iniziare

Prima di utilizzare il linguaggio naturale negli operatori SQL, procedi nel seguente modo:

• Verifica che l'estensione google_ml_integration sia installata.
• Verifica che il flag google_ml_integration.enable_model_support sia impostato su on.
• Esegui l'integrazione con Vertex AI.
• Utilizza un modello Gemini supportato nella tua regione.

Integrare Vertex AI e installare l'estensione

1. Esegui l'integrazione con Vertex AI.
2. Assicurati che sia installata l'ultima versione di google_ml_integration.

   1. Per controllare la versione installata, esegui questo comando:

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

   2. Se l'estensione non è installata o se la versione installata è precedente alla 1.4.3, aggiornala eseguendo i seguenti comandi:

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

      Se riscontri problemi durante l'esecuzione dei comandi precedenti o se l'estensione non viene aggiornata alla versione 1.4.3 dopo l'esecuzione dei comandi precedenti, contatta l'assistenza AlloyDB.

   3. Dopo aver verificato che la versione sia aggiornata, installa la funzionalità di anteprima eseguendo la procedura upgrade_to_preview_version:

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

      Nota: la versione prevista è la 1.4.4 o successive.

Utilizzare un modello Gemini supportato nella tua regione

Se il tuo cluster AlloyDB for PostgreSQL si trova in una regione in cui gemini-2.0-flash non è supportato, puoi utilizzare uno degli altri modelli Gemini disponibili nella tua regione utilizzando model_id parameter.

Nota: verifica la disponibilità del modello nella tua regione. Per saperne di più, vedi Gemini 2.0 Flash.

In alternativa, puoi registrare un endpoint del modello Gemini e fornire l'ID modello agli operatori AI. Per maggiori informazioni, consulta Registrare e chiamare modelli di AI remoti utilizzando la gestione degli endpoint dei modelli.

Il seguente esempio mostra come registrare un altro endpoint Gemini. In questo esempio, il secondo endpoint Gemini è l'endpoint globale per gemini-2.0-flash. Puoi utilizzare questo modello registrato con gli operatori AI passando model_id =>gemini-2.0-flash-global` come argomento aggiuntivo.

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'
);

Utilizzare i filtri nelle query

AlloyDB AI offre diverse funzioni SQL basate sull'AI che ti consentono di utilizzare l'elaborazione del linguaggio naturale e i LLM direttamente all'interno delle query del database, inclusi gli operatori ai.if e ai.rank.

Filtri

Per valutare se una condizione espressa in linguaggio naturale è soddisfatta, utilizza l'operatore ai.if/google_ml.if. La funzione restituisce il valore booleano true o false e false se l'output non viene rilevato chiaramente.

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

L'esempio seguente mostra l'utilizzo dell'operatore ai.if come filtro per trovare ristoranti con più di 500 recensioni positive situati in città con una popolazione superiore a 100.000 abitanti. L'esempio utilizza restaurant_reviews e contiene dati come recensioni e posizione della città. L'operatore ai.if ti aiuta a comprendere il sentiment delle recensioni e a combinare le località del database con le conoscenze generali di Gemini sulla popolazione di queste località.

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;

Di seguito è riportato lo stesso esempio utilizzando il modello registrato in Utilizzare un modello Gemini supportato nella tua regione.

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;

Eseguire un join su una query che utilizza l'operatore if

Per eseguire un'operazione di join, utilizza l'operatore ai.if/google_ml.if con join. La seguente query di esempio trova il numero di recensioni che menzionano ogni voce del menu del ristorante.

    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;

Generazione e riepilogo di testi

La funzione ai.generate produce testo combinando i dati forniti con il prompt dell'utente.

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

Ad esempio, puoi utilizzare la seguente query per generare un riepilogo conciso di ogni recensione utente.

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

Assegnare un punteggio ai risultati della query

Se devi ordinare i risultati della query utilizzando istruzioni personalizzate in linguaggio naturale, utilizza l'operatore ai.rank. Questa funzione ti consente di fornire un prompt che descrive i criteri di ranking e restituisce un punteggio per ogni elemento.

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

Ad esempio, la seguente query recupera le 20 recensioni di ristoranti più positive, utilizzando i punteggi di un LLM.

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;

Passaggi successivi

• Registra un endpoint del modello con la gestione degli endpoint del modello.

• Classifica e punteggio dei risultati di ricerca per RAG.

• Filtrare semanticamente le query SQL e classificare i risultati.