温馨提示:文本由机器自动转译,部分词句存在误差,以视频为准
00:03
大家好,欢迎大家来到腾讯云开发者社区、腾讯云数据库CSDN共同打造的AI驱动TD SQ sola数据库技术时代营,下面呢为大家讲解一下我们的第4节设计自然语言对话AI查询的操作流程。那么在本节课当中,我们会以流程图的方式为大家展示整个流程的设计。好,来到流程图部分,我们可以看一下。在右侧的图表当中,大家可以看到有一个小的青色框和一个大的青色框,其中在清色框之外只有两个内容,一个是用户提问,一个是执行并生成图表。也就是说,对于用户而言,它只需要以自然语言的方式对我们的程序发起提问,我们最终将为它直接生成数据和图表。这是我们的输入与输出部分,中间则是我们的AI对话和各种操作的代码。
01:07
其中呢,我们先看第一部分,也就是CQ Cha的部分,CQ Cha部分呢,我们主要进行两步操作,第一步操作,把当前的数据库信息啊导入到大语言模型当中去。这个导入的目的是为了让我们的大语言模型能够了解数据库的结构以及它的数据案例内容,并不需要导入所有数据啊,需要导入数据库结构和案例数据即可,然后呢,用户会以他自己的方式进行提问,大语言模型啊会借助我们的用户提问和数据库结构来生成对应的数据库查询语句。也就是说在SQ的。产生结果这块儿实际上是一条标准的搜索查询语句,那么整个中间的流程啊,我们将使用LA Cha来进行完成,当获取到了数据库查询语句之后,我们则需要进行数据库查询操作,这一部分查询操作呢,理论上也可以交做我们的srcql Cha, 或者说是交给我们下面这个大语言模型来进行生成的,可是我们这块呢,为了大家的学习方便啊,或者结构清晰,单独把查询操作拿出来啊,作为一个小的模块,在这里边查询出的结果一定是数据库中的数据,我们会将当前的数据再次作为输入传递给大语言模型,让大语言模型根据输入的查询结果。
02:42
并且结合polite库的一个结构和图表,让它生成可以直接产生polit代码的一个语Python语句。我们将Python语句交给Python来进行执行,最后就会获得我们polite生成的可视化图表。
03:04
所以呢,整个流程还是比较清晰简单的。好了解完了流程之后呢,下面我们就可以进入实操部分。下一节呢,为大家讲解基于long Cha实现的task to服务。
我来说两句