功能介绍
腾讯云数据仓库 TCHouse-X 始终致力于探索更高效、更智能的数据分析路径。TCHouse-X 深度整合了腾讯云自建大语言模型，将前沿的 LLM 能力直接赋予数据底座，实现了“数据在哪，分析就在哪”的极简体验。通过内置的 LLM 函数，TCHouse-X 让数据分析师无需编写复杂的 Python 代码或维护推理环境，只需通过标准的 SQL 语句即可调用腾讯云顶级的大模型能力，实现海量文本的批处理与智能化分析。
适用场景
目前 LLM 函数可应用的场景包括但不限于：
智能交互与路由：利用语义理解实现高效互动。在电商场景下精准识别用户意图（例如“售后退货”或“售前咨询”）并感知情绪，动态匹配客服优先级与差异化回复策略。
合规与安全防护：自动化维护内容生态。实时监测并拦截违规信息，并在数据外传前对姓名、身份证号等敏感信息进行自动脱敏，确保隐私合规。
多维用户洞察：将海量非结构化反馈转化为量化决策依据。通过自动聚类与摘要技术，从万级别评论中快速捕捉核心痛点，助力产品经理定位高频需求。
动态数据治理：标准化非结构化数据，释放资产价值。在 ETL 环节实现字段（例如日期、金额）的精准提取与格式纠偏，确保入库数据的统一性与准确性。
函数列表
文本生成与优化
函数名称 | 参数说明 | 核心功能 | SQL 示例 | 预期输出 |
AI_GENERATE | prompt: 指令文本 | 指令驱动内容生成：基于提示词工程（Prompt Engineering），实现逻辑续写、创意润色及多风格文案创作。 | SELECT AI_GENERATE('为 AI 产品发布会写一段开场白') | "未来已来。今天，我们共同见证AI重塑世界的起点..." |
AI_FIXGRAMMAR | text: 待修正文本 | 文本语法与规范修正：智能识别并修复句法结构、拼写错误及表达偏差，提升文案的专业性与准确度。 | SELECT AI_FIXGRAMMAR('The data are incorrect.') | "The data is incorrect." |
AI_SUMMARIZE | text: 待处理的长文本内容。max_len: 目标输出长度，按词数（words）计算。（默认值为50，建议最大值为2000） | 语义聚焦性摘要：通过语义聚类提取核心观点，在限定长度内实现长篇幅信息的高度浓缩与重组。 | SELECT AI_SUMMARIZE('我家的后面有一个很大的园，相传叫作百草园。...', 50) | "我家后园曾叫百草园，现已卖给朱家多年，虽只剩野草，却是儿时乐园。" |
AI_SUMMARIZE_AGG | text: 待处理的多行长文本内容 | 多行文本信息聚合摘要函数。将多行文本按行进行语义聚合，输出一个汇总语义后的统一摘要文本。调用方式与其他聚合函数（例如 SUM、AVG）一致，支持 GROUP BY 语法。 | WITH reviews AS (SELECT '这家餐厅太棒了，食物美味，服务周到。' AS reviewUNION ALL SELECT '太棒了！我超爱他们的披萨！'UNION ALL SELECT '食物不错，但服务一般般。'UNION ALL SELECT '普通的食物和普通的服务')SELECT AI_SUMMARIZE_AGG(review) FROM reviews; | "用户主要需求包括：增加深色模式、优化搜索、数据导出功能、通知设置个性化以及简化界面设计。" |
AI_TRANSLATE | text: 源文本t_lang: 目标语言s_lang: 源语言，可选 | 跨语言语义映射：在严谨保留原文语义权重的基础上，实现多语种间的流畅对齐与文化适配。 | SELECT AI_TRANSLATE('Hello world!', 'zh-CN') | "你好，世界!" |
说明：
1.
AI_SUMMARIZE 函数参数 max_len 为引导性建议值，英文按空格分隔的单词计数；中文无天然分词边界，1 个汉字可近似视为 1 个词。模型将尽量控制输出长度，不做强制截断。文本理解与分析
函数名称 | 参数规格 | 核心功能描述 | SQL 调用示例 | 预期输出 |
AI_SENTIMENT | text: 目标文本 | 情感极性识别：深度分析主观文本，量化并输出情感正负倾向（ positive/negative/neutral/mixed）。 | SELECT AI_SENTIMENT('这物流慢得离谱') | "negative" |
AI_CLASSIFY | text: 目标文本labels: 预设分类数组multi_label：可选参数，是否多标签（bool，默认 false） | 零样本语义分类：基于语义锚点将文本精准映射至预定义的标签体系，无需额外训练即可实现自动化分类。支持选择多标签模式，单条文本可同时归类到多个标签下。 | SELECT AI_CLASSIFY('无法登录账号', array('投诉','咨询')) SELECT ai_classify('快递送得快，但商品有瑕疵，客服态度还不错', array['物流速度', '包装质量', '商品质量', '客服服务', '性价比'], true) | "投诉" ['物流速度', '客服服务', '客服服务'] |
AI_SIMILARITY | text1: 文本 Atext2: 文本 B | 语义相似度度量：由生成式AI模型判定两个文本的相似度，返回 0 至 1 之间的关联度数值，数值越高表示关联度越大。 | SELECT AI_SIMILARITY('我想退钱', '申请退款') | 0.9 |
AI_FILTER | text: 待审文本policy: 过滤策略 | 合规性风险审计：根据自定义安全策略判定内容是否触碰违规红线，输出布尔值（Boolean）判定结果。 | SELECT AI_FILTER('怎么才能像大神一样优秀呢', '色情暴力') | 0 |
信息提取与处理
函数名称 | 参数规格 | 核心功能描述 | SQL 调用示例 | 预期输出 |
AI_EXTRACT | text: 目标文本entities:抽取规则，支持三种形式：array(string)：仅标签名字；返回 json stringarray(string, schema)：标签名字 + 指定返回 schema；返回 structstring：JSON Schema 字符串描述；返回 json string | 结构化字段抽取：从非结构化文本中精准识别并捕获特定维度的关键信息，实现数据的标准化沉淀，支持多种输入/输出形式。 | SELECT AI_EXTRACT('我是一名来自清华大学计算机专业的研究生', array('学校','专业')) SELECT ai_extract('我的名字是张三，年龄为25岁', struct<姓名:string, 年龄:int>) SELECT ai_extract('李四居住在上海，是一名软件工程师','{"type": "object","properties": {"姓名": {"type": "string","description": "人员的全名"},"地点": {"type": "string", "description": "城市或国家"},"年龄": {"type": ["integer", "null"], "description": "人员的年龄"},"职业": {"type": ["string", "null"], "description": "人员的职业"}}}') | {"学校": "清华大学", "专业": "计算机"} {姓名: "张三", 年龄: 25} {"姓名": "李四", "地点": "上海", "年龄": null, "职业": "软件工程师"} |
AI_MASK | text: 原始文本tags: 脱敏标签数组 | 隐私数据脱敏：基于预设标签自动定位敏感数据，采用 [MASKED] 掩码技术进行置换遮蔽，确保合规性。 | SELECT AI_MASK('联系 13800138000', array('phone')) | "联系 [MASKED]" |
说明：
AI_TRANSLATE 函数参数 entities 除了支持标签数组的基本形式，还支持 array(string, schema)（通过 struct<...> 指定返回字段及其类型，结果以 struct 形式返回，便于直接对接表字段）和 string（以 JSON Schema 字符串描述抽取结构，能更细粒度地约束字段类型与描述，建议参考 JSON Schema 2020-12 标准描述）。场景模拟：构建一个“舆情处理中心”
数据集准备
-- 创建原始舆情数据表CREATE DATABASE IF NOT EXISTS d_llm_function_demo;DROP TABLE IF EXISTS d_llm_function_demo.t_social_media_raw;CREATE TABLE d_llm_function_demo.t_social_media_raw (id INT COMMENT '唯一标识',source_platform STRING COMMENT '来源平台：微博、小红书、贴吧等',author_name STRING COMMENT '发布者昵称',content STRING NOT NULL COMMENT '原始非结构化评论内容')COMMENT '舆情处理中心-原始数据表';-- 插入模拟测试数据集INSERT INTO d_llm_function_demo.t_social_media_raw (id, source_platform, author_name, content) VALUES(1, '微博', '快乐的小羊', '刚才在静安区世纪大道发生了快递车起火，我的包裹号是 SF142335，商品是一件裙子，联系电话 13812345678，急死我了！'),(2, '小红书', '避雷达人', '这种垃圾产品也敢卖 2999 元？退钱！张三你这个经理是怎么当的？@官方账号'),(3, '朋友圈', '科技狂热者', '收到新款手机了，质感无敌！上海发货速度就是快，推荐大家购买。'),(4, '贴吧', '兼职助手', '诚招兼职，加微信：wx_12345，月入过万不是梦，详询 18900001111。'),(5, '官方 App', '用户9527', '登录一直提示系统错误，重启也没用。我身份证号是 310115199001011234 你们查一下账号状态。');
核心 SQL 样例
-- 逻辑：过滤违规 -> 情感分析 -> 生成回复SELECTid,AI_GENERATE(CONCAT('针对该问题生成技术回复：', content)) AS 预制回复FROM d_llm_function_demo.t_social_media_rawWHERE AI_FILTER(content, '谩骂') = FALSE -- 过滤掉纯谩骂AND AI_SENTIMENT(content) = 'negative' -- 仅针对负面舆情
执行结果展示
+------+-----------------------------------------------------------------------------+| id | 预制回复 |+------+-----------------------------------------------------------------------------+| 1 | SF142335包裹已记录，将优先处理。客服稍后联系13812345678确认理赔/补发。请保持电话畅通。 || 4 | 该信息涉嫌违规招聘，请勿轻信。建议通过正规平台求职，谨防诈骗。 || 5 | 账号状态正常。系统错误已反馈技术排查，请稍后再试。 |+------+-----------------------------------------------------------------------------+
