AI Function 函数列表

SET DEFAULT_LLM_ENDPOINT = 'endpoint-minimax-m3';
SET DEFAULT_EMBEDDING_ENDPOINT = 'endpoint-kinfra-emb-0.6b';
SET DEFAULT_TIME_FORECAST_ENDPOINT = 'endpoint-chronos-2';

SELECT AI_GENERATE(
  endpoint 'endpoint-minimax-m3',
  options '{"kwargs":{"temperature": 0.2, "top_p": 0.9, "max_tokens": 512}}',
  '为 AI 产品发布会写一段开场白'
);

-- 步骤 1：创建演示库与原始评论表
-- 结构与业务系统落地的原始舆情数据一致：只保留平台、作者、正文等非结构化字段
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';

-- 步骤 2：灌入 5 条样本，刻意覆盖四类典型情况
--   id=1 物流异常   ：负面、不违规 → 期望保留
--   id=2 谩骂辱骂   ：负面、违规   → 期望被 AI_FILTER 过滤
--   id=3 好评推荐   ：正面、不违规 → 期望被 AI_SENTIMENT 过滤
--   id=4 兼职广告   ：负面、不违规 → 期望保留
--   id=5 功能报障   ：负面、不违规 → 期望保留
INSERT INTO d_llm_function_demo.t_social_media_raw 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……'),
(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？'),
(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。');

-- 一条 SQL 完成“违规过滤 → 情感筛选 → 回复生成”
SELECT
  id,
  -- 对通过筛选的每一行拼一段指令交给大模型生成客服回复，每行一次调用
  AI_GENERATE(
    endpoint 'system-minimax-m3',
    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_raw
WHERE
  -- 语义合规审计：返回 TRUE 表示命中策略（本例为谩骂），取 FALSE 即保留未违规内容
  AI_FILTER(endpoint 'system-minimax-m3', '{} 是谩骂的', content) = FALSE
  -- 情感极性：只保留 negative，正面与中性评论不进入回复队列
  AND AI_SENTIMENT(endpoint 'system-minimax-m3', content) = 'negative';

SELECT AI_GENERATE(
  endpoint 'endpoint-minimax-m3',
  '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……"

SELECT
  product_id,
  product_name,
  AI_GENERATE(
    endpoint 'endpoint-minimax-m3',
    '为以下商品撰写一段 50 字以内的电商详情页文案：' || product_name
  ) AS marketing_copy
FROM product_catalog
WHERE category = '数码';

SELECT AI_FIXGRAMMAR(
  endpoint 'endpoint-minimax-m3',
  'The data are incorrect.'
);

"The data is incorrect."

SELECT AI_SUMMARIZE(
  endpoint 'endpoint-minimax-m3',
  '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。"

WITH reviews AS (
  SELECT '这家餐厅太棒了，食物美味，服务周到。' AS review
  UNION 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(endpoint 'endpoint-minimax-m3', 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。"

SELECT AI_TRANSLATE(
  endpoint 'endpoint-minimax-m3',
  'Hello world!',
  'zh-CN'
);

"你好，世界！"

SELECT AI_SENTIMENT(
  endpoint 'endpoint-minimax-m3',
  '这物流慢得离谱'
);

"negative"

SELECT AI_CLASSIFY(
  endpoint 'endpoint-minimax-m3',
  '无法登录账号',
  array('投诉', '咨询')
);

"投诉"

SELECT ai_classify(
  endpoint 'endpoint-minimax-m3',
  '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
);

['物流速度', '客服服务']

SELECT AI_SIMILARITY(
  endpoint 'endpoint-minimax-m3',
  '我想退钱',
  '申请退款'
);

0.9

SELECT AI_FILTER(
  endpoint 'endpoint-minimax-m3',
  '{} 是色情暴力的',
  '怎么才能像大神一样优秀呢'
);

false

SELECT AI_FILTER(
  endpoint 'endpoint-minimax-m3',
  '{} 是色情的，{} 是暴力的',
  '怎么才能像大神一样优秀呢',
  '今天雨下的很大'
);

SELECT AI_MASK(
  endpoint 'endpoint-minimax-m3',
  '我叫张三，手机 13800000000，邮箱 zhangsan@example.com',
  array('name', 'phone', 'email')
);

"我叫 [MASKED]，手机 [MASKED]，邮箱 [MASKED]"

SELECT AI_EMBED(
  endpoint 'endpoint-kinfra-emb-0.6b',
  '申请退款'
);

[0.0123, -0.0451, ..., 0.0087]

SELECT *
FROM AI.FORECAST(
  ENDPOINT 'endpoint-chronos-2',
  OPTIONS '{"prediction_length": 7, "confidence_level": 0.9}',
  TABLE sales,
  data_col      => 'gmv',
  timestamp_col => 'ds',
  id_cols       => ARRAY['store_id'],
  feature_cols  => ARRAY['is_promo']
);