KI-Profile

NL2SQL

Es verwendet Objektlisten von Tabellenmetadaten, um Fragen in einfacher Sprache als ausführbare SQL-Abfragen zu verarbeiten.

Tabellenmetadaten

Es handelt sich um die strukturierte Beschreibung eines Datenbankschemas, das vom System verwendet wird. Es hilft dem KI-Modell, Datenbankobjekte wie Tabellen, Spalten, Datentypen usw. zu identifizieren und zwischen ihnen zu unterscheiden. Beispiel: Ein Datum kann in einer Tabelle creation date und in einer anderen Tabelle expiration date sein. Es setzt auch Sicherheits-Policys durch und passt sich an IAM-Kontrollen an, um unbefugten Zugriff oder die Verwendung von Daten zu verhindern.

Retrieval-Augmented Generation (RAG)

Es konfiguriert RAG-Pipelines in der autonomen KI-Datenbank und hilft dem KI-Modell, unstrukturierte Daten aus Wissensdatenbanken, wie Dokumenten oder Datenbanken, zu laden und abzufragen. Es erzwingt Data Governance für indizierte Quellen und ermöglicht nur den Zugriff auf autorisierte Daten. Weitere Informationen finden Sie unter AI mit Retrieval Augmented Generation (RAG) auswählen.

RAG verwendet Vector Index für die semantische Suche nach unstrukturierten Daten, um die Vektorsuchfunktionen in Oracle AI Database zu nutzen.

Vektorindex

Es ist ein Suchmechanismus zum Abrufen von Vektoreinbettungen, die aus RAG-Pipelines oder Tabellendaten generiert werden. Es ermöglicht eine schnelle und effiziente Suche, um ähnliche Vektoren zu finden, und gibt genauere Antworten für Abfragen in natürlicher Sprache zurück.

Sie können Vektorindizes in Data Studio-Einstellungen erstellen.

Darüber hinaus können Sie mit Data Studio auch ein KI-Profil mit grundlegenden KI-Features mit minimalen Attributen erstellen. Dies ist kein spezialisiertes Profil. Daher durchsucht die KI alle Objekte im Datenspeicher, anstatt eine selektive Abfrage auszuführen.