Documentazione dell'infrastruttura Oracle Cloud

Seleziona casi d'uso AI

Select AI migliora l'interazione dei dati e consente agli sviluppatori di creare applicazioni basate sull'intelligenza artificiale direttamente da SQL, trasformando i prompt del linguaggio naturale in query SQL e risposte di testo, supportando l'interazione della chat con gli LLM, migliorando l'accuratezza delle risposte con i dati attuali utilizzando la RAG e generando dati sintetici.

I casi d'uso includono:

  • Genera SQL da prompt in linguaggio naturale

    Produttività degli sviluppatori: Select AI migliora notevolmente la produttività degli sviluppatori fornendo rapidamente query SQL "starter". Gli sviluppatori possono inserire prompt in linguaggio naturale e Select AI genera SQL in base alle tabelle e alle viste dello schema di database. Ciò riduce i tempi e gli sforzi necessari per scrivere query complesse da zero, consentendo agli sviluppatori di concentrarsi sul perfezionamento e l'ottimizzazione delle query generate per le loro esigenze specifiche.

    Query in linguaggio naturale per gli utenti finali: Select AI consente agli utenti finali di interagire con le tabelle di dati e le viste sottostanti dell'applicazione utilizzando query in linguaggio naturale. Questa funzionalità consente agli utenti senza esperienza SQL di porre domande e recuperare i dati direttamente, rendendo l'accesso ai dati più intuitivo e intuitivo rispetto alle funzionalità di LLM in uso e alla qualità dei metadati dello schema disponibili.

    Altre funzionalità per la generazione SQL: le funzionalità evidenziate riportate di seguito sono supportate anche per la generazione da linguaggio naturale a SQL.

    • Specifica schema o tabelle o viste: Select AI consente di specificare una lista di oggetti costituita da schema e, facoltativamente, tabelle o viste all'interno di tale schema.

    • Rileva automaticamente i metadati delle tabelle pertinenti: Select AI rileva automaticamente le tabelle pertinenti e invia i metadati solo per quelle tabelle specifiche, pertinenti alla query, in Oracle Database 23ai.

    • Limita accesso alle tabelle: selezionare AI consente di limitare l'accesso alle tabelle prendendo in considerazione solo le tabelle elencate negli attributi del profilo AI per la generazione SQL.
    • Specifica la distinzione tra maiuscole e minuscole per le colonne: Select AI consente all'utente di specificare la distinzione tra maiuscole e minuscole in modo che l'LLM produca risposte senza distinzione tra maiuscole e minuscole dal database e dall'LLM.

  • Conversazioni

    Abilita funzioni simili a chatbot con Select AI, consentendo agli utenti di avere conversazioni naturali per l'esecuzione di query sui dati ed eseguire azioni. Queste chat possono tenere traccia del contesto, fornendo risposte di follow-up che chiariscono o espandono le domande originali. Questo scenario aumenta il coinvolgimento e semplifica le query complesse attraverso la conversazione.

  • Generazione multimediale personalizzata

    È possibile utilizzare l'intelligenza artificiale per generare contenuti multimediali personalizzati, ad esempio e-mail personalizzate in base AI dettagli dei singoli clienti. Ad esempio, nel tuo prompt potresti istruire l'LLM a creare un'e-mail amichevole e ottimista che incoraggi un cliente a provare una serie di prodotti consigliati. Questi suggerimenti potrebbero essere basati sui dati demografici dei clienti o su altre informazioni specifiche disponibili nel tuo database. Questo livello di personalizzazione migliora il coinvolgimento dei clienti offrendo contenuti pertinenti e accattivanti direttamente al cliente.

  • Generazione del codice

    Con l'azione Seleziona AI chat, è possibile utilizzare Seleziona AI per chiedere all'LLM specificato di generare codice da prompt in linguaggio naturale. Questa funzione supporta vari linguaggi di programmazione come SQL, Python, R e Java. Di seguito vengono forniti alcuni esempi.

    • Python Code: "Scrivi il codice Python per calcolare una matrice di confusione su un DataFrame con colonne ACTUAL e PREDICTED".
    • SQL DDL: "Scrivere la DDL per una tabella SQL con nome, età, reddito e paese delle colonne".
    • Query SQL: "Scrivere la query SQL che utilizzerà il modello in-database di Oracle Machine Learning denominato CHURN_DT_MODEL per prevedere quali clienti abbandoneranno e con quale probabilità".

  • Retrieval-augmented generation (RAG)

    Utilizza il contenuto della memoria di vettore per la ricerca della somiglianza semantica per migliorare l'accuratezza e la pertinenza dei prompt nelle risposte LLM.

  • Generazione di dati sintetici

    Genera dati sintetici utilizzando LLM conformi allo schema per test delle soluzioni, proof of concept e altri usi. I dati sintetici possono supportare test migliori delle tue applicazioni in assenza di dati reali, portando alla qualità complessiva della tua applicazione.

    La generazione di dati sintetici può essere utilizzata anche per popolare una copia di Autonomous Database o una copia di metadati. Select AI supporta la generazione di dati sintetici per tali copie. L'uso di dati sintetici aiuta a proteggere i dati sensibili consentendo allo stesso tempo lo sviluppo, il test e la convalida delle esperienze utente. È anche utile per i progetti di intelligenza artificiale e machine learning che richiedono dati di esempio per l'addestramento dei modelli o i dati di test per il punteggio.