Select AIの使用例
OracleのSelect AIをさまざまなサポート対象のAIプロバイダーと統合して、自然言語プロンプトからSQLを生成、実行、説明したり、LLMとチャットしたりする方法をご紹介します。
例: Select AI Actions
これらの例は、一般的な Select AIアクションを示しています。
次の例は、SELECT AIで実行できるrunsql (デフォルト)、showsql、narrate、chat、explainsql、feedbackおよびsummarizeなどのアクションを示しています。これらの例では、shスキーマを、DBMS_CLOUD_AI.CREATE_PROFILEファンクションで指定されたAIプロバイダおよびプロファイル属性とともに使用します。現在のセッションでDBMS_CLOUD_AI.SET_PROFILEプロシージャを使用してAIプロファイルを設定した後、Select AIアクションを使用します。
テキストのサマリーを生成するには、SELECT AI SUMMARIZE <TEXT>を使用します。
SQL> select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
SQL> select ai showsql how many customers exist;
RESPONSE
----------------------------------------------------
SELECT COUNT(*) AS total_customers
FROM SH.CUSTOMERS
SQL> select ai narrate how many customers exist;
RESPONSE
------------------------------------------------------
There are a total of 55,500 customers in the database.
SQL> select ai chat how many customers exist;
RESPONSE
--------------------------------------------------------------------------------
It is impossible to determine the exact number of customers that exist as it con
stantly changes due to various factors such as population growth, new businesses
, and customer turnover. Additionally, the term "customer" can refer to individu
als, businesses, or organizations, making it difficult to provide a specific num
ber.
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
-- Feedback on SQL Text
-- Negative feedback example:
SQL > select ai feedback for query "select ai showsql how many watch histories in total", please use sum instead of count;
-- Positive feedback example:
SQL > select ai feedback for query "select ai showsql how many watch histories in total", the sql query generated is correct;
-- Feedback on SQL ID
-- Negative feedback example:
SQL > select ai feedback please use sum instead of count for sql_id 1v1z68ra6r9zf;
-- Positive feedback example:
SQL > select ai feedback sql query result is correct for sql_id 1v1z68ra6r9zf;
-- If not specified, use default LASTAI SQL
-- To use default LASTAI sql, make sure that set server output off;
-- Negative feedback example:
SQL > select ai feedback please use ascending sorting for ranking;
-- Positive feedback example:
SQL > select ai feedback the result is correct;
SQL> SELECT AI SUMMARIZE
Like countless other people around the globe, I stream music, and like more
than six hundred million of them I mainly use Spotify. Streaming currently
accounts for about eighty per cent of the American recording industry's
revenue, and in recent years Spotify's health is often consulted as a measure
for the health of the music business over all. Last spring, the International
Federation of the Phonographic Industry reported global revenues of $28.6
billion, making for the ninth straight year of growth. All of this was
unimaginable in the two-thousands, when the major record labels appeared
poorly equipped to deal with piracy and the so-called death of physical media.
On the consumer side, the story looks even rosier. Adjusted for inflation, a
... (skipped 1000 rows in the middle)
Pelly writes of some artists, in search of viral fame, who surreptitiously use
social media to effectively beta test melodies and motifs, basically putting
together songs via crowdsourcing. Artists have always fretted about the
pressure to conform, but the data-driven, music-as-content era feels
different. "You are a Spotify employee at that point," Daniel Lopatin, who
makes abstract electronic music as Oneohtrix Point Never, told Pelly. "If your
art practice is so ingrained in the brutal reality that Spotify has outlined
for all of us, then what is the music that you're not making? What does the
music you're not making sound like?" Listeners might wonder something similar.
What does the music we're not hearing sound like?;
RESPONSE
------------------------------------------------------------------------------
The music streaming industry, led by Spotify, has revolutionized the way
people consume music, with streaming accounting for 80% of the American
recording industry's revenue. However, this shift has also complicated the
lives of artists, who struggle to survive in a hyper-abundant present where
music is often valued for its convenience rather than its artistic merit.
Spotify's algorithms prioritize popularity and profitability over artistic
diversity, leading to a homogenization of music and a devaluation of the
labor that goes into creating it. Meanwhile, the company's executives reap
enormous profits, with CEO Daniel Ek's net worth rivaling that of the
wealthiest musicians. As music critic Liz Pelly argues, the streaming economy
raises important questions about autonomy, creativity, and the value of art
in a world where everything is readily available and easily accessible.例: OCI Generative AIを使用したSelect AI
これらの例は、OCI APIキーまたはリソース・プリンシパルを使用してOCI生成AIにアクセスし、AIプロファイルを作成し、OCI生成AI LLMを使用して自然言語プロンプトまたはチャットからSQLを生成、実行および説明する方法を示しています。
ノート
ノート: model_nameパラメータを指定しない場合、OCI生成AIでは、「AIプロバイダおよびLLMの選択」の表に従ってデフォルト・モデルが使用されます。パラメータについてさらに学習するには、プロファイル属性を参照してください。
-- Create Credential with OCI API key
--
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid
1.user.oc1..aaaa...',
tenancy_ocid => 'ocid1.tenancy.oc1..aaaa...',
private_key => '`<your_api_key>`',
fingerprint => '`<your_fingerprint>`'
);
END;
/
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GENAI',
attributes =>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('GENAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"GENAI"
--
-- Use AI
--
SQL> select ai how many customers exist;
Number of Customers
-------------------
55500
SQL> select ai how many customers in San Francisco are married;
COUNT(DISTINCTC."CUST_ID")
--------------------------
28
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT c."CUST_ID")
FROM "SH"."CUSTOMERS" c
JOIN "SH"."COUNTRIES" co ON c."COUNTRY_ID" = co."COUNTRY_ID"
WHERE c."CUST_CITY" = 'San Francisco' AND c."CUST_MARITAL_STATUS" = 'married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
Here is the Oracle SQL query to find the number of customers in San Francisco who are married:
SELECT COUNT(*)
FROM "SH"."CUSTOMERS" c
WHERE c."CUST_CITY" = 'San Francisco'
AND c."CUST_MARITAL_STATUS" = 'Married';
Explanation:
* We use the `COUNT(*)` aggregate function to count the number of rows that match the conditions.
* We specify the table alias `c` for the `"SH"."CUSTOMERS"` table to make the query more readable.
* We use the `WHERE` clause to filter the rows based on two conditions:
+ `c."CUST_CITY" = 'San Francisco'`: We filter the rows where the customer's city is San Francisco.
+ `c."CUST_MARITAL_STATUS" = 'Married'`: We filter the rows where the customer's marital status is Married.
* The double quotes around the table and column names are used to make the query case-sensitive, as required in Oracle SQL.
Note: The column names and table names are assumed to be case-sensitive, so we enclose them in double quotes. If the column names and table names are not case-sensitive, you can remove the double quotes.
Collapse
This snippet was truncated for display; see it in full
SQL> select ai narrate how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------
There are 28 customers in San Francisco who are married.
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
An Autonomous AI Database is a type of database that uses artificial intelligence (AI) and machine learning (ML) to automate many of the administrative and maintenance tasks typically performed by a database administrator (DBA). This allows the database to manage itself, without human intervention, to a large extent.
Autonomous AI Databases are designed to be self-driving, self-securing, and self-repairing, which means they can:
1. Automate administrative tasks: Such as provisioning, patching, upgrading, and tuning, which frees up DBAs to focus on higher-level tasks.
2. Optimize performance: By automatically adjusting parameters, indexing, and caching to ensure optimal performance and efficiency.
3. Detect and respond to security threats: By using AI-powered security tools to identify and respond to potential security threats in real-time.
4. Heal itself: By automatically detecting and repairing errors, corruption, or other issues that may arise.
5. Scale up or down: To match changing workload demands, without the need for manual intervention.
The benefits of Autonomous AI Databases include:
1. Increased efficiency: By automating routine tasks, DBAs can focus on more strategic activities.
2. Improved performance: Autonomous AI Databases can optimize performance in real-time, leading to faster query response times and better overall system performance.
3. Enhanced security: AI-powered security tools can detect and respond to threats more quickly and effectively than human administrators.
4. Reduced costs: By minimizing the need for manual intervention, Autonomous AI Databases can help reduce labor costs and improve resource utilization.
5. Improved reliability: Autonomous AI Databases can detect and repair errors more quickly, reducing downtime and improving overall system reliability.
Oracle Autonomous AI Database is a popular example of an Autonomous AI Database, which was introduced in 2018. Other vendors, such as Amazon, Microsoft, and Google, also offer Autonomous AI Database services as part of their cloud offerings.
In summary, Autonomous AI Databases are designed to be self-managing, self-optimizing, and self-healing, which can lead to improved performance, security, and efficiency, while reducing costs and administrative burdens.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('GENAI');
PL/SQL procedure successfully completed.例: OCI Generative AI Resource Principalを使用したSelect AI
OCI生成AIでリソース・プリンシパルを使用するには、Oracle Cloud Infrastructureテナンシ管理者が生成AIリソースへのアクセス権を動的グループに付与する必要があります。動的グループへのアクセスを提供するには、Autonomous AI Databaseでリソース・プリンシパルを使用するための前提条件の実行を参照してください。
すべての生成AIリソースへのアクセスを取得するために必要なポリシーを設定します。生成AIポリシーの詳細は、「生成AIへのアクセス」を参照してください。
-
テナンシ全体のすべての生成AIリソースにアクセスするには、次のポリシーを使用します:
allow group <`your-group-name`> to manage generative-ai-family in tenancy -
コンパートメント内のすべての生成AIリソースにアクセスするには、次のポリシーを使用します:
allow group <your-group-name> to manage generative-ai-family in compartment <`your-compartment-name`>
管理者として接続し、OCIリソース・プリンシパルを有効にします。パラメータを構成するには、ENABLE_PRINCIPAL_AUTHプロシージャを参照してください。
ノート
ノート: model_nameパラメータを指定しない場合、OCI生成AIでは、「AIプロバイダおよびLLMの選択」の表に従ってデフォルト・モデルが使用されます。パラメータについてさらに学習するには、プロファイル属性を参照してください。
-- Connect as Administrator user and enable OCI resource principal.
BEGIN
DBMS_CLOUD_ADMIN.ENABLE_PRINCIPAL_AUTH(provider => 'OCI');
END;
/
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GENAI',
attributes =>'{"provider": "oci",
"credential_name": "OCI$RESOURCE_PRINCIPAL",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('GENAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"GENAI"
--
-- Use AI
--
SQL> select ai how many customers exist;
Number of Customers
-------------------
55500
SQL> select ai how many customers in San Francisco are married;
COUNT(DISTINCTC."CUST_ID")
--------------------------
28
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT c."CUST_ID")
FROM "SH"."CUSTOMERS" c
JOIN "SH"."COUNTRIES" co ON c."COUNTRY_ID" = co."COUNTRY_ID"
WHERE c."CUST_CITY" = 'San Francisco' AND c."CUST_MARITAL_STATUS" = 'married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
Here is the Oracle SQL query to find the number of customers in San Francisco who are married:
SELECT COUNT(*)
FROM "SH"."CUSTOMERS" c
WHERE c."CUST_CITY" = 'San Francisco'
AND c."CUST_MARITAL_STATUS" = 'Married';
Explanation:
* We use the `COUNT(*)` aggregate function to count the number of rows that match the conditions.
* We specify the table alias `c` for the `"SH"."CUSTOMERS"` table to make the query more readable.
* We use the `WHERE` clause to filter the rows based on two conditions:
+ `c."CUST_CITY" = 'San Francisco'`: We filter the rows where the customer's city is San Francisco.
+ `c."CUST_MARITAL_STATUS" = 'Married'`: We filter the rows where the customer's marital status is Married.
* The double quotes around the table and column names are used to make the query case-sensitive, as required in Oracle SQL.
Note: The column names and table names are assumed to be case-sensitive, so we enclose them in double quotes. If the column names and table names are not case-sensitive, you can remove the double quotes.
Collapse
This snippet was truncated for display; see it in full
SQL> select ai narrate how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------
There are 28 customers in San Francisco who are married.
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
An Autonomous AI Database is a type of database that uses artificial intelligence (AI) and machine learning (ML) to automate many of the administrative and maintenance tasks typically performed by a database administrator (DBA). This allows the database to manage itself, without human intervention, to a large extent.
Autonomous AI Databases are designed to be self-driving, self-securing, and self-repairing, which means they can:
1. Automate administrative tasks: Such as provisioning, patching, upgrading, and tuning, which frees up DBAs to focus on higher-level tasks.
2. Optimize performance: By automatically adjusting parameters, indexing, and caching to ensure optimal performance and efficiency.
3. Detect and respond to security threats: By using AI-powered security tools to identify and respond to potential security threats in real-time.
4. Heal itself: By automatically detecting and repairing errors, corruption, or other issues that may arise.
5. Scale up or down: To match changing workload demands, without the need for manual intervention.
The benefits of Autonomous AI Databases include:
1. Increased efficiency: By automating routine tasks, DBAs can focus on more strategic activities.
2. Improved performance: Autonomous AI Databases can optimize performance in real-time, leading to faster query response times and better overall system performance.
3. Enhanced security: AI-powered security tools can detect and respond to threats more quickly and effectively than human administrators.
4. Reduced costs: By minimizing the need for manual intervention, Autonomous AI Databases can help reduce labor costs and improve resource utilization.
5. Improved reliability: Autonomous AI Databases can detect and repair errors more quickly, reducing downtime and improving overall system reliability.
Oracle Autonomous AI Database is a popular example of an Autonomous AI Database, which was introduced in 2018. Other vendors, such as Amazon, Microsoft, and Google, also offer Autonomous AI Database services as part of their cloud offerings.
In summary, Autonomous AI Databases are designed to be self-managing, self-optimizing, and self-healing, which can lead to improved performance, security, and efficiency, while reducing costs and administrative burdens.
--
--Clear profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('GENAI');
PL/SQL procedure successfully completed.例: OCI生成AIプロファイルに別のリージョンを指定
この例では、プロファイルでのOCI生成AIサポート対象リージョンの指定を示します。生成AIを使用するリージョンを参照してください。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'GENAI',
attributes =>'{"provider": "oci",
"object_list": [
{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}
]
"region":"eu-frankfurt-1",
"model": "meta.llama-3.3-70b-instruct",
"credential_name": "GENAI_CRED",
"oci_compartment_id": "ocid1.compartment.oc1..."}');
END;
/例: Google Modelを使用したOCI Generative AIによるSelect AI
Select AIは、OCI Generative AIサービスと統合されたGoogleのGeminiモデルをサポートしています。provider: oci設定を使用して、GeminiモデルをAIプロファイルの一部として構成できます。
OCIのGeminiモデルの詳細は、サポートされているGoogleモデルを参照してください。
この例では、Select AIでOCI Generative AIでGoogleモデルを使用する方法を示します。
--Create your AI Profile
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'gemini',
attributes => '{
"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "SH"}],
"oci_compartment_id": "ocid1.compartment.oc1..aaaaa...ocid",
"model": "google.gemini-2.5-flash-lite",
"conversation" : "true"
}'
);
END;
/
--Set the profile
BEGIN
DBMS_CLOUD_AI.SET_PROFILE('gemini');
END;
/
--Use Select AI
select ai what are the top 3 product categories by sales;
--Use SHOWSQL
select ai showsql top 3 product categories by sales;
--Use EXPLAINSQL
select ai explainsql top 3 product categories by sales;
--Use NARRATE
select ai narrate what are the top 3 customers in San Francisco;
--Use CHAT
select ai chat what is Autonomous AI Database;例: Grokモデルを使用したOCI生成AIによるSelect AI
この例では、OCI生成AIサポートでxAIのGrokモデルを使用する方法を示します。「Select AIの前提条件の実行」を確認します。
--Create your AI Profile
BEGIN
DBMS_CLOUD_AI.create_profile(
profile_name =>'grok',
attributes =>'{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [ {"owner": "SH"}],
"oci_compartment_id": "ocid1.compartment.oc1..aaaaa...",
"model":"xai.grok-3"
}');
END;
/
PL/SQL procedure successfully completed.
--Set Profile
exec dbms_cloud_ai.set_profile('grok');
PL/SQL procedure successfully completed.
--Use Select AI
select ai how many customers exist;
TOTAL_CUSTOMERS
---------------
55500
select ai how many customers in San Francisco are married;
TOTAL_MARRIED_CUSTOMERS
-----------------------
46
select ai showsql how many customers in San Francisco are married;
RESPONSE
----------------------------------------------------------
SELECT COUNT(*) AS total_married_customers
FROM "SH"."CUSTOMERS" c
WHERE UPPER(c."CUST_CITY") = UPPER('San Francisco')
AND UPPER(c."CUST_MARITAL_STATUS") = UPPER('married')
select ai explainsql how many customers in San Francisco are married;
RESPONSE
-------------------
### Oracle SQL Query
SELECT COUNT(*) AS "Total_Married_Customers"
FROM "SH"."CUSTOMERS" "cust"
WHERE UPPER("cust"."CUST_CITY") = UPPER('San Francisco')
AND UPPER("cust"."CUST_MARITAL_STATUS") = UPPER('married')
### Detailed Explanation
1. **Table and Schema Naming**:
- The table `"CUSTOMERS"` is referenced with its schema name `"SH"` as `"SH"."CUSTOMERS"`. This ensures that the query explicitly points to the correct schema and table, avoiding ambiguity.
- A table alias `"cust"` is used for the `"CUSTOMERS"` table to make the query more readable and concise when referencing columns.
2. **Column Naming**:
- The result of the `COUNT(*)` function is aliased as `"Total_Married_Customers"` for clarity and readability. This descriptive name indicates exactly what the count represents.
- All column names (e.g., `"CUST_CITY"`, `"CUST_MARITAL_STATUS"`) are enclosed in double quotes to maintain case sensitivity as per Oracle's naming conventions when explicitly defined.
3. **String Comparison in WHERE Clause**:
- The strings 'San Francisco' and 'married' in the question are not enclosed in double quotes. As per the provided rules, case-insensitive comparison is required.
- Therefore, the `UPPER()` function is applied to both the column values (`"cust"."CUST_CITY"` and `"cust"."CUST_MARITAL_STATUS"`) and the literal strings ('San Francisco' and 'married') to ensure the comparison ignores case differences.
- This means that records with values like 'SAN FRANCISCO', 'san francisco', or any other case variation of 'San Francisco' will match, and similarly for 'married'.
4. **Purpose of the Query**:
- The query counts the total number of customers who are located in 'San Francisco' and have a marital status of 'married'.
- The `COUNT(*)` function is used to return the total number of rows that satisfy the conditions specified in the `WHERE` clause.
5. **Readability**:
- The query uses consistent formatting with indentation for the `WHERE` clause conditions to improve readability.
- The use of a meaningful alias (`"cust"`) and a descriptive result column name (`"Total_Married_Customers"`) makes the query easier to understand at a glance.
This query will return a single number representing the count of married customers in San Francisco, handling case variations in the data appropriately.
select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
I'm showing you the top 3 customers from San Francisco, based on their unique id
entification numbers, sorted from lowest to highest. Here's who they are:
- Lyndon Baltzer
- Mike Crocker
- Milburn Klemm
select ai chat what is Autonomous AI Database;
RESPONSE
-------------------
An **Autonomous AI Database** is a cloud-based database solution that uses artificial intelligence (AI) and machine learning (ML) to automate many of the routine tasks associated with managing and maintaining a database. It is designed to operate with minimal human intervention, allowing organizations to focus on data-driven insights and application development rather than database administration. The concept is often associated with Oracle''s Autonomous AI Database, which was one of the first widely recognized implementations, but other cloud providers like AWS, Microsoft Azure, and Google Cloud also offer similar self-managing database services.
### Key Features of an Autonomous AI Database:
1. **Self-Driving:** Automates tasks such as provisioning, patching, tuning, and upgrading without manual input. It uses AI to optimize performance and adapt to workload changes in real-time.
2. **Self-Securing:** Automatically applies security updates, detects vulnerabilities, and protects against threats using built-in mechanisms like encryption and threat detection, reducing the risk of human error.
3. **Self-Repairing:** Identifies and resolves issues such as system failures or performance bottlenecks autonomously, ensuring high availability and minimizing downtime.
4. **Scalability:** Dynamically scales resources (compute and storage) up or down based on demand, optimizing cost and performance.
5. **Data Management:** Supports various data types and workloads, including transactional (OLTP), analytical (OLAP), and mixed workloads, often in a single converged database environment.
### Benefits:
- **Reduced Costs:** Minimizes the need for dedicated database administrators, lowering operational expenses.
- **Improved Performance:** AI-driven optimization ensures efficient query execution and resource allocation.
- **Enhanced Security:** Automated security features reduce the likelihood of breaches due to misconfigurations or delayed updates.
- **Increased Productivity:** Frees up IT staff to focus on innovation rather than routine maintenance.
### Use Cases:
- Businesses requiring high availability and reliability for critical applications.
- Organizations looking to modernize IT infrastructure with cloud-native solutions.
- Data analytics and machine learning projects needing scalable, optimized data storage.
- Environments where security and compliance are paramount, such as finance or healthcare.
### Example:
Oracle Autonomous AI Database, available on Oracle Cloud, offers two primary services:
- **adb_tp (ATP):** Optimized for transactional workloads with high performance and reliability.
- **Autonomous AI Lakehouse:** Designed for analytics and big data workloads with automated data integration and optimization.
In essence, an Autonomous AI Database represents a shift toward intelligent, self-managing data systems that leverage automation and AI to simplify database operations, enhance security, and improve efficiency in a cloud environment. If you have a specific provider or context in mind, let me know, and I can dive deeper!例: LLAMAモデルを使用したOCI生成AIによるSelect AI
この例では、OCI生成AIのchat機能を示します。モデルの機能を2つのプロンプトで強調します。顧客のコメントを分析してセンチメントをガーゼし、ロッククライミングに関する導入パラグラフを生成します。
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1..aaa',
tenancy_ocid => 'ocid1.tenancy.oc1..aaa',
private_key => '<your_api_key>',
fingerprint => '<your_fingerprint>'
);
END;
/
PL/SQL procedure successfully completed.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'GENAI',
attributes =>'{"provider": "oci",
"object_list": [
{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}
]
"model": "meta.llama-3.3-70b-instruct",
"oci_apiformat":"GENERIC",
"credential_name": "GENAI_CRED",
"oci_compartment_id": "ocid1.compartment.oc1..."}');
END;
/
PL/SQL procedure successfully completed.
--
--Set profile
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('GENAI');
PL/SQL procedure successfully completed.
SQL> set linesize 150
SQL> SELECT AI chat what is the sentiment of this comment I am not going to waste my time filling up this three page form. Lousy idea;
SQL>
RESPONSE
------------------------------------------------------------------------------------------------------------------------------------------------------
The sentiment of this comment is strongly negative. The user is expressing frustration and annoyance with the idea of filling out a three-page form, and is explicitly stating that they consider it a "lousy idea". The use of the phrase "waste my time" also implies that they feel the task is unnecessary
and unproductive. The tone is dismissive and critical.
SQL> SELECT AI chat Write an enthusiastic introductory paragraph on how to get started with rock climbing with Athletes as the target audience;
RESPONSE
------------------------------------------------------------------------------------------------------------------------------------------------------
Rock climbing is an exhilarating and challenging sport that's perfect for athletes looking to push their limits and test their strength, endurance,
and mental toughness. Whether you're a seasoned athlete or just starting out, rock climbing offers a unique and rewarding experience that will have
you hooked from the very first climb. With its combination of physical and mental challenges, rock climbing is a great way to build strength, improve
flexibility, and develop problem-solving skills. Plus, with the supportive community of climbers and the breathtaking views from the top of the climb,
you'll be hooked from the very first climb. So, if you're ready to take on a new challenge and experience the thrill of adventure, then it's time to
get started with rock climbing!デフォルト・モデルでのOCI生成AIの使用
次の例では、デフォルトのOCI生成AIチャット・モデルを使用します。model_nameパラメータを指定しない場合、OCI生成AIでは、「AIプロバイダおよびLLMの選択」の表に従ってデフォルト・モデルが使用されます。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_DEFAULT',
attributes => '{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "ADB_USER"}]
}');
END;
/チャット・モデルでのOCI生成AIの使用
次の例では、OCI生成AIチャット・モデルとしてcohere.command-r-plus-08-2024を使用します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_COHERE_COMMAND_R_PLUS',
attributes => '{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "ADB_USER"}],
"model": "cohere.command-r-plus-08-2024"
}');
END;
/チャット・モデル・エンドポイントIDでのOCI生成AIの使用
次の例では、modelのかわりにOCI生成AIチャット・モデルのエンドポイントIDを指定する方法を示します。Meta Llamaチャット・モデルのエンドポイントIDを使用している場合は、oci_apiformatをGENERICとして指定します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_CHAT_ENDPOINT',
attributes => '{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "ADB_USER"}],
"oci_endpoint_id": "*`<endpoint_id>`*",
"oci_apiformat": "GENERIC"
}');
END;
/チャット・モデルでのOCI生成AIの使用
この例では、OCI Generative AI Cohere Chat Modelを指定する方法を示します。Meta Llamaチャット・モデルを使用している場合は、oci_apiformatをGENERICとして指定し、Select AIでOCI生成AIモデルを直接コールする場合、modelを使用してモデル名を指定します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_CHAT_OCID',
attributes => '{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "ADB_USER"}],
"model": "cohere.command-a-reasoning",
"oci_apiformat": "COHERE"
}');
END;
/例: OpenAIを使用したSelect AI
この例では、OpenAIを使用して自然言語プロンプトからSQL文を生成する方法を示します。
ノート
ノート: DBAのみがEXECUTE権限およびネットワークACLプロシージャを実行できます。
--Grants EXECUTE privilege to ADB_USER
--
SQL> grant execute on DBMS_CLOUD_AI to ADB_USER;
-- Grant Network ACL for OpenAI endpoint
--
SQL> BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.openai.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create Credential for AI provider
--
EXEC
DBMS_CLOUD.CREATE_CREDENTIAL(
CREDENTIAL_NAME => 'OPENAI_CRED',
username => 'OPENAI',
password => '*`<your_api_token>`*');
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OPENAI',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"conversation": "true"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SQL> SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"OPENAI"
--
-- Use AI
--
SQL> select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
SQL> select ai how many customers in San Francisco are married;
MARRIED_CUSTOMERS
-----------------
18
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS married_customers_count
FROM SH.CUSTOMERS c
WHERE c.CUST_CITY = 'San Francisco'
AND c.CUST_MARITAL_STATUS = 'Married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
SQL> select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
The top 3 customers in San Francisco are:
1. Hector Colven - Total amount sold: $52,025.99
2. Milburn Klemm - Total amount sold: $50,842.28
3. Gavin Xie - Total amount sold: $48,677.18
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
--------------------------------------------------------------------------------
Autonomous AI Database is a cloud-based database service provided by Oracle. It is designed to automate many of the routine tasks involved in managing a database,
such as patching, tuning, and backups. Autonomous AI Database uses machine learning and automation to optimize performance, security, and availability, allowing
users to focus on their applications and data rather than database administration tasks. It offers both adb_tp (ATP) for
transactional workloads and Autonomous AI Lakehouse for analytical workloads. Autonomous AI Database provides high performance, scalability, and
reliability, making it an ideal choice for modern cloud-based applications.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
SQL> EXEC DBMS_CLOUD_AI.DROP_PROFILE('OPENAI');
PL/SQL procedure successfully completed.次の例は、AIプロファイルで別のモデルを指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OPENAI',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"model": "gpt-3.5-turbo",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"conversation": "true"
}');
END;
/例: Cohereを使用したSelect AI
この例では、Cohereを使用して自然言語プロンプトからSQL文を生成する方法を示します。
ノート
ノート: DBAのみがEXECUTE権限およびネットワークACLプロシージャを実行できます。
--Grants EXECUTE privilege to ADB_USER
--
SQL>GRANT execute on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
EXEC
DBMS_CLOUD.CREATE_CREDENTIAL(
CREDENTIAL_NAME => 'COHERE_CRED',
username => 'COHERE',
password => 'your_api_token');
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for Cohere endpoint
--
SQL> BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.cohere.ai',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'COHERE',
attributes =>'{"provider": "cohere",
"credential_name": "COHERE_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "sales"},
{"owner": "SH", "name": "products"},
{"owner": "SH", "name": "countries"}]
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('COHERE');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SQL> SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"COHERE"
--
-- Use AI
--
SQL> select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
SQL> EXEC DBMS_CLOUD_AI.DROP_PROFILE('COHERE');
PL/SQL procedure successfully completed.次の例は、AIプロファイルで異なるモデル属性とカスタム属性を指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'COHERE',
attributes =>
'{"provider": "cohere",
"credential_name": "COHERE_CRED",
"model": "cohere.command-a-03-2025",
"object_list": [{"owner": "ADB_USER"}],
"max_tokens":512,
"stop_tokens": [";"],
"temperature":
0.5,
"comments": true
}');
END;
/例: Azure OpenAIサービスを使用したSelect AI
次の例は、APIキーを使用したAzure OpenAIサービスへのアクセスの有効化、またはAzure OpenAIサービス・プリンシパルの使用、AIプロファイルの作成、自然言語プロンプトからのSQLの生成を行う方法を示しています。
-- Create Credential for AI integration
--
EXEC
DBMS_CLOUD.CREATE_CREDENTIAL(
CREDENTIAL_NAME => 'AZURE_CRED',
username => 'AZUREAI',
password => 'your_api_token');
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for OpenAI endpoint
--
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => '*`<azure_resource_name>`*.openai.azure.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=> 'AZUREAI',
attributes=> '{"provider": "azure",
"azure_resource_name": "*`<azure_resource_name>`*",
"azure_deployment_name": "*`<azure_deployment_name>`*"
"credential_name": "AZURE_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"conversation": "true"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('AZUREAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"AZUREAI"
--
-- Use AI
--
select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
select ai how many customers in San Francisco are married;
MARRIED_CUSTOMERS
-----------------
18
select ai showsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS married_customers_count
FROM SH.CUSTOMERS c
WHERE c.CUST_CITY = 'San Francisco'
AND c.CUST_MARITAL_STATUS = 'Married'
select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
The top 3 customers in San Francisco are:
1. Hector Colven - Total amount sold: $52,025.99
2. Milburn Klemm - Total amount sold: $50,842.28
3. Gavin Xie - Total amount sold: $48,677.18
select ai chat what is Autonomous AI Database;
RESPONSE
--------------------------------------------------------------------------------
Autonomous AI Database is a cloud-based database service provided by Oracle. It is designed to automate many of the routine tasks involved in managing a database,
such as patching, tuning, and backups. Autonomous AI Database uses machine learning and automation to optimize performance, security, and availability, allowing
users to focus on their applications and data rather than database administration tasks. It offers both adb_tp (ATP) for transactional
workloads and Autonomous AI Lakehouse for analytical workloads. Autonomous AI Database provides high performance, scalability, and reliability, making it
an ideal choice for modern cloud-based applications.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('AZUREAI');
PL/SQL procedure successfully completed.次の例は、AIプロファイルで別のモデルを指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'AZUREAI',
attributes=>'{"provider": "azure",
"credential_name": "AZURE$PA",
"model": "gpt-3.5-turbo",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"azure_resource_name": "<azure_resource_name>",
"azure_deployment_name": "<azure_deployment_name>"
}');
END;
/例: Azure OpenAIサービス・プリンシパルを使用したSelect AI
データベース管理者として接続し、Azureサービス・プリンシパル認証へのアクセスを提供してから、Select AIを使用するユーザー(ADB_USER)にネットワークACL権限を付与します。Azureリソースにアクセスできるようにするには、「Azureサービス・プリンシパルを使用してAzureリソースにアクセス」を参照してください。
ノート
ノート: EXECUTE権限およびネットワークACLプロシージャを実行できるのは、DBAユーザーのみです。
-- Connect as ADMIN user and enable Azure service principal authentication.
BEGIN
DBMS_CLOUD_ADMIN.ENABLE_PRINCIPAL_AUTH(provider => 'AZURE',
params => JSON_OBJECT('azure_tenantid' value '*`azure_tenantid`*'));
END;
/
-- Copy the consent url from cloud_integrations view and consents the ADB-S application.
SQL> select param_value from CLOUD_INTEGRATIONS where param_name = 'azure_consent_url';
PARAM_VALUE
--------------------------------------------------------------------------------
https://login.microsoftonline.com/<tenant_id>/oauth2/v
2.0/authorize?client_id=<client_id>&response_type=code&scope=User.read
-- On the Azure OpenAI IAM console, search for the Azure application name and assign the permission to the application.
-- You can get the application name in the cloud_integrations view.
SQL> select param_value from CLOUD_INTEGRATIONS where param_name = '*`azure_app_name`*';
PARAM_VALUE
--------------------------------------------------------------------------------
ADBS_APP_*`DATABASE_OCID`*
--
-- Grant Network ACL for Azure OpenAI endpoint
--SQL> BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'azure_resource_name.openai.azure.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'AZUREAI',
attributes=>'{"provider": "azure",
"credential_name": "AZURE$PA",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"azure_resource_name": "*`<azure_resource_name>`*",
"azure_deployment_name": "*`<azure_deployment_name>`*"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('AZUREAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"AZUREAI"
--
-- Use AI
--
select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
select ai how many customers in San Francisco are married;
MARRIED_CUSTOMERS
-----------------
18
select ai showsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS married_customers_count
FROM SH.CUSTOMERS c
WHERE c.CUST_CITY = 'San Francisco'
AND c.CUST_MARITAL_STATUS = 'Married'
select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
The top 3 customers in San Francisco are:
1. Hector Colven - Total amount sold: $52,025.99
2. Milburn Klemm - Total amount sold: $50,842.28
3. Gavin Xie - Total amount sold: $48,677.18
select ai chat what is Autonomous AI Database;
RESPONSE
--------------------------------------------------------------------------------
Autonomous AI Database is a cloud-based database service provided by Oracle. It is designed to automate many of the routine tasks involved in managing a database,
such as patching, tuning, and backups. Autonomous AI Database uses machine learning and automation to optimize performance, security, and availability, allowing us
ers to focus on their applications and data rather than database administration tasks. It offers both adb_tp (ATP) for transactional
workloads and Autonomous AI Lakehouse for analytical workloads. Autonomous AI Database provides high performance, scalability, and reliability, making it
an ideal choice for modern cloud-based applications.
EXEC DBMS_CLOUD_AI.DROP_PROFILE('AZUREAI');
PL/SQL procedure successfully completed.例: Googleを使用したSelect AI
この例では、Googleを使用して、Google Gemini LLMを使用して自然言語プロンプトまたはチャットからSQLを生成、実行および説明する方法を示します。
次の例は、GoogleをAIプロバイダとして使用する方法を示しています。この例では、Google API署名キーを使用してネットワーク・アクセスを提供し、AIプロファイルを作成し、Select AIアクションを使用して自然言語プロンプトとチャット・レスポンスからSQL問合せを生成する方法を示します。
--Grants EXECUTE privilege to ADB_USER
--
SQL> grant EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
SQL> BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GOOGLE_CRED',
username => 'GOOGLE',
password => '<your_api_key>'
);
END;
/
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for Google endpoint
--
SQL>
SQL> BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'generativelanguage.googleapis.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
SQL> BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GOOGLE',
attributes =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('GOOGLE');
PL/SQL procedure successfully completed.
--
-- Use AI
--
SQL> select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
SQL> select ai how many customers in San Francisco are married;
MARRIED_CUSTOMERS
-----------------
18
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS married_customers_count
FROM SH.CUSTOMERS c
WHERE c.CUST_CITY = 'San Francisco'
AND c.CUST_MARITAL_STATUS = 'Married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
SQL> select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
The top 3 customers in San Francisco are:
1. Hector Colven - Total amount sold: $52,025.99
2. Milburn Klemm - Total amount sold: $50,842.28
3. Gavin Xie - Total amount sold: $48,677.18
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
--------------------------------------------------------------------------------
Autonomous AI Database is a cloud-based database service provided by Oracle. It is designed to automate many of the routine tasks involved in managing a database,
such as patching, tuning, and backups. Autonomous AI Database uses machine learning and automation to optimize performance, security, and availability, allowing
users to focus on their applications and data rather than database administration tasks. It offers both adb_tp (ATP) for transactional
workloads and Autonomous Lakehouse for analytical workloads. Autonomous AI Database provides high performance, scalability, and reliability, making it
an ideal choice for modern cloud-based applications.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('GOOGLE');
PL/SQL procedure successfully completed.次の例は、AIプロファイルで別のモデルを指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GOOGLE',
attributes =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"model": "gemini-1.5-pro",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/例: Anthropicを使用したSelect AI
この例では、Anthropicを使用して、Anthropic Claude LLMを使用して自然言語プロンプトまたはチャットからSQLを生成、実行および説明する方法を示します。
次の例は、AnthropicをAIプロバイダとして使用する方法を示しています。この例では、Anthropic API署名キーを使用してネットワーク・アクセスを提供し、AIプロファイルを作成し、Select AIアクションを使用して自然言語プロンプトからSQL問合せを生成し、Anthropic Claude LLMを使用してチャットする方法を示します。
プロファイル属性を指定するには、「プロファイル属性」を参照してください。
--Grant EXECUTE privilege to ADB_USER
SQL>GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
SQL>BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'ANTHROPIC_CRED',
username => 'ANTHROPIC',
password => '<your api key>'
);
END;
/
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for Anthropic endpoint
--
SQL>BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.anthropic.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
SQL>BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'ANTHROPIC',
attributes =>'{"provider": "anthropic",
"credential_name": "ANTHROPIC_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL>EXEC DBMS_CLOUD_AI.SET_PROFILE('ANTHROPIC');
PL/SQL procedure successfully completed.
--
-- Use AI
--
SQL> select ai how many customers exist;
CUSTOMER_COUNT
--------------
55500
SQL> select ai how many customers in San Francisco are married;
MARRIED_CUSTOMERS
-----------------
18
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS married_customers_count
FROM SH.CUSTOMERS c
WHERE c.CUST_CITY = 'San Francisco'
AND c.CUST_MARITAL_STATUS = 'Married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM SH.CUSTOMERS AS c
WHERE c.CUST_STATE_PROVINCE = 'San Francisco' AND c.CUST_MARITAL_STATUS = 'Married';
Explanation:
- We use the 'SH' table alias for the 'CUSTOMERS' table for better readability.
- The query uses the 'COUNT(*)' function to count the number of rows that match the given conditions.
- The 'WHERE' clause is used to filter the results:
- 'c.CUST_STATE_PROVINCE = 'San Francisco'' filters customers who have 'San Francisco' as their state or province.
- 'c.CUST_MARITAL_STATUS = 'Married'' filters customers who have 'Married' as their marital status.
The result of this query will give you the count of customers in San Francisco who are married, using the column alias 'customer_count' for the result.
Remember to adjust the table and column names based on your actual schema if they differ from the example.
Feel free to ask if you have more questions related to SQL or database in general.
SQL> select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
--------------------------------------------------------------------------------
The top 3 customers in San Francisco are:
1. Hector Colven - Total amount sold: $52,025.99
2. Milburn Klemm - Total amount sold: $50,842.28
3. Gavin Xie - Total amount sold: $48,677.18
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
--------------------------------------------------------------------------------
Autonomous AI Database is a cloud-based database service provided by Oracle. It is designed to automate many of the routine tasks involved in managing a database,
such as patching, tuning, and backups. Autonomous AI Database uses machine learning and automation to optimize performance, security, and availability, allowing
users to focus on their applications and data rather than database administration tasks. It offers both adb_tp (ATP) for transactional
workloads and Autonomous AI Lakehouse for analytical workloads. Autonomous AI Database provides high performance, scalability, and reliability, making it
an ideal choice for modern cloud-based applications.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('ANTHROPIC');
PL/SQL procedure successfully completed.次の例は、AIプロファイルで別のモデルを指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'ANTHROPIC',
attributes =>'{"provider": "anthropic",
"credential_name": "ANTHROPIC_CRED",
"model": "claude-3-opus-20240229",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/例: Hugging Faceを使用したSelect AI
この例は、Hugging Faceを使用して、自然言語プロンプトからSQLを生成、実行および説明したり、Hugging Face LLMを使用してチャットする方法を示しています。
次の例は、Hugging FaceをAIプロバイダとして使用する方法を示しています。この例では、Hugging Face API署名キーを使用してネットワーク・アクセスを提供し、AIプロファイルを作成し、Select AIアクションを使用して自然言語プロンプトからSQL問合せを生成し、Hugging Face LLMを使用してチャットする方法を示します。
--Grant EXECUTE privilege to ADB_USER
SQL>GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
SQL>BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'HF_CRED',
username => 'HF',
password => '*`<your_api_key>`*'
);
END;
/
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for Hugging Face endpoint
--
SQL>BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api-inference.huggingface.co',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
SQL>BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'HF',
attributes =>'{"provider": "huggingface",
"credential_name": "HF_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"model" : "Qwen/Qwen2.5-72B-Instruct"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL>EXEC DBMS_CLOUD_AI.SET_PROFILE('HF');
PL/SQL procedure successfully completed.
--
-- Use AI
--SQL> select ai how many customers exist;
Customer_Count
--------------
55500
SQL> select ai how many customers in San Francisco are married;
Married_Customers
-----------------
46
SQL> select ai showsql how many customers in San Francisco are married;
RESPONSE
------------------------------------------------------------
SELECT COUNT("CUST_ID") AS "Married_Customers"
FROM "SH"."CUSTOMERS" "C"
WHERE "CUST_CITY" = 'San Francisco' AND "CUST_MARITAL_STATUS
" = 'Married'
SQL> select ai explainsql how many customers in San Francisco are married;
RESPONSE
------------------------------------------------------------
To answer the question "How many customers in San Francisco are married?", we need to query the "SH"."CUSTOMERS" table and filter the results based on the city and marital status.
We will use table aliases to make the query more readable and ensure that the string comparisons follow the specified rules.
Here is the Oracle SQL query:
SELECT COUNT("CUST_ID") AS "Married_Customers_in_San_Francisco"
FROM "SH"."CUSTOMERS" c
WHERE c."CUST_CITY" = 'San Francisco' -- Case insensitive comparison
AND UPPER(c."CUST_MARITAL_STATUS") = UPPER('Married'); --
Case insensitive comparison
### Explanation:
1. **Table Alias**:
RESPONSE
------------------------------------------------------------
- We use the alias `c` for the "SH"."CUSTOMERS" table to make the query more readable.
2. **Column Selection**:
- We select the count of "CUST_ID" to get the number of customers who meet the criteria. We alias this count as "Married_Customers_in_San_Francisco" for clarity.
3. **WHERE Clause**:
- **City Filter**: `c."CUST_CITY" = 'San Francisco'`
- Since 'San Francisco' is not in double quotes, we use a case-insensitive comparison.
- **Marital Status Filter**: `UPPER(c."CUST_MARITAL_STATUS") = UPPER('Married')`
- Since 'Married' is not in double quotes, we use a case-insensitive comparison by applying the `UPPER` function to both sides of the comparison.
This query will return the number of customers in San Francisco who are married.
SQL> select ai narrate what are the top 3 customers in San Francisco;
RESPONSE
------------------------------------------------------------
The top 3 customers in San Francisco are:
- Hector Colven, with a customer ID of 8866.
- Milburn Klemm, with a customer ID of 1944.
- Gavin Xie, with a customer ID of 2579.
These customers have the highest total sales among all customers in San Francisco.
SQL> select ai chat what is Autonomous AI Database;
RESPONSE
------------------------------------------------------------
An Autonomous AI Database is a type of database management system that uses artificial intelligence (AI) and machine learning (ML) to automate many of the routine tasks typically performed by database administrators (DBAs). These tasks include provisioning, patching, backups, tuning, and security. The goal of an Autonomous AI Database is to reduce the need for human intervention, minimize errors, and optimize performance,thereby allowing organizations to focus on more strategic activities.
### Key Features of Autonomous AI Databases:
RESPONSE
------------------------------------------------------------
1. **Automated Provisioning**: The database can be set up and configured automatically, reducing the time and effort required to get it up and running.
2. **Self-Patching and Updates**: The database automatically applies security patches and updates without downtime, ensuring that the system remains secure and up-to-date.
3. **Self-Tuning**: The database continuously monitors its performance and adjusts settings to optimize query execution and resource utilization.
4. **Self-Backup and Recovery**: Automated backup and recovery processes ensure that data is protected and can be restored quickly in the event of a failure.
5. **Security**: Advanced security features, including threat detection and response, are built into the database to protect against cyber threats.
6. **Scalability**: The database can automatically scale resources up or down based on demand, ensuring optimal performance and cost efficiency.
7. **Monitoring and Diagnostics**: Real-time monitoring and diagnostics help identify and resolve issues before they impact performance.
RESPONSE
------------------------------------------------------------
### Benefits of Autonomous AI Databases:
- **Reduced Operational Costs**: By automating routine tasks, the need for dedicated DBAs is reduced, lowering operational costs.
- **Improved Reliability**: Automated processes reduce the risk of human error, leading to more reliable and consistent performance.
- **Enhanced Security**: Continuous monitoring and automated security measures help protect against threats.
- **Faster Time to Market**: Automated provisioning and tuning allow applications to be deployed more quickly.
RESPONSE
------------------------------------------------------------
- **Scalability and Flexibility**: The ability to scale resources automatically ensures that the database can handle varying workloads efficiently.
### Use Cases:
- **Cloud Applications**: Autonomous AI Databases are particularly useful in cloud environments where scalability and reliability are critical.
- **Data Warehousing**: They can handle large volumes of data and complex queries, making them ideal for data warehousing and analytics.
RESPONSE
------------------------------------------------------------
- **IoT and Real-Time Data Processing**: They can process and analyze real-time data from IoT devices efficiently.
- **E-commerce**: They can handle high transaction volumes and ensure fast response times for online shopping platforms.
### Examples of Autonomous AI Databases:
- **Oracle Autonomous AI Database**: One of the first and most well-known Autonomous AI Databases, offering both transactional
and data warehousing capabilities.
- **Amazon Aurora**: A managed relational database service that includes automated scaling, patching, and backups.
- **Microsoft Azure SQL Database Managed Instance**: Provides a high level of automation and management for SQL Server databases in the cloud.
- **Google Cloud Spanner**: A globally distributed, horizontally scalable relational database that is highly available and consistent.
Autonomous AI Databases represent a significant advancement in database technology, offering organizations a more efficient, secure, and cost-effective way to manage their data.
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
SQL> EXEC DBMS_CLOUD_AI.DROP_PROFILE('HF');
PL/SQL procedure successfully completed.例: AWSを使用したSelect AI
この例では、AWSを使用して、AWSで使用可能なモデルを使用して、自然言語プロンプトまたはチャットからSQLを生成、実行および説明する方法を示します。
次の例は、Amazon Bedrockとその基盤モデルでAWSをAIプロバイダとして使用する方法を示しています。この例では、AWS資格証明の作成、ネットワーク・アクセスの提供、AIプロファイルの作成、およびSelect AIアクションを使用した自然言語プロンプトからのSQL問合せの生成、およびAWS基盤モデルを使用したチャットを示しています。
AWSを使用するには、アクセス・キー、秘密キーおよびモデルIDを取得します。AWSの使用を参照してください。DBMS_CLOUD_AI.CREATE_PROFILEプロシージャで、モデルIDをmodel属性として使用します。デフォルト・モデルが指定されていないため、model属性を明示的に指定する必要があります。
--Grant EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'AWS_CRED',
username => '<your_AWS_access_key>',
password => '<your_AWS_secret_key>'
);
END;
/
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for AWS
--
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'bedrock-runtime.us-east-1.amazonaws.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'AWS',
attributes =>'{"provider": "aws",
"credential_name": "AWS_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"model" : "anthropic.claude-v2",
"conversation" : "true"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('AWS');
PL/SQL procedure successfully completed.
--
-- Use AI
--
SELECT AI how many customers exist;
"RESPONSE"
"COUNT(*)"
55500
SELECT AI how many customers in San Francisco are married;
"RESPONSE"
"COUNT(*)"
46
SELECT AI showsql how many customers in San Francisco are married;
"RESPONSE"
"SELECT COUNT(*) AS "Number of Married Customers in San Francisco"
FROM "SH"."CUSTOMERS" C
WHERE UPPER(C."CUST_CITY") = UPPER('San Francisco')
AND UPPER(C."CUST_MARITAL_STATUS") = UPPER('Married')"
SELECT AI explainsql how many customers in San Francisco are married;
"RESPONSE""SELECT
COUNT(*) AS "Number of Married Customers in San Francisco"
FROM "SH"."CUSTOMERS" C
WHERE C."CUST_CITY" = 'San Francisco'
AND C."CUST_MARITAL_STATUS" = 'Married'
Explanation:
- Used table alias C for CUSTOMERS table
- Used easy to read column names like CUST_CITY, CUST_MARITAL_STATUS
- Enclosed table name, schema name and column names in double quotes
- Compared string values in WHERE clause without UPPER() since the values are not in double quotes
- Counted number of rows satisfying the condition and aliased the count as "Number of Married Customers in San Francisco""
SELECT AI narrate what are the top 3 customers in San Francisco;
"RESPONSE"
The top 3 customers in San Francisco ordered by credit limit in descending order are:
1. Bert Katz
2. Madallyn Ladd
3. Henrietta Snodgrass
SELECT AI chat what is Autonomous AI Database;
"RESPONSE"
"An Autonomous AI Database is a cloud database service provided by Oracle Corporation. Some key features of Oracle Autonomous AI Database include:
- Fully automated and self-driving - The database automatically upgrades, patches, tunes, and backs itself up without any human intervention required.
- Self-securing - The database uses machine learning to detect threats and automatically apply security updates.
- Self-repairing - The database monitors itself and automatically recovers from failures and errors without downtime.
- Self-scaling - The database automatically scales compute and storage resources up and down as needed to meet workload demands.
- Serverless - The database is accessed as a cloud service without having to manually provision any servers or infrastructure.
- High performance - The database uses Oracle's advanced automation and machine learning to continuously tune itself for high performance.
- Multiple workload support - Supports transaction processing, analytics, graph processing, etc in a single converged database.
- Fully managed - Oracle handles all the management and administration of the database. Users just load and access their data.
- Compatible - Supports common SQL and Oracle PL/SQL for easy migration from on-prem Oracle databases.
So in summary, an Oracle Autonomous AI Database is a fully automated, self-driving, self-securing, and self-repairing database provided as a simple cloud service. The automation provides high performance, elasticity, and availability with minimal human labor required."
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('AWS');
PL/SQL procedure successfully completed.例: OpenAI互換プロバイダを使用したSelect AI
この例では、OpenAI互換プロバイダを使用して、OpenAI互換プロバイダで使用可能なモデルを使用して、自然言語プロンプトまたはチャットからSQLを生成、実行および説明する方法を示します。
次の例は、Fireworks AIをOpenAI互換プロバイダとして使用する方法を示しています。Fireworks AI API署名キーを使用した資格証明の作成、ネットワーク・アクセスの構成、AIプロファイルの作成、Select AIアクションを使用した自然言語プロンプトからのSQL問合せの生成およびFireworks AI LLMモデルを使用したチャット方法を示します。
始める前に
Fireworks AIを使用するには、provider属性のかわりにprovider_endpointをDBMS_CLOUD_AI.CREATE_PROFILEプロシージャの属性として指定します。属性を取得するには、OpenAI互換プロバイダの使用を参照してください。デフォルト・モデルが指定されていないため、model属性を明示的に指定する必要があります。
--Grant EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--
-- Create Credential for AI provider
--
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'FIREWORKS_CRED',
username => 'FIREWORKS',
password => '<your_fireworksaiapi_key>'
);
END;
/
PL/SQL procedure successfully completed.
--
-- Grant Network ACL for Fireworks AI endpoint
--
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.fireworks.ai',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'FIREWORKS',
attributes =>'{
"credential_name": "FIREWORKS_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"model" : "accounts/fireworks/models/llama-v3p1-405b-instruct",
"provider_endpoint" : "api.fireworks.ai/inference",
"conversation" : "true"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
EXEC DBMS_CLOUD_AI.SET_PROFILE('FIREWORKS');
PL/SQL procedure successfully completed.
--
-- Use AI
--
select ai how many customers exist;
"RESPONSE"
"COUNT(*)"
55500
select ai how many customers in San Francisco are married;
"RESPONSE"
"COUNT(*)"
46
select ai showsql how many customers in San Francisco are married;
"RESPONSE"
"SELECT COUNT(*)
FROM ""SH"".""CUSTOMERS"" ""c""
WHERE UPPER(""c"".""CUST_CITY"") = UPPER('San Francisco')
AND UPPER(""c"".""CUST_MARITAL_STATUS"") = UPPER('Married')"
select ai explainsql how many customers in San Francisco are married;
"RESPONSE"
"Here is the Oracle SQL query:
SELECT COUNT(*)
FROM ""SH"".""CUSTOMERS"" ""c""
WHERE UPPER(""c"".""CUST_CITY"") = UPPER('San Francisco')
AND UPPER(""c"".""CUST_MARITAL_STATUS"") = UPPER('Married')
Explanation:
* We use the table alias `""c""` to refer to the `""CUSTOMERS""` table.
* We enclose the schema name `""SH""`, table name `""CUSTOMERS""`, and column names `""CUST_CITY""` and `""CUST_MARITAL_STATUS""` in double quotes to ensure case sensitivity.
* In the `WHERE` clause, we use the `UPPER()` function to perform case-insensitive comparisons for the strings `'San Francisco'` and `'Married'`, since they are not enclosed in double quotes.
* The `COUNT(*)` function returns the number of rows in the result set, which represents the number of customers in San Francisco who are married."
select ai narrate what are the top 3 customers in San Francisco;
"RESPONSE"
The top 3 customers in San Francisco are:
1. Lyndon Baltzer
2. Mike Crocker
3. Milburn Klemm
These customers are identified by their unique customer IDs, which are used to track their information and interactions. The list shows the customer's first and last names.
select ai chat what is Autonomous AI Database;
"RESPONSE"
"An Autonomous AI Database is a type of database that uses artificial intelligence (AI) and machine learning (ML) to automate many of the tasks traditionally performed by database administrators (DBAs). The goal of an Autonomous AI Database is to provide a self-managing, self-securing, and self-repairing database that can operate with minimal human intervention.
Autonomous AI Databases use advanced algorithms and machine learning techniques to:
1. **Automate database administration**: Tasks such as patching, backups, and performance tuning are automated, freeing up DBAs to focus on higher-level tasks.
2. **Predict and prevent issues**: The database uses machine learning to predict and prevent issues such as downtime, data breaches, and performance problems.
3. **Optimize performance**: The database continuously monitors and optimizes its own performance, ensuring that it is running at peak efficiency.
4. **Enhance security**: Autonomous AI Databases use advanced security features, such as encryption and access controls, to protect data from unauthorized access.
5. **Improve data management**: Autonomous AI Databases can automatically manage data, including data ingestion, processing, and storage.
The benefits of Autonomous AI Databases include:
1. **Increased efficiency**: By automating routine tasks, Autonomous AI Databases can reduce the workload of DBAs and improve overall efficiency.
2. **Improved security**: Autonomous AI Databases can detect and respond to security threats in real-time, reducing the risk of data breaches.
3. **Enhanced performance**: Autonomous AI Databases can optimize their own performance, ensuring that applications run quickly and efficiently.
4. **Reduced costs**: By automating routine tasks and improving efficiency, Autonomous AI Databases can help reduce costs associated with database management.
Examples of Autonomous AI Databases include:
1. Oracle Autonomous AI Database
2. Microsoft Azure SQL Database
3. Amazon Aurora
4. Google Cloud SQL
Overall, Autonomous AI Databases represent a significant shift in the way databases are managed and maintained, using AI and ML to automate many of the tasks traditionally performed by DBAs."
--
--Clear the profile
--
BEGIN
DBMS_CLOUD_AI.CLEAR_PROFILE;
END;
/
PL/SQL procedure successfully completed.
--
--Drop the profile
--
EXEC DBMS_CLOUD_AI.DROP_PROFILE('FIREWORKS');
PL/SQL procedure successfully completed.例: Select AIでOCI Data ScienceにデプロイされたカスタムLLMの使用
この構成では、Select AIはOCIユーザー資格証明を使用し、OpenAIスタイルのベアラー・トークン認証でそれをラップします。AIプロファイルでは、プロバイダopenaiと、OCI Data Scienceモデル・デプロイメント・エンドポイントを指すカスタムprovider_endpointを使用します。
始める前に
確認:
-
AIクイック・アクション(AQUA)を使用して、OCI Data Scienceモデル・デプロイメントを作成します。
-
モデル・デプロイメント・エンドポイントURLを書き留めます。
OCI Data Science AI Quick Actions (AQUA)を使用してモデルを作成およびデプロイする方法の詳細は、OCI Data ScienceドキュメントのAI Quick ActionsおよびModel Deploymentを参照してください。
次の例では、OpenAIスタイルのBearerトークンで認証をラップし、ネットワーク・アクセスを構成し、AIプロファイルを作成し、OCI Data Science (AQUA) LLMモデルを使用してSelect AI chatアクションを使用するOCIユーザー資格証明を使用して資格証明を作成する方法を示します。
OCIデータ・サイエンス(AQUA)を使用するには、DBMS_CLOUD_AI.CREATE_PROFILEプロシージャでprovider_endpoint、provider: openaiおよびmodel: odsc-llmを属性として指定します。
--Grant EXECUTE privilege to ADB_USER
GRANT EXECUTE ON DBMS_CLOUD_AI TO ADB_USER;
-- Create a credential for OCI request signing
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_GENAI_CRED',
user_ocid => '<user_ocid>',
tenancy_ocid => '<tenancy_ocid>',
private_key => '<private_key>',
fingerprint => '<fingerprint>'
);
END;
/
-- Grant network access to the OCI Data Science model deployment host
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => '*.oci.customer-oci.com',
ace => xs$ace_type(
privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db
)
);
END;
/
-- Drop the profile if it already exists
BEGIN
DBMS_CLOUD_AI.DROP_PROFILE(
profile_name => 'OCI_DS_LLAMA_MODEL_PROFILE',
force => TRUE
);
END;
/
-- Create the AI profile for the OCI Data Science model deployment
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_DS_LLAMA_MODEL_PROFILE',
attributes => '{
"credential_name": "OCI_GENAI_CRED",
"model": "odsc-llm",
"provider": "openai",
"provider_endpoint": "https://modeldeployment.<region>.oci.customer-oci.com/<deployment_ocid>/predict",
"conversation": "true",
"object_list": [
{"owner": "ADB_USER", "name": "CUSTOMERS"}
]
}'
);
END;
/
-- Set the AI profile for the current session
BEGIN
DBMS_CLOUD_AI.SET_PROFILE('OCI_DS_LLAMA_MODEL_PROFILE');
END;
/
-- Use Select AI test the profile with DBMS_CLOUD_AI.GENERATE
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'what is oracle autonomous database',
profile_name => 'OCI_DS_LLAMA_MODEL_PROFILE',
action => 'chat'
)
FROM dual;Select AIは、OCI Data Scienceモデルのデプロイメントにプロンプトを送信し、生成されたレスポンスを返します。
例: OpenAI互換プロバイダxAIとSelect AIの使用
次の例は、xAIをOpenAI互換プロバイダとして使用する方法を示しています。ここでは、xAI APIキーを使用して資格証明を作成し、ネットワーク・アクセスを構成し、AIプロファイルを作成し、Select AIアクションを使用して自然言語プロンプトからSQL問合せを生成し、xAIモデルを使用してチャットする方法を示します。
xAIを使用するには、DBMS_CLOUD_AI.CREATE_PROFILEプロシージャでprovider_endpoint属性を指定します。また、デフォルト・モデルが指定されていないため、model属性を明示的に指定する必要もあります。
--Grant EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Create a Credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'XAI_CRED',
username => 'XAI',
password => '<your_xai_api_key>'
);
END;
/
--Grant Network Access
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.x.ai',
ace => xs$ace_type(
privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db
)
);
END;
/
--Create an AI Profile
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'XAI_PROFILE',
attributes => '{
"credential_name": "XAI_CRED",
"provider_endpoint": "https://api.x.ai",
"model": "grok-4-1-fast-reasoning",
"object_list": [
{"owner": "SH", "name": "CUSTOMERS"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"conversation": "true"
}'
);
END;
/
--Set the profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('XAI_PROFILE');
--Use Select AI
SELECT AI how many customers exist;例: Select AIでの会話の有効化
これらの例は、Select AIでの会話の有効化を示しています。
開始する前に
「Select AIの前提条件の実行」を確認します。
ノート
ノート:管理者権限(ADMIN)を持つユーザーは、EXECUTEを付与し、ネットワーク・アクセス制御リスト(ACL)を有効にする必要があります。
セッションベースの会話
AIプロファイルを作成します。プロファイルでconversation属性をtrueに設定すると、このアクションには、スキーマ・メタデータを含む可能性のある以前の相互作用またはプロンプトからのコンテンツが含まれ、プロファイルが設定されます。プロファイルを有効にすると、データとの会話を開始できます。自然言語を使用して質問し、必要に応じてフォローアップします。
--Grants EXECUTE privilege to ADB_USER
--
SQL> grant execute on DBMS_CLOUD_AI to ADB_USER;
-- Grant Network ACL for OpenAI endpoint
--
SQL> BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.openai.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
--
-- Create Credential for AI provider
--
EXEC
DBMS_CLOUD.CREATE_CREDENTIAL(
CREDENTIAL_NAME => 'OPENAI_CRED',
username => 'OPENAI',
password => '`<your_api_token>`');
PL/SQL procedure successfully completed.
--
-- Create AI profile
--
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OPENAI',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}],
"conversation": "true"
}');
END;
/
PL/SQL procedure successfully completed.
--
-- Enable AI profile in current session
--
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI');
PL/SQL procedure successfully completed.
--
-- Get Profile in current session
--
SQL> SELECT DBMS_CLOUD_AI.get_profile() from dual;
DBMS_CLOUD_AI.GET_PROFILE()
--------------------------------------------------------------------------------
"OPENAI"
--
-- Use AI
--
what are the total number of customers;
CUSTOMER_COUNT
--------------
55500
break out count of customers by country;
RESPONSE
-----------------
COUNTRY_NAME CUSTOMER_COUNT
Italy 7780
Brazil 832
Japan 624
United Kingdom 7557
Germany 8173
United States of America 18520
France 3833
Canada 2010
Spain 2039
China 712
Singapore 597
New Zealand 244
Poland 708
Australia 831
Argentina 403
Denmark 383
South Africa 88
Saudi Arabia 75
Turkey 91
what age group is most common;
RESPONSE
--------------------------------------------------------------------------------
AGE_GROUP CUSTOMER_COUNT
65+ 28226
select ai keep the top 5 customers and their country by their purchases and include a rank in the result;
RESPONSE
--------------------------------------------------------------------------------
RANK CUSTOMER_NAME COUNTRY PURCHASES
1 Abigail Ruddy Japan 276
2 Abigail Ruddy Italy 168
3 Abigail Ruddy Japan 74
3 Abner Robbinette Germany 74
5 Abner Everett France 68
SQL> EXEC DBMS_CLOUD_AI.DROP_PROFILE('OPENAI');
PL/SQL procedure successfully completed.カスタマイズ可能な会話
次の例は、カスタマイズ可能な会話をサポートする会話管理APIの使用方法を示しています。複数の会話にSelect AIを使用するには:
-
会話の作成
-
現在のユーザー・セッションでの会話の設定
-
Select AI <action> <prompt>の使用
次の方法で会話を作成および設定できます。
-
DBMS_CLOUD_AI.CREATE_CONVERSATION関数を使用し、DBMS_CLOUD_AI.SET_CONVERSATION_IDを使用して会話を設定します。 -
DBMS_CLOUD_AI.CREATE_CONVERSATIONプロシージャを直接コールして、会話を1ステップで作成および設定します。
例: カスタマイズ可能な会話の作成および設定
次の例は、DBMS_CLOUD_AI.CREATE_CONVERSATIONファンクションを使用して会話を作成し、DBMS_CLOUD_AI.SET_CONVERSATION_IDプロシージャを使用して会話を設定する方法を示しています。
SELECT DBMS_CLOUD_AI.CREATE_CONVERSATION; -- in 19c, run SELECT DBMS_CLOUD_AI.create_conversation FROM dual;
CREATE_CONVERSATION
------------------------------------
30C9DB6E-EA4D-AFBA-E063-9C6D46644B92
EXEC DBMS_CLOUD_AI.SET_CONVERSATION_ID('30C9DB6E-EA4D-AFBA-E063-9C6D46644B92');
PL/SQL procedure successfully completed次の例は、DBMS_CLOUD_AI.CREATE_CONVERSATIONプロシージャを実行して、conversation_idを直接作成および設定する方法を示しています。
EXEC DBMS_CLOUD_AI.create_conversation;
PL/SQL procedure successfully completed.title、description、retention_days、conversation_length属性などの会話属性をカスタマイズすることもできます。
SELECT DBMS_CLOUD_AI.CREATE_CONVERSATION(
attributes => '{"title":"My first conversation",
"description":"this is my first conversation",
"retention_days":5,
"conversation_length":5}');
CREATE_CONVERSATION
------------------------------------
38F8B874-7687-2A3F-E063-9C6D4664EC3ADBA/USER_CLOUD_AI_CONVERSATIONSビューを問い合せると、特定の会話が存在するかどうかを確認できます。
-- Verify the setup
SELECT conversation_id, conversation_title, description, retention_days,
conversation_length FROM DBA_CLOUD_AI_CONVERSATIONS WHERE
conversation_id = '38F8B874-7687-2A3F-E063-9C6D4664EC3A';
CONVERSATION_ID CONVERSATION_TITLE DESCRIPTION RETENTION_DAYS CONVERSATION_LENGTH
------------------------------------ ----------------------------------------------- ---------------------------------- ------------------------------ -------------------
38F8B874-7687-2A3F-E063-9C6D4664EC3A My first conversation this is my first conversation +00005 00:00:00.000000 5DBMS_CLOUD_AI.GET_CONVERSATION_IDファンクションをコールして、会話が設定されているかどうかを確認することもできます。
SELECT DBMS_CLOUD_AI.GET_CONVERSATION_ID;
--------------------------------------------------------------------------------
30C9DB6E-EA4F-AFBA-E063-9C6D46644B92例: Select AIでのカスタマイズ可能な会話の使用
会話を作成して設定し、AIプロファイルを有効にすると、データとの対話を開始できます。自然言語を使用して質問し、必要に応じてフォローアップします。
SELECT AI <ACTION> <PROMPT>を使用します。
SELECT AI CHAT What is the difference in weather between Seattle and San Francisco?;
RESPONSE
--------------------------------------------------------------------------------
Seattle and San Francisco are both located on the West Coast of the United State
s, but they have distinct weather patterns due to their unique geography and cli
mate conditions. Here are the main differences:
1. Rainfall: Seattle is known for its rainy reputation, with an average annu
al rainfall of around 37 inches (94 cm). San Francisco, on the other hand, recei
ves significantly less rainfall, with an average of around 20 inches (51 cm) per
year.
1. Cloud Cover: Seattle is often cloudy, with an average of 226 cloudy days
per year. San Francisco is also cloudy, but to a lesser extent, with an average
of 165 cloudy days per year.
......
SELECT AI CHAT Explain the difference again in one paragraph only.;
RESPONSE
--------------------------------------------------------------------------------
Seattle and San Francisco have different weather patterns despite both experienc
ing a mild oceanic climate. San Francisco tends to be slightly warmer, with aver
age temperatures ranging from 45?F to 67?F, and receives less rainfall, around 2
0 inches per year, mostly during winter. In contrast, Seattle is cooler, with te
mperatures ranging from 38?F to 64?F, and rainier, with around 37 inches of rain
fall per year, distributed throughout the year. San Francisco is also known for
its fog, particularly during summer, and receives more sunshine, around 160 sunn
y days per year, although it's often filtered through the fog. Overall, San Fran
cisco's weather is warmer and sunnier, with more pronounced seasonal variations,
while Seattle's is cooler and rainier, with more consistent temperatures throug
hout the year.例: GENERATEファンクションを使用した2つの会話の比較
次の例は、2つの会話を同じ意味で使用して質問をしたり、正確な応答を確認する方法を示しています。各会話は、比較に焦点を当てた別の質問から始まります。後で、両方の会話で同じフォローアップ質問をすると、それぞれが前のコンテキストに基づいて異なる回答を返します。
-- First conversation
SELECT DBMS_CLOUD_AI.CREATE_CONVERSATION;
CREATE_CONVERSATION
------------------------------------
30C9DB6E-EA4D-AFBA-E063-9C6D46644B92
-- Second conversation
SELECT DBMS_CLOUD_AI.CREATE_CONVERSATION;
CREATE_CONVERSATION
------------------------------------
30C9DB6E-EA4E-AFBA-E063-9C6D46644B92
-- Call generate using the first conversation.
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'What is the difference in weather between Seattle and San Francisco?',
profile_name => 'GENAI',
action => 'CHAT',
params => '{"conversation_id":"30C9DB6E-EA4D-AFBA-E063-9C6D46644B92"}') AS RESPONSE;
RESPONSE
--------------------------------------------------------------------------------
Seattle and San Francisco, both located in the Pacific Northwest and Northern Ca
lifornia respectively, experience a mild oceanic climate. However, there are som
e notable differences in their weather patterns:
1. Temperature: San Francisco tends to be slightly warmer than Seattle, espe
cially during the summer months. San Francisco's average temperature ranges from
45?F (7?C) in winter to 67?F (19?C) in summer, while Seattle's average temperat
ure ranges from 38?F (3?C) in winter to 64?F (18?C) in summer.
2. Rainfall: Seattle is known for its rainy reputation, with an average annu
al rainfall of around 37 inches (94 cm). San Francisco receives less rainfall, w
ith an average of around 20 inches (51 cm) per year. However, San Francisco's ra
infall is more concentrated during the winter months, while Seattle's rainfall i
s more evenly distributed throughout the year.
......
-- Call generate using the second conversation.
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'How does the cost of living compare between New York and Los Angeles?',
profile_name => 'GENAI',
action => 'CHAT',
params => '{"conversation_id":"30C9DB6E-EA4E-AFBA-E063-9C6D46644B92"}') AS RESPONSE;
RESPONSE
--------------------------------------------------------------------------------
The cost of living in New York and Los Angeles is relatively high compared to ot
her cities in the United States. However, there are some differences in the cost
of living between the two cities. Here's a comparison of the cost of living in
New York and Los Angeles:
1. Housing: The cost of housing is significantly higher in New York than in Los
Angeles. The median home price in New York is around $999,000, while in Los Ange
les it's around $849,000. Rent is also higher in New York, with the average rent
for a one-bedroom apartment being around $3,000 per month, compared to around $
2,400 per month in Los Angeles.
2. Food: The cost of food is relatively similar in both cities, with some variat
ion in the cost of certain types of cuisine. However, eating out in New York can
be more expensive, with the average cost of a meal at a mid-range restaurant be
ing around $15-20 per person, compared to around $12-18 per person in Los Angele
s.
......
-- Call generate using the first conversation.
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'Explain the difference again in one paragraph only.',
profile_name => 'GENAI',
action => 'CHAT',
params => '{"conversation_id":"30C9DB6E-EA4D-AFBA-E063-9C6D46644B92"}') AS RESPONSE;
RESPONSE
--------------------------------------------------------------------------------
Seattle and San Francisco have different weather patterns despite both experienc
ing a mild oceanic climate. San Francisco tends to be slightly warmer, with aver
age temperatures ranging from 45?F to 67?F, and receives less rainfall, around 2
0 inches per year, mostly during winter. In contrast, Seattle is cooler, with te
mperatures ranging from 38?F to 64?F, and rainier, with around 37 inches of rain
fall per year, distributed throughout the year. San Francisco is also known for
its fog, particularly during summer, and receives more sunshine, around 160 sunn
y days per year, although it's often filtered through the fog. Overall, San Fran
cisco's weather is warmer and sunnier, with more pronounced seasonal variations,
while Seattle's is cooler and rainier, with more consistent temperatures throug
hout the year.
-- Call generate using the second conversation.
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'Explain the difference again in one paragraph only.',
profile_name => 'GENAI',
action => 'CHAT',
params => '{"conversation_id":"30C9DB6E-EA4E-AFBA-E063-9C6D46644B92"}') AS RESPONSE;
RESPONSE
--------------------------------------------------------------------------------
The cost of living in New York is approximately 20-30% higher than in Los Angele
s, mainly due to the higher cost of housing and transportation. New York has a m
edian home price of around $999,000 and average rent of $3,000 per month for a o
ne-bedroom apartment, compared to Los Angeles' median home price of $849,000 and
average rent of $2,400 per month. While the cost of food and utilities is relat
ively similar in both cities, the cost of transportation is higher in Los Angele
s due to its car-centric culture, but the cost of public transportation is highe
r in New York. Overall, the total monthly expenses for a single person in New Yo
rk can range from $4,600, compared to around $4,050 in Los Angeles, making New Y
ork the more expensive city to live in.会話を指定せずにDBMS_CLOUD_AI.GENERATEファンクションをコールできますが、このような場合、意味のあるレスポンスは想定されません。
-- Ask SELECT AI using the second conversation.
SELECT DBMS_CLOUD_AI.GENERATE(
prompt => 'Explain the difference again in one paragraph only.',
profile_name => 'GENAI',
action => 'CHAT') AS RESPONSE;
RESPONSE
--------------------------------------------------------------------------------
There is no previous explanation to draw from, as this is the beginning of our c
onversation. If you would like to ask a question or provide a topic, I would be
happy to explain the differences related to it in one paragraph.例: DBMS_CLOUD_AIビューを使用した会話の検証
DBMS_CLOUD_AI会話ビューを問い合せて、会話およびプロンプトの詳細を確認できます。詳細は、「DBMS_CLOUD_AIビュー」を参照してください。
ノート
ノート:接頭辞がDBA_のビューは、管理者権限(ADMIN)を持つユーザーのみが使用できます。
SELECT conversation_id, conversation_title, description FROM dba_cloud_ai_conversations;
CONVERSATION_ID
------------------------------------
CONVERSATION_TITLE
----------------------------------------------------------------------------------------------------
DESCRIPTION
--------------------------------------------------------------------------------
30C9DB6E-EA4D-AFBA-E063-9C6D46644B92
Seattle vs San Francisco Weather
The conversation discusses the comparison of weather patterns between Seattle an
d San Francisco, focusing on the differences in temperature, rainfall, fog, suns
hine, and seasonal variation between the two cities.
30C9DB6E-EA4E-AFBA-E063-9C6D46644B92
NY vs LA Cost Comparison
The conversation discusses and compares the cost of living in New York and Los A
ngeles, covering housing, food, transportation, utilities, and taxes to provide
an overall view of the expenses in both cities.
SELECT conversation_id, count(*) FROM dba_cloud_ai_conversation_prompts
GROUP BY conversation_id;
CONVERSATION_ID COUNT(*)
------------------------------------ ----------
30C9DB6E-EA4D-AFBA-E063-9C6D46644B92 2
30C9DB6E-EA4E-AFBA-E063-9C6D46644B92 2例: 会話詳細の更新
DBMS_CLOUD_AI.UPDATE_CONVERSATIONプロシージャを使用して、会話のtitle、descriptionおよびretention_daysを更新できます。DBMS_CLOUD_AI対話ビューを問い合せることで、更新を確認できます。
-- Update the second conversation's title, description and retention_days
SQL> EXEC DBMS_CLOUD_AI.update_conversation(conversation_id => '30C9DB6E-EA4E-AFBA-E063-9C6D46644B92',
attributes => '{"retention_days":20,
"description":"This a description",
"title":"a title",
"conversation_length":20}');
PL/SQL procedure successfully completed.
-- Verify the information for the second conversation
SQL> SELECT conversation_title, description, retention_days
FROM dba_cloud_ai_conversations
WHERE conversation_id = '30C9DB6E-EA4E-AFBA-E063-9C6D46644B92';
CONVERSATION_TITLE DESCRIPTION RETENTION_DAYS LENGTH
-------------------------- ------------------------------------ -------------- --------------
a title This a description 20 20例: プロンプトの削除
会話から個々のプロンプトを削除し、DBMS_CLOUD_AI会話ビューを問い合せて変更を検証できます。
-- Find the latest prompt for first conversation
SELECT conversation_prompt_id FROM dba_cloud_ai_conversation_prompts
WHERE conversation_id = '30C9DB6E-EA4D-AFBA-E063-9C6D46644B92'
ORDER BY created DESC
FETCH FIRST ROW ONLY;
CONVERSATION_PROMPT_ID
------------------------------------
30C9DB6E-EA61-AFBA-E063-9C6D46644B92
-- Delete the prompt
EXEC DBMS_CLOUD_AI.DELETE_CONVERSATION_PROMPT('30C9DB6E-EA61-AFBA-E063-9C6D46644B92');
PL/SQL procedure successfully completed.
-- Verify if the prompt is deleted
SELECT conversation_prompt_id FROM dba_cloud_ai_conversation_prompts
WHERE conversation_id = '30C9DB6E-EA4D-AFBA-E063-9C6D46644B92';
-- Only one prompt now
CONVERSATION_PROMPT_ID
------------------------------------
30C9DB6E-EA5A-AFBA-E063-9C6D46644B92例: 会話の削除
会話全体を削除すると、それに関連付けられているすべてのプロンプトも削除されます。
-- Delete the first conversation
EXEC DBMS_CLOUD_AI.DROP_CONVERSATION('30C9DB6E-EA4D-AFBA-E063-9C6D46644B92');
PL/SQL procedure successfully completed.
-- Verify if the conversation and its prompts are removed
SELECT conversation_id FROM dba_cloud_ai_conversations;
-- We only have the second conversation now
CONVERSATION_ID
------------------------------------
30C9DB6E-EA4E-AFBA-E063-9C6D46644B92
SELECT conversation_id, count(*) FROM dba_cloud_ai_conversation_prompts GROUP BY conversation_id;
-- We only have prompts in the second conversation
CONVERSATION_ID COUNT(*)
------------------------------------ ----------
30C9DB6E-EA4E-AFBA-E063-9C6D46644B92 2例: RAGを使用したSelect AIの設定および使用
この例では、Oracle Autonomous AI Databaseを使用してOCI生成AIベクトル・ストア・クラウド・サービスをOpenAIと統合するための資格証明の設定、ネットワーク・アクセスの構成およびベクトル索引の作成について説明します。
開始する前に
確認:
ノート
注意:
-
オブジェクト・ストレージURIまたはデータベース・ディレクトリ・ファイルを使用して、ベクトル索引を作成するためのコンテンツの場所を指定できます。このアプローチにより、オブジェクト・ストレージまたはOracle AIデータベース・ディレクトリを介して管理されるファイルからファイルを柔軟にソーシングできます。
-
入力ドキュメントのファイル名では、マルチバイト文字はサポートされていません。マルチバイト文字を含むファイルがファイル名に含まれる場合、ベクトル化中にスキップされます。
この設定は、ベクトル索引を使用してLLMレスポンスを拡張するAIプロファイルの作成で完了します。最後に、この例では、指定されたベクトル・データベースからの情報を使用して拡張されたレスポンスを返すSelect AI narrateアクションを使用しています。
次の例は、Oracle AI Database 26aiでのベクトル索引の構築および問合せを示しています。
--Grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the OpenAI credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OPENAI_CRED',
username => 'OPENAI_CRED',
password => '<your_api_key>'
);
END;
/
PL/SQL procedure successfully completed.
-- Append the OpenAI endpoint
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.openai.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
PL/SQL procedure successfully completed.
-- Create the profile with the vector index.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPENAI_ORACLE',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"vector_index_name": "MY_INDEX",
"temperature":
0.2,
"max_tokens": 4096
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI_ORACLE');
PL/SQL procedure successfully completed.
-- create a vector index with the vector store name, object store location and
-- object store credential
BEGIN
DBMS_CLOUD_AI.CREATE_VECTOR_INDEX(
index_name => 'MY_INDEX',
wait_for_completion => false,
attributes => '{"vector_db_provider": "oracle",
"location": "https://swiftobjectstorage.us-phoenix-1.oraclecloud.com/v1/my_namespace/my_bucket/my_data_folder",
"object_storage_credential_name": "OCI_CRED",
"profile_name": "OPENAI_ORACLE",
"vector_dimension": 1536,
"vector_distance_metric": "cosine",
"chunk_overlap":128,
"chunk_size":1024
}');
END;
/
PL/SQL procedure successfully completed.
-- After the vector index is populated, we can now query the index.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI_ORACLE');
PL/SQL procedure successfully completed.
-- Select AI answers the question with the knowledge available in the vector database.
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate permissions are in place.
Sources:
- Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt (https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt)
- Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt (https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt)WAIT_FOR_COMPLETIONパラメータは、DBMS_CLOUD_AI.CREATE_VECTOR_INDEXコールに含まれます。デフォルト値はFALSEです。つまり、ベクトル化のスケジューリング直後にプロシージャが戻ります。
ベクトル索引が完全に作成される前にNARRATEプロンプトを実行すると、すべてのドキュメントが取得できるわけではないため、Select AIによって不完全または最適でないレスポンスが生成される可能性があります。これを回避するには、WAIT_FOR_COMPLETIONをTRUEに設定します。TRUEに設定すると、ベクトル化が完了するまでプロシージャは戻りません。これにより、RAGベースのプロンプトの発行を開始する前に、すべてのドキュメントに索引が付けられます。大規模なドキュメント・コレクションの場合、これにはかなりの時間がかかることがあります。「DBMS_CLOUD_AI」を参照してください。詳細は、CREATE_VECTOR_INDEXプロシージャを参照してください。
例: ベクトル索引作成のコンテンツの場所の指定
オブジェクト・ストレージURIまたはデータベース・ディレクトリ・ファイルを使用して、ベクトル索引作成のコンテンツの場所を指定できます。
オブジェクト・ストレージURI
索引付けするドキュメントを含むオブジェクト記憶域の場所を指すlocation_uriを指定します。次に例を示します。
https://objectstorage.us-ashburn-1.oraclecloud.com/n/namespace/b/bucket/o/documents/ディレクトリ・ファイル
ディレクトリ・オブジェクトを使用してローカル・ファイルを参照することもできます。この形式はMY_DIR:file.txtを使用します。
ディレクトリ名(MY_DIR)は、デフォルトでは大/小文字が区別されません。ファイル名は、大/小文字が区別されます。
ワイルドカードはファイル名に対してのみサポートされます。
-
複数の文字に
*を使用します:MY_DIR:* -
単一の文字に
?を使用します:MY_DIR:file?.txt -
大/小文字を区別するディレクトリ名を指定するには、
"MyDir":*のように二重引用符で囲みます。 -
ファイル名に引用符を含めるには、
MY_DIR:''file.txtという2つの引用符を使用します。
次の例では、ディレクトリ・オブジェクトMY_DIRにあるすべての.txtファイルを使用して、RAG_INDEX_DIRという名前のベクトル索引を作成します。
-- Create the profile with the vector index.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPENAI_ORACLE',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"vector_index_name": "RAG_INDEX_DIR",
"temperature": 0.2,
"max_tokens": 4096
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI_ORACLE');
PL/SQL procedure successfully completed.
-- create a vector index with the vector store name, object store location and
-- object store credential
BEGIN
DBMS_CLOUD_AI.CREATE_VECTOR_INDEX(
index_name => 'RAG_INDEX_DIR',
attributes => '{"vector_db_provider": "oracle",
"location": "MY_DIR:*.txt",
"object_storage_credential_name": "OCI_CRED",
"profile_name": "OPENAI_ORACLE",
"vector_dimension": 1536,
"vector_distance_metric": "cosine",
"chunk_overlap":128,
"chunk_size":1024
}');
END;
/
PL/SQL procedure successfully completed.例: RAG出力でのソース・コンテンツの有効化または無効化
Select AI RAGには、ベクトル検索中に取得されたソース・ドキュメントを最終レスポンスに表示するかどうかを制御するenable_sources属性が含まれています。この属性はデフォルトで有効になっています。trueに設定すると、Select AIによって検証され、取得したソース・ドキュメントが出力に含められます。falseに設定すると、Select AIは引き続きソースを検証しますが、レスポンスにSourcesセクションは含まれません。詳細は、「DBMS_CLOUD_AIベクトル索引の属性」を参照してください。
次の例は、trueに設定されたenable_sourcesを示しています。Select AIはソース・ドキュメントを検証し、レスポンス出力に含めます。
-- enable_sources = true (default)
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate permissions are in place.
Sources:
- Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt (https://objectstorage.../Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt)
- Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt (https://objectstorage.../Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt)次の例は、falseに設定されたenable_sourcesを示しています。Select AIは引き続きソース・ドキュメントを検証しますが、出力にSourcesセクションを出力しません。
-- enable_sources = false (sources validated but not displayed)
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate permissions are in place.例: データベース内トランスフォーマ・モデルを使用したSelect AI
この例では、Oracleオブジェクト・ストレージに格納されている事前トレーニング済トランスフォーマ・モデルをOracle AI Database 26aiインスタンスにインポートし、Select AIプロファイルでインポート済データベース内モデルを使用して、ドキュメント・チャンクおよびユーザー・プロンプトのベクトル埋込みを生成する方法を示します。
Select AIプロファイルでデータベース内トランスフォーマ・モデルを使用するには、次のものがあることを確認してください:
-
Oracle AI Database 26aiインスタンスにインポートされた事前トレーニング済モデル。
-
オプションで、Oracleオブジェクト・ストレージにアクセスします。
Oracle Object StorageからOracle AI Database 26aiへの事前トレーニング済トランスフォーマ・モデルのインポート
データベース内でのベクトル生成のためのONNX形式での事前トレーニング済モデルのインポートおよびブログのOracle AI Database 26aiの事前構築済埋込み生成モデルのステップを確認して、事前トレーニング済トランスフォーマ・モデルをデータベースにインポートします。
次の例は、Oracleオブジェクト・ストレージからデータベースに事前設定されたトランスフォーマ・モデルをインポートし、インポートされたモデルを表示する方法を示しています。
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';Select AIプロファイルでのデータベース内トランスフォーマ・モデルの使用
これらの例は、Select AIプロファイル内でデータベース内トランスフォーマ・モデルを使用する方法を示しています。1つのプロファイルはベクトル埋込みを生成するためにのみ構成され、もう1つはSelect AIアクションとベクトル索引作成の両方をサポートします。
「Select AIの前提条件の実行」を確認して前提条件を完了します。
ベクトル埋込みのみを生成する例を次に示します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'EMBEDDING_PROFILE',
attributes => '{"provider" : "database",
"embedding_model": "MY_ONNX_MODEL"}'
);
END;
/次に、サポートされているAIプロバイダを指定できる一般的なSelect AIアクションおよびベクトル索引生成の例を示します。この例では、OCI Gen AIプロファイルと資格証明を使用します。サポートされているプロバイダのリストは、AIプロバイダおよびLLMの選択を参照してください。ただし、ベクトル埋込みの生成にデータベース内トランスフォーマ・モデルを使用する場合は、embedding_model属性で"database: <MY_ONNX_MODEL>"を使用します。
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1..aaaa...',
tenancy_ocid => 'ocid1.tenancy.oc1..aaaa...',
private_key => '<your_api_key>',
fingerprint => '<your_fingerprint>'
);
END;
/
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"model": "meta.llama-3.3-70b-instruct",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: MY_ONNX_MODEL"}'
);
END;
/別のスキーマからのデータベース内トランスフォーマ・モデルでのSelect AIの使用
この例では、別のスキーマ所有者がモデルを所有している場合、データベース内トランスフォーマ・モデルでSelect AIを使用する方法を示します。embedding_model属性で、モデルの完全修飾名としてschema_name.object_nameを指定します。現在のユーザーがスキーマ所有者であるか、モデルを所有している場合は、スキーマ名を省略できます。
別のスキーマ所有者がモデルを所有している場合は、次の権限を持っていることを確認してください。
-
CREATE ANY MINING MODELシステム権限 -
SELECT ANY MINING MODELシステム権限 -
特定のモデルに対する
SELECT MINING MODELオブジェクト権限
システム権限を付与するには、ADMIN OPTIONを指定したシステム権限またはGRANT ANY PRIVILEGEシステム権限が付与されている必要があります。
権限を確認するには、Oracle Machine Learning for SQLのためのシステム権限を参照してください。
次の文は、ADB_USER1による任意のスキーマ内のデータのスコア付けおよびモデルの詳細の表示を許可します(SELECTアクセス権がデータに付与されている場合)。ただし、ADB_USER1はADB_USER1スキーマにのみモデルを作成できます。
GRANT CREATE MINING MODEL TO ADB_USER1;
GRANT SELECT ANY MINING MODEL TO ADB_USER1;BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: ADB_USER1.MY_ONNX_MODEL"}'
);
END;
/次の例は、大/小文字を区別するモデル・オブジェクト名を指定する方法を示しています。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"credential_name": "GENAI_CRED",
"model": "meta.llama-3.3-70b-instruct",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: "adb_user1"."my_model""}'
);
END;
/様々なAIプロバイダによるエンドツーエンドの例
これらの例は、Select AI RAGでデータベース内トランスフォーマ・モデルを使用するためのエンドツーエンドのステップを示しています。一方のプロファイルでは、埋込みベクトルの生成用に排他的に作成されたproviderとしてdatabaseを使用し、もう一方のプロファイルでは、Select AIアクションおよびベクトル索引用に作成されたproviderとしてociを使用します。
必要な権限を指定するには、「Select AIの前提条件の実行」を参照してください。
--Grant create any directory privilege to the user
GRANT CREATE ANY DIRECTORY to ADB_USER;
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';
--Administrator grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Administrator grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
PL/SQL procedure successfully completed.
-- Create the profile with Oracle AI Database.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'EMBEDDING_PROFILE',
attributes =>'{"provider": "database",
"embedding_model": "MY_ONNX_MODEL"
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('EMBEDDING_PROFILE');
PL/SQL procedure successfully completed.この例では、ociをproviderとして使用します。
--Grant create any directory privilege to the user
GRANT CREATE ANY DIRECTORY to ADB_USER;
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';
--Administrator Grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Administrator Grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
--Create GenAI credentials
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1..aaaa...',
tenancy_ocid => 'ocid1.tenancy.oc1..aaaa...',
private_key => '<your_api_key>',
fingerprint => '<your_fingerprint>'
);
END;
/
--Create OCI AI profile
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"model": "meta.llama-3.3-70b-instruct",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: MY_ONNX_MODEL"}'
);
END;
/
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_GENAI');
PL/SQL procedure successfully completed.
-- create a vector index with the vector store name, object store location and
-- object store credential
BEGIN
DBMS_CLOUD_AI.CREATE_VECTOR_INDEX(
index_name => 'MY_INDEX',
attributes => '{"vector_db_provider": "oracle",
"location": "`https://swiftobjectstorage.us-phoenix-1.oraclecloud.com/v1/my_namespace/my_bucket/my_data_folder`",
"object_storage_credential_name": "OCI_CRED",
"profile_name": "OCI_GENAI",
"vector_dimension": 384,
"vector_distance_metric": "cosine",
"chunk_overlap":128,
"chunk_size":1024
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_GENAI');
PL/SQL procedure successfully completed.
-- Select AI answers the question with the knowledge available in the vector database.
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are
built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL
language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within
which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate
permissions are in place.
Sources:
- Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt (https://objectstorage.../v1/my_namespace/my_bucket/
my_data_folder/Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt)
- Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt
(https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-
Database-Machine-Learning-and-APEX.txt)例: SQL問合せ生成の改善
これらの例は、データベース表および列のコメント、注釈、外部キーおよび参照整合性制約によって、自然言語プロンプトからのSQL問合せの生成がどのように改善されるかを示しています。
例: 表および列コメントを使用したSQL生成の改善
データベース表に表および列のコメントがある場合は、DBMS_CLOUD_AI.CREATE_PROFILEファンクションで"comments":"true"パラメータを有効にして、表レベルおよび列レベルのコメントを取得します。コメントは、より適切なSQL生成のためにLLMのメタデータに追加されます。
-- Adding comments to table 1, table 2, and table 3. Table 1 has 3 columns, table 2 has 7 columns, table 3 has 2 columns.
-- TABLE1
COMMENT ON TABLE table1 IS 'Contains movies, movie titles and the year it was released';
COMMENT ON COLUMN table1.c1 IS 'movie ids. Use this column to join to other tables';
COMMENT ON COLUMN table1.c2 IS 'movie titles';
COMMENT ON COLUMN table1.c3 IS 'year the movie was released';
-- TABLE2
COMMENT ON TABLE table2 IS 'transactions for movie views - also known as streams';
COMMENT ON COLUMN table2.c1 IS 'day the movie was streamed';
COMMENT ON COLUMN table2.c2 IS 'genre ids. Use this column to join to other tables';
COMMENT ON COLUMN table2.c3 IS 'movie ids. Use this column to join to other tables';
COMMENT ON COLUMN table2.c4 IS 'customer ids. Use this column to join to other tables';
COMMENT ON COLUMN table2.c5 IS 'device used to stream, watch or view the movie';
COMMENT ON COLUMN table2.c6 IS 'sales from the movie';
COMMENT ON COLUMN table2.c7 IS 'number of views, watched, streamed';
-- TABLE3
COMMENT ON TABLE table3 IS 'Contains the genres';
COMMENT ON COLUMN table3.c1 IS 'genre id. use this column to join to other tables';
COMMENT ON COLUMN table3.c2 IS 'name of the genre';
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'myprofile',
attributes =>
'{"provider": "azure",
"azure_resource_name": "my_resource",
"azure_deployment_name": "my_deployment",
"credential_name": "my_credential",
"comments":"true",
"object_list": [
{"owner": "moviestream", "name": "table1"},
{"owner": "moviestream", "name": "table2"},
{"owner": " moviestream", "name": "table3"}
]
}'
);
DBMS_CLOUD_AI.SET_PROFILE(
profile_name => 'myprofile'
);
END;
/
--Prompts
select ai what are our total views;
RESPONSE
-------------------------------------------------
TOTAL_VIEWS
-----------
97890562
select ai showsql what are our total views;
RESPONSE
-------------------------------------------------------------------------
SELECT SUM(QUANTITY_SOLD) AS total_views
FROM "moviestream"."table"
select ai what are our total views broken out by device;
DEVICE TOTAL_VIEWS
-------------------------- -----------
mac 14719238
iphone 20793516
ipad 15890590
pc 14715169
galaxy 10587343
pixel 10593551
lenovo 5294239
fire 5296916
8 rows selected.
select ai showsql what are our total views broken out by device;
RESPONSE
---------------------------------------------------------------------------------------
SELECT DEVICE, COUNT(*) AS TOTAL_VIEWS
FROM "moviestream"."table"
GROUP BY DEVICE例: 表および列注釈を使用したSQL問合せ生成の改善
この例では、Oracle AI Database 26aiで適用可能なSelect AIでの注釈の統合を示します。注釈は、LLMに送信されるメタデータに追加されます。
スキーマに注釈を含む表がある場合は、DBMS_CLOUD_AI.CREATE_PROFILEファンクションで"annotations":"true"を有効にして、Select AIに注釈をメタデータに追加するよう指示します。
--
-- Annotations
--
CREATE TABLE emp2 (
empno NUMBER,
ename VARCHAR2(50) ANNOTATIONS (display 'lastname'),
salary NUMBER ANNOTATIONS ("person_salary", "column_hidden"),
deptno NUMBER ANNOTATIONS (display 'department')
)ANNOTATIONS (requires_audit 'yes', version '1.0', owner 'HR Organization');
Table created.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'GOOGLE_ANNOTATIONS',
attributes => '{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "ADB_USER", "name": "emp2"}],
"annotations" : "true"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.SET_PROFILE('GOOGLE_ANNOTATIONS');
PL/SQL procedure successfully completed.例: 外部キーおよび参照キー制約を使用したSQL問合せ生成の改善
この例では、LLMのメタデータに外部キー制約および参照キー制約を取得して、LLMが正確なJOIN条件を生成する機能を示します。外部キー制約と参照キー制約は、表とLLM間の構造化関係データを提供します。
Select AIのDBMS_CLOUD_AI.CREATE_PROFILEファンクションで"constraints":"true"を有効にして、外部キーおよび参照キーを取得します。
--
-- Referential Constraints
--
CREATE TABLE dept_test (
deptno NUMBER PRIMARY KEY,
dname VARCHAR2(50)
);
Table created.
CREATE TABLE emp3 (
empno NUMBER PRIMARY KEY,
ename VARCHAR2(50),
salary NUMBER,
deptno NUMBER,
CONSTRAINT emp_dept_fk FOREIGN KEY (deptno) REFERENCES dept_test(deptno)
);
Table created.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'GOOGLE_CONSTRAINTS',
attribues =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "ADB_USER", "name": "dept_test"},
{"owner": "ADB_USER", "name": "emp3"}],
"constraints" : "true"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.SET_PROFILE('GOOGLE_CONSTRAINTS');
PL/SQL procedure successfully completed.例: 関連表メタデータの自動検出
これらの例は、Select AIが関連する表を自動的に検出し、Oracle AI Database 26aiの問合せに関連する特定の表に対してのみメタデータを送信する方法を示しています。この機能を有効にするには、object_list_modeをautomatedに設定します。これにより、<profile_name>_OBJECT_LIST_VECINDEXという名前のベクトル索引が自動的に作成されます。ベクトル索引は、デフォルトの属性および値(refresh_rate、similarity_threshold、match_limitなど)で初期化されます。一部の属性は、DBMS_CLOUD_AI.UPDATE_VECTOR_INDEXを使用して変更できます。詳細は、UPDATE_VECTOR_INDEXプロシージャを参照してください。
1つのプロファイルは、object_listを使用してスキーマまたはスキーマ内のオブジェクトを指定するように構成されていますが、もう1つのプロファイルはobject_listを指定していません。ただし、同じSQL構文が必要です。
「Select AIの前提条件の実行」を確認して、DBMS_CLOUD_AIパッケージへのアクセスを提供し、AIプロバイダへのネットワーク・アクセスを提供します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'OCI_AUTO',
attributes=>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"object_list": [{"owner": "SH"}],
"oci_compartment_id": "ocid1.compartment.oc1..aaaa...",
"model" : "meta.llama-3.3-70b-instruct"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_AUTO');
PL/SQL procedure successfully completed.
select ai showsql how many customers in San Francisco are married;
RESPONSE
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT c."CUST_ID") AS "NUMBER_OF_CUSTOMERS"
FROM "SH"."CUSTOMERS" c
WHERE UPPER(c."CUST_CITY") = UPPER('San Francisco')
AND UPPER(c."CUST_MARITAL_STATUS") = UPPER('married')次の例では、object_listを使用せずに同じシナリオを比較します。object_listを指定しない場合、Select AIは現在のスキーマで使用可能なすべてのオブジェクトを自動的に選択します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'OCI_AUTO1',
attributes=>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"oci_compartment_id": "ocid1.compartment.oc1..aaaa...",
"object_list_mode": "automated",
"model" : "meta.llama-3.3-70b-instruct"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_AUTO1');
PL/SQL procedure successfully completed.
select ai showsql how many customers in San Francisco are married?;
RESPONSE
----------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(c."CUST_ID") AS "Number_of_Customers"
FROM "SH"."CUSTOMERS" c
WHERE UPPER(c."CUST_CITY") = UPPER('San Francisco')
AND UPPER(c."CUST_MARITAL_STATUS") = UPPER('Married')例: 別のAutonomous AIデータベースを問い合せるためのデータベース・リンクでのSelect AIの使用
この例では、Autonomous AI Databaseからソース・データベースへのデータベース・リンクを設定し、Select AIを使用して自然言語プロンプトからSQLを生成する方法を示します。Select AIは、ソース・データベースのメタデータを使用してSQLを生成します。
開始する前に
レビュー
-
クラウド・ウォレット資格証明をダウンロードし、オブジェクト・ストレージ・バケットにアップロードします:
-
OCIコンソールまたはクラウド・シェルを使用して、ソース・データベースからウォレット(
cwallet.sso)をダウンロードします。詳細は、データベース接続情報のダウンロードを参照してください。 -
オブジェクト・ストレージ・バケットへのウォレット・ファイルのアップロード。詳細は、オブジェクト・ストレージ・バケットの作成を参照してください。
-
この例では、別のAutonomous AI Databaseと安全に接続するために、Autonomous AI Databaseでデータベース・リンク(DBリンク)を設定する方法を示します。ただし、非Autonomous AIデータベースおよびサードパーティ・データベースへのDBリンクを作成できます。データベース・リンクを使用すると、Select AIでは、ウォレット、資格証明およびリンクされたビューを介してデータをレプリケートすることなく、リモート・データ・セット間で問合せを実行できます。
最初に資格証明を作成してユーザー名とパスワードを格納し、ソース・データベースを認証します。別のAutonomous AIデータベースに接続しているときに、認証に使用されるウォレット・ファイルを格納するディレクトリを作成します。GET_OBJECTプロシージャを使用して、ソース・データベースのウォレット資格証明をダウンロードします。Autonomous AI DatabaseからソースAutonomous AI Databaseへのセキュアなデータベース・リンクを作成します。その後、リモート表にビューを作成します。Select AIプロファイルはデータベース・リンク構文を認識しないため、ビューをJSONオブジェクトとして指定するobject_list属性を使用してAIプロファイルを作成し、ビュー名をobject_listに直接含めます。最後に、NL2SQL Select AIアクション(runsql、showsql、explainsql、narrate、chatなど)を発行します。この例では、showsqlを使用します。
--Create Cloud Credential (run in Autonomous AI Database)
BEGIN
DBMS_CLOUD.DROP_CREDENTIAL(credential_name => 'DB_LINK_CRED');
EXCEPTION WHEN OTHERS THEN NULL;
END;
/
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'DB_LINK_CRED',
username => 'DB_USER', -- Username on source database
password => '<password>' -- Password for source database
);
END;
/
--Create Directory (run in Autonomous AI Database)
CREATE DIRECTORY dblink_wallet_dir AS 'DATA_PUMP_DIR';
--Prepare and Upload Source Database Wallet in Object Storage bucket and run in Autonomous AI Database:
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => 'DB_LINK_CRED',
object_uri => 'https://objectstorage.ca-toronto-1.oraclecloud.com/n/namespace-string/b/bucketname/o/data_folder/cwallet.sso/cwallet.sso',
directory_name => 'DBLINK_WALLET_DIR'
);
END;
/
--Create Database Link (Drop dblink if it exists) to Source Database (run in Autonomous AI Database)
BEGIN
DBMS_CLOUD_ADMIN.DROP_DATABASE_LINK(db_link_name => 'MY_DATA_LINK');
EXCEPTION WHEN OTHERS THEN NULL;
END;
/
BEGIN
DBMS_CLOUD_ADMIN.CREATE_DATABASE_LINK(
db_link_name => 'MY_DATA_LINK',
hostname => 'adb.<region>-1.oraclecloud.com', -- Source database hostname
port => '1522', -- Source database port
service_name => 'your_service_name.adb.oraclecloud.com', -- Source database service
credential_name => 'DB_LINK_CRED',
directory_name => 'DBLINK_WALLET_DIR'
);
END;
/
--Create Views (run in Autonomous AI Database)
CREATE VIEW customer_view AS SELECT * FROM customer@MY_DATA_LINK;
CREATE VIEW streams_view AS SELECT * FROM streams@MY_DATA_LINK;
--Create an AI Profile (run in Autonomous AI Database)
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'MY_AI_PROFILE',
attributes => JSON_OBJECT(
'provider' => 'openai',
'credential_name' => 'OPENAI_CRED',
'object_list' => JSON_ARRAY(
JSON_OBJECT('owner' => 'SELECT_AI_USER', 'name' => 'CUSTOMER_VIEW'),
JSON_OBJECT('owner' => 'SELECT_AI_USER', 'name' => 'STREAMS_VIEW')
)
)
);
END;
/
--Showsql test:
SELECT AI SHOWSQL how many customers are there;
--Run on Source Database生成されたSQLをコピーし、@MY_DATA_LINKを削除して、ソース・データベースで問合せを実行して確認します。
例: Select AIとデータベース・リンクを使用したOracle AI Database以外の問合せ
この例では、Autonomous AI DatabaseがAIデータ・ゲートウェイとして機能し、Select AIを使用して、ローカルOracleデータとリモートPostgreSQLデータを結合するフェデレーテッドSQLを生成する方法を示します。Autonomous AI Databaseは、Oracle管理の異機種間接続をサポートしているため、Oracle以外のデータベースへのデータベース・リンクを簡単に作成できます。PostgreSQLデータベースは、データの正式なソースです。
開始する前に
レビュー
-
ターゲット・スキーマまたは表への読取りアクセス権を持つPostgreSQLユーザーを使用します。
-
Autonomous AI DatabaseからPostgreSQLエンドポイントへのネットワーク・アクセスの確認
ユースケース・シナリオ
-
Autonomous AI Databaseには、
CUSTOMER_REVENUE表が含まれています。 -
PostgreSQLには
support_ticket_metrics表が含まれます。 -
Select AIは、両方の表を結合する自然言語プロンプトからSQLを生成します。
-
Autonomous AI Databaseの
CUSTOMER_REVENUE表のサンプル:CREATE TABLE customer_revenue ( customer_id NUMBER NOT NULL, customer_name VARCHAR2(100) NOT NULL, region VARCHAR2(50) NOT NULL, revenue_quarter VARCHAR2(7) NOT NULL, revenue_amount NUMBER(15,2) NOT NULL, CONSTRAINT customer_revenue_pk PRIMARY KEY (customer_id, revenue_quarter) ); -
PostgreSQLのサンプル
support_ticket_metrics表:CREATE TABLE support_ticket_metrics ( ticket_id BIGSERIAL PRIMARY KEY, customer_id BIGINT NOT NULL, severity VARCHAR(20) NOT NULL, opened_at TIMESTAMP NOT NULL, resolved_at TIMESTAMP, resolution_time_hours NUMERIC(10,2) ); -
PostgreSQLユーザー名およびパスワードを格納する資格証明を作成します。
BEGIN DBMS_CLOUD.CREATE_CREDENTIAL( credential_name => 'POSTGRESQL_CRED', username => 'app_user', password => '<postgresql_password>' ); END; / -
PostgreSQLへの異機種間データベース・リンクを作成します。この例では、
gateway_paramsを使用してデータベース・タイプおよびSSLを設定します。詳細は、Oracle管理の異機種間接続を使用したOracle AI以外のデータベースへのデータベース・リンクの作成を参照してください。BEGIN DBMS_CLOUD_ADMIN.CREATE_DATABASE_LINK( db_link_name => 'POSTGRESQL_LINK', hostname => 'primary.***.postgresql.ca-toronto-1.oci.oraclecloud.com', port => 5432, service_name => 'sales', credential_name => 'POSTGRESQL_CRED', gateway_params => JSON_OBJECT('db_type' VALUE 'postgres', 'enable_ssl' VALUE true), ssl_server_cert_dn => NULL, private_target => true ); END; / -
PostgreSQL表にローカル・ビューを作成し、リモートのPostgreSQL表をビューとともにAutonomous AI Databaseスキーマにマップします。
CREATE VIEW support_ticket_metrics AS SELECT * FROM "app_schema"."support_ticket_metrics"@postgresql_link;Select AIでは、NL2SQLの生成時にビューのメタデータが使用されます。
-
AIプロバイダ・エンドポイントのネットワークACLアクセスを
ADMINユーザーとして構成します。BEGIN DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE( host => 'api.openai.com', ace => xs$ace_type( privilege_list => xs$name_list('http'), principal_name => 'ADMIN', principal_type => xs_acl.ptype_db ) ); END; / -
ローカルオブジェクトとリモートオブジェクトを含む Select AIプロファイルを作成します。
object_listのPostgreSQL表に作成されたローカル表とビューの両方をリストします。ノート
ノート:このステップでは、OpenAI資格証明が作成されていることを前提としています。詳細は、例: OpenAIを使用したSelect AIを参照してください。BEGIN DBMS_CLOUD_AI.CREATE_PROFILE( profile_name => 'OPENAI', attributes => '{ "provider": "openai", "model": "gpt-4.1", "credential_name": "OPENAI_CRED", "object_list": [ {"owner":"ADB_USER","name":"SUPPORT_TICKET_METRICS"}, {"owner":"ADB_USER","name":"CUSTOMER_REVENUE"} ] }' ); END; / -
Select AIプロファイルを設定します。
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI');セッションは、Select AIが正しいプロバイダ、資格証明およびオブジェクト・メタデータを使用するようにプロファイルを設定します。
-
Select AIでテストします。
select ai Which customers with over 1M USD in revenue last quarter had critical support tickets, and what was the average resolution time by region; RESPONSE: REGION CUSTOMER_NAME AVG_RESOLUTION_TIME_HOURS ------ -------------------- ------------------------- MEA Customer-5359 9showsqlを使用して、生成されたSQLを確認します。これは、Autonomous AI DatabaseとPostgreSQLの2つの表の間の結合であることがわかります。select ai showsql Which customers with over 1M USD in revenue last quarter had critical support tickets, and what was the average resolution time by region; RESPONSE -------------------------------------------------------------------------------- SELECT cr."CUSTOMER_NAME" AS customer_name, cr."REGION" AS region, AVG(stm."resolution_time_hours") AS avg_resolution_time_hours FROM "ADB_USER"."CUSTOMER_REVENUE" cr JOIN "ADB_USER"."SUPPORT_TICKET_METRICS" stm ON cr."CUSTOMER_ID" = stm."customer_id" WHERE cr."REVENUE_QUARTER" = ( SELECT MAX(cr2."REVENUE_QUARTER") FROM "ADB_USER"."CUSTOMER_REVENUE" cr2 ) AND cr."REVENUE_AMOUNT" > 1000000 AND stm."severity" = 'Critical' GROUP BY cr."CUSTOMER_NAME", cr."REGION"
Select AIは、プロンプトを表とビューのメタデータで補強し、LLMに送信してフェデレーテッドSQLを生成します。AIデータゲートウェイは、クエリを調整し、データベースリンクを介してPostgreSQLにアクセスします。
例: Select AIとクラウド・リンクを使用した別のAutonomous AIデータベースの問合せ
この例では、クラウド・リンクを使用して、別のAutonomous AI Databaseに格納されているデータにアクセスし、Select AIを使用して問い合せる方法を示します。
クラウド・リンクは、テナンシ、コンパートメントまたはリージョン内のデータベース全体で、登録済の表およびビューへの読取り専用アクセスを提供します。
開始する前に
レビュー
この例では、クラウド・リンクを介してデータを利用可能にし、Select AIで使用するために必要な完全なフローについて説明します。
ソース・データベース: 共有するデータ(表またはビュー)が存在するOracle Autonomous AI Database。
ターゲット・データベース(受信側)はAIデータ・ゲートウェイとして機能し、以前はAIプロキシ・データベースと呼ばれていました。Select AIを構成して自然言語問合せを発行するOracle Autonomous AI Databaseです。
クラウド・リンクは、データをコピーしたり、データベース資格証明を管理したり、ネットワーク接続を手動で設定することなく、自律型AIデータベース間でデータを共有するためのセキュアで読取り専用メカニズムを提供します。
-
ADMINユーザーは、リモート・アクセス用の表およびビューを登録するデータ所有者を認可します。このステップでは、クラウド・リンク共有のデータを公開できるユーザーを制御します。--run on SOURCE database as ADMIN BEGIN DBMS_CLOUD_LINK_ADMIN.GRANT_REGISTER( username => 'ADB_USER', scope => 'MY$TENANCY' ); END; / -
データ所有者は、表(
CUSTOMERS)を登録し、ネームスペース、名前およびスコープを割り当てます。登録により、指定されたスコープ(テナンシ、コンパートメントまたはリージョン)内の他のAutonomous AIデータベースでデータを検出できるようになります。--run on SOURCE database as the Select AI user BEGIN DBMS_CLOUD_LINK.REGISTER( schema_name => 'ADB_USER', schema_object => 'CUSTOMERS', -- Table or view name namespace => 'SALES_DATA', -- Namespace the user provides as a name for Cloud Link access name => 'CUSTOMERS', -- Name visible to consumers description => 'customer data', -- Table or view description scope => 'MY$TENANCY' -- MY$COMPARTMENT, MY$TENANCY, or MY$REGION ); END; /ノート
ノート:メタデータの同期には数分かかる場合があります。このウィンドウ中に、データ・セットがターゲット・データベースにすぐには表示されない場合があります。 -
ソース・データベースの登録を
ADMINとして検証するには、データ・ディクショナリを問い合せます。この問合せは、データ・セットが表示されているネームスペース、名前およびスコープを確認します。select namespace, name , json_value(scope,'$.TENANCY[*]') tenancy , json_value(scope,'$.COMPARTMENT[*]') compartments , json_value(scope,'$.REGION[*]') region , description from dba_cloud_link_registrations;Returns: NAMESPACE NAME TENANCY COMPARTMENTS REGION DESCRIPTION SALES_DATA CUSTOMERS OCID1.TENANCY.... (null) (null) customer data -
受信側データベースでは、
ADMINユーザーが読取りアクセス権を付与して、ユーザーが登録済のCloud Linkデータ・セットを使用できるようにします。BEGIN DBMS_CLOUD_LINK_ADMIN.GRANT_READ( username => 'ADB_USER' ); END; / -
ターゲット・データベース・ユーザーは、使用可能なクラウド・リンク・データ・セットをリストまたは検索して、アクセスを確認し、正しいネームスペースおよびオブジェクト名を識別できます。
-- View all accessible data sets SELECT NAMESPACE, NAME, DESCRIPTION FROM ALL_CLOUD_LINK_ACCESS;Returns: NAMESPACE NAME DESCRIPTION SALES_DATA CUSTOMERS customer data -
オプションで、特定のデータ・セットを検索します。これにより、正確なネームスペースと名前を知らなくても、キーワードを使用してデータ・セットを検索できます。
-- DECLARE result CLOB DEFAULT NULL; BEGIN DBMS_CLOUD_LINK.FIND('CUSTOMERS', result); DBMS_OUTPUT.PUT_LINE(result); END; /Returns: [{"name":"CUSTOMERS","namespace":"SALES_DATA","description":"customer data"}] -
クラウド・リンク構文を使用してローカル表またはビューを作成します。
CREATE VIEW customers_view AS SELECT * FROM SALES_DATA.CUSTOMERS@cloud$link; CREATE TABLE customers_table AS SELECT * FROM SALES_DATA.CUSTOMERS@cloud$link;ターゲット・データベースで、
@cloud$link構文を使用してリモート・データを参照するビューまたは表を作成します。これらのオブジェクトはローカル・データベース・オブジェクトと同様に動作しますが、ソース・データベースからデータを読み取ります。 -
Select AIプロファイルを作成します。
ノート
ノート:このステップでは、OCI資格証明が作成されていることを前提としています。詳細は、例: OCI生成AIを使用したSelect AIを参照してください。BEGIN DBMS_CLOUD_AI.CREATE_PROFILE( profile_name => 'MY_AI_PROFILE', attributes => '{"provider": "oci", "credential_name": "MY_AI_CRED", "object_list": [ {"owner": "ADB_USER", "name": "CUSTOMERS_VIEW"}, {"owner": "ADB_USER", "name": "CUSTOMERS_TABLE"} ] }'); END; /Select AIプロファイルには、
object_list内のクラウド・リンク・ビューまたは表が含まれます。このステップは、SQL生成時に使用できるオブジェクトを Select AIに指示します。 -
Select AIプロファイルを設定します。
EXEC DBMS_CLOUD_AI.SET_PROFILE('MY_AI_PROFILE')セッションは、Select AIが正しいプロバイダ、資格証明およびオブジェクト・メタデータを使用するようにプロファイルを設定します。
-
Select AIでテストします。
SELECT AI SHOWSQL how many customers do I have;「顧客の数」などの自然言語プロンプトが発行されます。Select AIは、クラウド・リンク表のメタデータを使用して、共有データを問い合せるSQLを生成します。
RESPONSE SELECT COUNT("ct"."ID") AS "customer_count" FROM "ADB_USER"."CUSTOMERS_TABLE" "ct"
ステートレス環境(APEXやデータベース・アクションSQLワークシートなど)では、DBMS_CLOUD_AI.GENERATEを使用してSelect AIをテストし、プロファイル名を直接渡します。
DECLARE
result CLOB;
BEGIN
result := DBMS_CLOUD_AI.GENERATE(
prompt => 'how many customers do I have',
profile_name => 'MY_AI_PROFILE',
action => 'showsql'
);
DBMS_OUTPUT.PUT_LINE(result);
END;
/例: Select AIでの外部表オーバー表ハイパーリンクの使用
この例では、Autonomous AI Database (コンシューマ・データベース)がAI Data Gateway (旧称AI Proxy Database)として機能し、表ハイパーリンクを介して外部表を使用して別のAutonomous AI Database (プロバイダ・データベース)でホストされているリモート・データを問い合せる方法を示します。
開始する前に
レビュー
この例では、プロバイダのAutonomous AI DatabaseでSHスキーマ表SH.CUSTOMERSおよびSH.SALESを使用します。
-
プロバイダAutonomous AI Database (データ所有者)で、必要な表の表ハイパーリンク共有を作成します。
-
CUSTOMERS表の表ハイパーリンクを作成します。DECLARE hyperlink_status CLOB; BEGIN DBMS_DATA_ACCESS.CREATE_URL( schema_name => 'SH', schema_object_name => 'CUSTOMERS', expiration_minutes => 1440, -- The hyperlink remains valid for 1440 minutes result => hyperlink_status ); DBMS_OUTPUT.PUT_LINE(hyperlink_status); END; /結果は次のようになります。
RESULT: { "status" : "SUCCESS", "id" : "LYYPJrNCL-Fa6...9T", "preauth_url" : "https://dataaccess.adb.us-chicago-1.oraclecloudapps.com/adb/p/6ya...j9k/data", "expiration_ts" : "2026-01-31T08:46:29.250Z" } -
SALES表の表ハイパーリンクを作成します。DECLARE hyperlink_status CLOB; BEGIN DBMS_DATA_ACCESS.CREATE_URL( schema_name => 'SH', schema_object_name => 'SALES', expiration_minutes => 1440, -- The hyperlink remains valid for 1440 minutes result => hyperlink_status ); DBMS_OUTPUT.PUT_LINE(hyperlink_status); END; /結果は次のようになります。
RESULT: { "status" : "SUCCESS", "id" : "ddzdq...", "preauth_url" : "https://dataaccess.adb.us-chicago-1.oraclecloudapps.com/adb/p/YvYb8eJ...JQE/data", "expiration_ts" : "2026-01-31T08:47:24.823Z" }
サポートされているパラメータについては、「表ハイパーリンクを使用した外部表の作成」を参照してください。
このプロシージャは、表ハイパーリンクURL
preauth_url(PAR URL)を生成し、このURLは、表への読取り専用アクセスを公開し、別のデータベースに外部表を作成するために使用できます。 -
-
コンシューマAutonomous AI Database (AI Proxy)で、外部表を作成します。ステップ1で生成された表のハイパーリンクURL (PAR URL)をプロバイダ・データベースからコピーして、外部表を定義します。
BEGIN DBMS_CLOUD.CREATE_EXTERNAL_TABLE( table_name => 'CUSTOMERS_EXT', credential_name => NULL, file_uri_list => 'https://dataaccess.adb.us-chicago-1.oraclecloudapps.com/adb/p/6ya...j9k/data', format => json_object('type' VALUE 'csv') ); END; /2つのデータベースが同じリージョンにある場合、URLはローカルOCIDを指します。クロス・リージョンの場合、URIはリモート・リージョンのエンドポイントを参照する必要があります。
-
SH.SALESに対して同じことを繰り返します:BEGIN DBMS_CLOUD.CREATE_EXTERNAL_TABLE( table_name => 'SALES_EXT', credential_name => NULL, file_uri_list => '<preauth_url_for_SALES>', format => json_object('type' VALUE 'csv') ); END; /CUSTOMERS_EXTとSALES_EXTの両方が、コンシューマ・データベース・インスタンスでローカル表として表示されるようになりました。データは、表のハイパーリンクを使用してリモートのAutonomous AI Databaseから取得されます。 -
外部表が作成されたかどうかを確認します。
SELECT table_name FROM user_tables WHERE table_name LIKE '%EXT%'; -
AIプロバイダ・エンドポイントのネットワークACLアクセスを
ADMINユーザーとして構成します。BEGIN DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE( host => 'api.openai.com', ace => xs$ace_type( privilege_list => xs$name_list('http'), principal_name => 'ADB_USER', principal_type => xs_acl.ptype_db ) ); END; / -
オブジェクトを含む Select AIプロファイルを作成します。
object_listの下のコンシューマAutonomous AI Databaseで作成されたローカル表をリストします。ノート
ノート:このステップでは、OpenAI資格証明が作成されていることを前提としています。詳細は、例: OpenAIを使用したSelect AIを参照してください。BEGIN DBMS_CLOUD_AI.CREATE_PROFILE( profile_name => 'AI_HYPERLINK_PROFILE', attributes => '{ "provider": "openai", "credential_name": "OPENAI_CRED", "object_list": [ {"owner":"ADB_USER","name":"CUSTOMERS_EXT"}, {"owner":"ADB_USER","name":"SALES_EXT"} ], "conversation": "true" }' ); END; / -
Select AIプロファイルを設定します。
EXEC DBMS_CLOUD_AI.SET_PROFILE('AI_HYPERLINK_PROFILE');セッションは、Select AIが正しいプロバイダ、資格証明およびオブジェクト・メタデータを使用するようにプロファイルを設定します。
-
Select AIでテストします。Select AIは、外部表でプロンプトを実行します。
SELECT AI SHOWSQL how many customers do I have;生成されたSQLを確認します。
出力は次のようになります。
SELECT COUNT("CUST_ID") AS "Total_Customers" FROM "ADB_USER"."CUSTOMERS_EXT"
Select AIは、プロンプトを表とビューのメタデータで補強し、LLMに送信してフェデレーテッドSQLを生成します。Select AIは外部表をローカル・オブジェクトとして処理し、データはリモートAutonomous AI Databaseに残ります。
ステートレス環境(APEXやデータベース・アクションSQLワークシートなど)では、DBMS_CLOUD_AI.GENERATEを使用してSelect AIをテストし、プロファイル名を直接渡します。
DECLARE
result CLOB;
BEGIN
result := DBMS_CLOUD_AI.GENERATE(
prompt => 'how many customers do I have',
profile_name => 'AI_HYPERLINK_PROFILE',
action => 'showsql'
);
DBMS_OUTPUT.PUT_LINE(result);
END;
/例: Select AIでのフェデレーテッド表の使用
この例では、Autonomous AI Database (コンシューマ)がSelect AIを使用して、リモートAutonomous AI Database (プロバイダ)に自動的に接続するフェデレーテッド表を問い合せる方法を示します。(コンシューマ・データベース)は、別のAutonomous AI Database (プロバイダ・データベース)でホストされているリモート・データを問い合せるAIデータ・ゲートウェイ(以前のAIプロキシ・データベース)として機能します。
開始する前に
レビュー
この例では、プロバイダAutonomous AI DatabaseのSHスキーマ表SH.CUSTOMERSを使用します。どちらのデータベースも、同じテナンシおよびコンパートメントに属しています。
-
プロバイダAutonomous AI Database (データ所有者)では、
ADMINとして、ユーザー(データ所有者)がフェデレーテッド・アクセス用の表を登録できるようにします。BEGIN DBMS_DATA_ACCESS_ADMIN.GRANT_REGISTER( username => 'DATA_OWNER', scope => 'MY$COMPARTMENT' ); END; /これにより、ユーザーは、指定したスコープ内のリモート・アクセス用に独自の表およびビューを登録できます。
-
ADMINとして、DBMS_DATA_ACCESS_SCOPEに対する実行権限を付与します。DATA_OWNERユーザーには、アクセス・スコープの表を登録する権限が必要です。grant execute on DBMS_DATA_ACCESS_SCOPE to DATA_OWNER; -
DATA_OWNERとして、フェデレーテッド・アクセス用のスキーマまたは特定の表を登録します。これをプロバイダ・データベースでユーザー
DATA_OWNERとして実行します。スキーマ内のすべての表を登録するか、
CUSTOMERSなどの単一の表を指定できます。BEGIN DBMS_DATA_ACCESS_SCOPE.REGISTER_CREATION_SCOPE( schema_name => 'DATA_OWNER', schema_object_name => NULL, --or provide specific table names scope => 'MY$COMPARTMENT' ); END; /この登録により、同じコンパートメント内の他のデータベースへのフェデレーテッド・アクセスのスキーマ(または特定の表)が公開されます。
-
コンシューマAutonomous AI Databaseでは、
ADMINとして、コンシューマ・ユーザー(DATA_USER)がフェデレーテッド表を作成および問合せできるようにする権限を付与します。GRANT EXECUTE ON DBMS_DATA_ACCESS TO DATA_USER; GRANT CREATE SESSION TO DATA_USER; GRANT CREATE TABLE TO DATA_USER; ALTER USER DATA_USER QUOTA UNLIMITED ON DATA; -- if the user will manage other objects GRANT PDB_DBA TO DATA_USER; -
ADMINとして、リモート・スキーマおよびオブジェクトへの読取りアクセス権を付与します。コンシューマ・データベースのコンシューマ・ユーザー(DATA_USER)がプロバイダから共有オブジェクト(CUSTOMERS)を読み取れるようにします。BEGIN DBMS_DATA_ACCESS_ADMIN.GRANT_READ( username => 'DATA_USER', remote_schema_name => 'DATA_USER_SCHEMA', remote_schema_object_name=> 'CUSTOMERS' ); END; /このステップでは、コンシューマ・ユーザー
DATA_USERがプロバイダ・データベースの指定された表にアクセスすることを認可します。 -
これをユーザー
DATA_USERとしてコンシューマ・データベースで実行します。db_ocids引数は、プロバイダ・データベースのリージョンおよびOCIDを指定します。リージョンの短縮コード(たとえば、us-chicago-1の場合はORD)を使用します。BEGIN DBMS_DATA_ACCESS.CREATE_FEDERATED_TABLE( table_name => 'FEDERATED_CUSTOMERS', remote_schema_name => 'DATA_USER_SCHEMA', remote_schema_object_name => 'CUSTOMERS', db_ocids => '[{"region": "ORD","db_ocid": "OCID1.AUTONOMOUSDATABASE.OC1.US-CHICAGO-1.ANXX..."}]' ); END; /ノート
ノート:データベースOCID (db_ocid)は大文字である必要があります。 -
AIプロバイダ・エンドポイントのネットワークACLアクセスを
ADMINユーザーとして構成します。BEGIN DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE( host => 'api.openai.com', ace => xs$ace_type( privilege_list => xs$name_list('http'), principal_name => 'DATA_USER', principal_type => xs_acl.ptype_db ) ); END; / -
オブジェクトを含む Select AIプロファイルを作成します。
object_listの下のコンシューマAutonomous AI Databaseで作成されたローカル表をリストします。ノート
ノート:このステップでは、OpenAI資格証明が作成されていることを前提としています。詳細は、例: OpenAIを使用したSelect AIを参照してください。BEGIN DBMS_CLOUD_AI.CREATE_PROFILE( profile_name => 'AI_FEDERATED_TABLE_PROFILE', attributes => '{ "provider": "openai", "credential_name": "OPENAI_CRED", "object_list": [ {"owner":"DATA_USER_SCHEMA","name":"FEDERATED_CUSTOMERS"} ], "conversation": "true" }' ); END; / -
Select AIプロファイルを設定します。
EXEC DBMS_CLOUD_AI.SET_PROFILE('AI_FEDERATED_TABLE_PROFILE');セッションは、Select AIが正しいプロバイダ、資格証明およびオブジェクト・メタデータを使用するようにプロファイルを設定します。
-
Select AIでテストします。Select AIは、フェデレーテッド表でプロンプトを実行します。
SELECT AI SHOWSQL how many customers do I have;生成されたSQLを確認します。
出力は次のようになります。
SELECT COUNT("CUST_ID") AS "Total_Customers" FROM "DATA_USER_SCHEMA"."FEDERATED_CUSTOMERS"
Select AIは、プロンプトを表とビューのメタデータで補強し、LLMに送信してフェデレーテッドSQLを生成します。Select AIは、フェデレーテッド表をローカル・オブジェクトとして処理し、データはリモートのAutonomous AI Databaseに残ります。
ステートレス環境(APEXやデータベース・アクションSQLワークシートなど)では、DBMS_CLOUD_AI.GENERATEを使用してSelect AIをテストし、プロファイル名を直接渡します。
DECLARE
result CLOB;
BEGIN
result := DBMS_CLOUD_AI.GENERATE(
prompt => 'how many customers do I have',
profile_name => 'AI_FEDERATED_TABLE_PROFILE',
action => 'showsql'
);
DBMS_OUTPUT.PUT_LINE(result);
END;
/例: 合成データの生成
この例では、実際のデータの特性と分布を模倣した合成データを生成する方法について説明します。
次の例は、スキーマ内にいくつかの表を作成し、AIプロバイダとしてOCI Generative AIを使用してAIプロファイルを作成し、DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA関数を使用してそれらの表にデータを合成し、Select AIを使用して自然言語プロンプトに対する問合せまたは応答を生成する方法を示しています。
--Create tables or use cloned tables
CREATE TABLE ADB_USER.Director (
director_id INT PRIMARY KEY,
name VARCHAR(100)
);
CREATE TABLE ADB_USER.Movie (
movie_id INT PRIMARY KEY,
title VARCHAR(100),
release_date DATE,
genre VARCHAR(50),
director_id INT,
FOREIGN KEY (director_id) REFERENCES ADB_USER.Director(director_id)
);
CREATE TABLE ADB_USER.Actor (
actor_id INT PRIMARY KEY,
name VARCHAR(100)
);
CREATE TABLE ADB_USER.Movie_Actor (
movie_id INT,
actor_id INT,
PRIMARY KEY (movie_id, actor_id),
FOREIGN KEY (movie_id) REFERENCES ADB_USER.Movie(movie_id),
FOREIGN KEY (actor_id) REFERENCES ADB_USER.Actor(actor_id)
);
-- Create the GenAI credential
BEGIN
DBMS_CLOUD.create_credential(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1....',
tenancy_ocid => 'ocid1.tenancy.oc1....',
private_key => 'vZ6cO...',
fingerprint => '86:7d:...'
);
END;
/
-- Create a profile
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GENAI',
attributes =>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"object_list": [{"owner": "ADB_USER",
"oci_compartment_id": "ocid1.compartment.oc1...."}]
}');
END;
/
EXEC DBMS_CLOUD_AI.set_profile('GENAI');
-- Run the API for single table
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'Director',
owner_name => 'ADB_USER',
record_count => 5
);
END;
/
PL/SQL procedure successfully completed.
-- Query the table to see results
SQL> SELECT * FROM ADB_USER.Director;
DIRECTOR_ID NAME
----------- ----------------------------------------------------------------------------------------------------
1 John Smith
2 Emily Chen
3 Michael Brown
4 Sarah Taylor
5 David Lee
-- Or ask select ai to show the results
SQL> select ai how many directors are there;
NUMBER_OF_DIRECTORS
-------------------
5例: 複数の表の合成データの生成
AIプロバイダ・プロファイルを作成して設定した後、DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATAを使用して複数の表のデータを生成します。Select AIを問合せまたは使用して、自然言語プロンプトに応答できます。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_list => '[{"owner": "ADB_USER", "name": "Director","record_count":5},
{"owner": "ADB_USER", "name": "Movie_Actor","record_count":5},
{"owner": "ADB_USER", "name": "Actor","record_count":10},
{"owner": "ADB_USER", "name": "Movie","record_count":5,"user_prompt":"all movies released in 2009"}]'
);
END;
/
PL/SQL procedure successfully completed.
-- Query the table to see results
SQL> select * from ADB_USER.Movie;
MOVIE_ID TITLE RELEASE_D GENRE DIRECTOR_ID
---------- -------------------------------------------------------- --------- --------------------------------------------------------------- -----------
1 The Dark Knight 15-JUL-09 Action 8
2 Inglourious Basterds 21-AUG-09 War 3
3 Up in the Air 04-SEP-09 Drama 6
4 The Hangover 05-JUN-09 Comedy 1
5 District 9 14-AUG-09 Science Fiction 10
-- Or ask select ai to show the results
SQL> select ai how many actors are there;
Number of Actors
----------------
10例: 合成データ生成タスクの中断
大規模な合成データ・セットの生成を開始すると、タスクが小さいサブタスクに分割され、パラレルに実行されます。セッションを中断した場合(たとえば、Ctrl + Cを使用)、サブタスクが自動的に終了しないため、プロセスはバックグラウンドで続行される場合があります。
実行中のタスクを終了する場合は、次のステップを実行します。
-- Find the operation ID of the running Synthetic Data Generation (SDG) process
SELECT * FROM user_load_operations WHERE type = 'SYNTHETIC_DATA';
-- Delete a specific SDG operation
EXEC dbms_cloud.delete_operation(<operation_id>);
-- Delete all SDG operations
EXEC dbms_cloud.delete_all_operations('SYNTHETIC_DATA');前述のコマンドでバックグラウンド・プロセスが停止しない場合は、セッションを手動で終了します。
SELECT sid, serial# FROM v$session WHERE audsid = userenv('sessionid');
ALTER SYSTEM KILL SESSION '<sid>,<serial#>' IMMEDIATE;例: サンプル行を使用した合成データ生成のガイド
AIサービスによる合成データの生成をガイドするために、表から既存のレコードをランダムに選択できます。たとえば、{"sample_rows": 5}をparams引数に追加すると、表からAIプロバイダに5つのサンプル行を送信できます。この例では、Transactions表のサンプル行に基づいて10行追加を生成します。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'Transactions',
owner_name => 'ADB_USER',
record_count => 10,
params => '{"sample_rows":5}'
);
END;
/例: ユーザー・プロンプトを使用した合成データ生成のカスタマイズ
user_prompt引数を使用すると、データ生成の追加のルールまたは要件を指定できます。これは、単一の表に適用することも、複数の表のobject_list引数の一部として適用することもできます。たとえば、DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATAへの次のコールでは、2009年にリリースされたムービーで合成データを生成するようにプロンプトがAIに指示されます。
-- Definition for the Movie table CREATE TABLE Movie
CREATE TABLE Movie (
movie_id INT PRIMARY KEY,
title VARCHAR(100),
release_date DATE,
genre VARCHAR(50),
director_id INT,
FOREIGN KEY (director_id) REFERENCES Director(director_id)
);
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'Movie',
owner_name => 'ADB_USER',
record_count => 10,
user_prompt => 'all movies are released in 2009',
params => '{"sample_rows":5}'
);
END;
/
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_list => '[{"owner": "ADB_USER", "name": "Director","record_count":5},
{"owner": "ADB_USER", "name": "Movie_Actor","record_count":5},
{"owner": "ADB_USER", "name": "Actor","record_count":10},
{"owner": "ADB_USER", "name": "Movie","record_count":5,"user_prompt":"all movies are released in 2009"}]'
);
END;
/例: 表統計を使用した合成データ品質の向上
表に列統計がある場合、またはメタデータを含むデータベースからクローニングされる場合、Select AIはこれらの統計を使用して、元のデータとよく似ているデータまたは一貫性のあるデータを生成できます。
NUMBER列の場合、統計の上限値と下限値は値の範囲をガイドします。たとえば、元のEMPLOYEES表のSALARY列の範囲が1000から10000の場合、この列の合成データもこの範囲内に収まります。
CA、WAおよびTXの値を持つSTATE列など、個別値を持つ列の場合、合成データではこれらの固有の値が使用されます。この機能は、{"table_statistics": true/false}パラメータを使用して管理できます。デフォルトでは、表の統計は有効になっています。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'Movie',
owner_name => 'ADB_USER',
record_count => 10,
user_prompt => 'all movies released in 2009',
params => '{"sample_rows":5,"table_statistics":true}'
);
END;
/例: 列コメントを使用したデータ生成のガイド
列コメントが存在する場合、Select AIは、データ生成時にLLMの追加情報を提供するためにそれらを自動的に含めます。たとえば、トランザクション表のStatus列に対するコメントには、successful、failed、pending、canceled、need manual checkなどの許容値がリストされます。また、コメントを追加して列をさらに説明し、AIサービスに正確なデータを生成するためのより正確な指示またはヒントを提供することもできます。デフォルトでは、コメントは無効になっています。詳細は、オプション・パラメータを参照してください。
-- Use comment on column
COMMENT ON COLUMN Transaction.status IS 'the value for state should either be ''successful'', ''failed'', ''pending'' or ''canceled''';
/
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'employees',
owner_name => 'ADB_USER',
record_count => 10
params => '{"comments":true}'
);
END;
/例: 合成データ生成での一意の値の設定
LLMで大量の合成データを生成する場合、重複値が発生する可能性が高くなります。これを回避するには、関連する列に一意制約を設定します。これにより、LLMレスポンスの値が重複する行はSelect AIで無視されるようになります。また、特定の列の値を制限するには、user_promptを使用するか、コメントを追加して、STATE列をCA、WAおよびTXに制限するなど、許可される値を指定できます。
-- Use 'user_prompt'
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_name => 'employees',
owner_name => 'ADB_USER',
user_prompt => 'the value for state should either be CA, WA, or TX',
record_count => 10
);
END;
/
-- Use comment on column
COMMENT ON COLUMN EMPLOYEES.state IS 'the value for state should either be CA, WA, or TX'
/例: パラレル処理による合成データ生成の拡張
実行時間を短縮するために、Select AIは、合成データ生成タスクを、主キーのない表または数値主キーを持つ表の小さなチャンクに分割します。これらのタスクは並行して実行され、AIプロバイダーと対話してデータをより効率的に生成します。自律型AIデータベースのサービス・レベルおよびECPUまたはOCPU設定の影響を受けるデータベース内の並列度(DOP)によって、各チャンク・プロセスのレコード数が決まります。通常、タスクをパラレルで実行すると、パフォーマンスが向上します。特に、多数の表にまたがって大量のデータを生成する場合です。合成データ生成のパラレル処理を管理するには、priorityをオプションのパラメータとして設定します。オプション・パラメータを参照してください。
例: データ・アクセスの有効化または無効化
この例では、管理者がデータ・アクセスを制御し、Select AIが実際のスキーマ表をLLMに送信できないようにする方法を示します。
データ・アクセスの無効化
スキーマ表へのアクセスを制限するには、管理者としてログインし、次の手順を実行します。
EXEC DBMS_CLOUD_AI.DISABLE_DATA_ACCESS;
PL/SQL procedure successfully completed.データ・アクセスを無効にすると、Select AIのnarrateアクションおよび合成データ生成が制限されます。narrateアクションおよび合成データの生成でエラーが発生します。
データベース・ユーザーとしてログインし、AIプロファイルを作成および構成します。「Select AIの前提条件の実行」を確認して、AIプロファイルを構成します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'DATA_ACCESS',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner":"SH"}]
}');
END;
/
EXEC DBMS_CLOUD_AI.SET_PROFILE('DATA_ACCESS');
select ai how many customers;
NUM_CUSTOMERS
55500
select ai narrate what are the top 3 customers in San Francisco;
ORA-20000: Data access is disabled for SELECT AI.
ORA-06512: at "C##CLOUD$SERVICE.DBMS_CLOUD", line 2228
ORA-06512: at "C##CLOUD$SERVICE.DBMS_CLOUD_AI", line 13157
ORA-06512: at line 1 https://docs.oracle.com/error-help/db/ora-20000/
The stored procedure 'raise_application_error' was called which causes this error to be generated
Error at Line: 1 Column: 6次の例は、合成データの生成を試行したときにトリガーされるエラーを示しています。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'DATA_ACCESS_SDG',
object_name => 'CUSTOMERS_NEW',
owner_name => 'ADB_USER,
record_count => 5
);
END;
/
ERROR at line 1:
ORA-20000: Data access is disabled for SELECT AI.
ORA-06512: at "C##CLOUD$SERVICE.DBMS_CLOUD", line 2228
ORA-06512: at "C##CLOUD$SERVICE.DBMS_CLOUD_AI", line 13401
ORA-06512: at line 2データ・アクセスの使用可能化
次の例は、データ・アクセスの有効化を示しています。管理者としてログインし、次の手順を実行します。
EXEC DBMS_CLOUD_AI.ENABLE_DATA_ACCESS;
PL/SQL procedure successfully completed.データベース・ユーザーとしてログインし、AIプロファイルを作成および構成します。「Select AIの前提条件の実行」を確認して、AIプロファイルを構成します。narrateアクションを実行し、個別に合成データを生成します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'DATA_ACCESS_NEW',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner":"SH"}]
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.SET_PROFILE('DATA_ACCESS_NEW');
PL/SQL procedure successfully completed.
select ai how many customers;
NUM_CUSTOMERS
55500
select ai narrate what are the top 3 customers in San Francisco;
"RESPONSE"
"The top 3 customers in San Francisco are Cody Seto, Lauren Yaskovich, and Ian Mc"次の例は、データ・アクセスを有効にした後の合成データ生成の成功を示しています。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'DATA_ACCESS_SDG',
object_name => 'CUSTOMERS_NEW',
owner_name => 'ADB_USER',
record_count => 5
);
END;
/
PL/SQL procedure successfully completed.例: Select AIフィードバック
これらの例は、DBMS_CLOUD_AI.FEEDBACKプロシージャの使用方法と、フィードバックを提供するための様々なシナリオを使用して、後続のSQL問合せの生成を改善する方法を示しています。
開始する前に
「Select AIの前提条件の実行」を確認します。
ノート
ノート:プロンプトが以前に実行されていない場合でも、Select AI SQLプロンプトにフィードバックを入力できます。Select AIでは、フィードバックを送信する前にSQLプロンプトを問合せで使用する必要はありません。有効なプロンプトに対していつでもフィードバックを入力できます。
例: マイナスのフィードバックの入力
次の例では、feedback_typeをnegativeとして使用し、SQL問合せを指定することで、生成されたSQLをフィードバック(ネガティブ・フィードバック)として修正する方法を示します。
OCI_FEEDBACK1という名前のAIプロファイルにフィードバックを追加するには、プロンプトを含むsql_textパラメータを指定してDBMS_CLOUD_AI.FEEDBACKプロシージャをコールします。属性について学習するには、FEEDBACKプロシージャを参照してください。次に、<profile_name>_FEEDBACK_VECINDEX$VECTAB表からcontent列およびattributes列を取得します。この表は、特定のSQL問合せにリンクされています。フィードバック機能を初めて使用すると、Select AIによってこのベクトル表が自動的に作成されます。詳細は、「FEEDBACKのベクトル索引」を参照してください。
SQL> select ai showsql how many movies;
RESPONSE
------------------------------------------------------------------------
SELECT COUNT(m."MOVIE_ID") AS "Number of Movies" FROM "ADB_USER"."MOVIES" m
SQL> exec DBMS_CLOUD_AI.FEEDBACK(profile_name=>'OCI_FEEDBACK1', sql_text=> 'select ai showsql how many movies', feedback_type=> 'negative', response=>'SELECT SUM(1) FROM "ADB_USER"."MOVIES"');
PL/SQL procedure successfully completed.
SQL> select CONTENT, ATTRIBUTES from OCI_FEEDBACK1_FEEDBACK_VECINDEX$VECTAB where JSON_VALUE(attributes, '$.sql_text') = 'select ai showsql how many movies';
CONTENT
----------------------------------------------------------------------------------------------------
how many movies
ATTRIBUTES
----------------------------------------------------------------------------------------------------
{"response":"SELECT SUM(1) FROM "ADB_USER"."MOVIES"","feedback_type":"negative","sql_id":null,"sql_text":"select ai showsql how many movies","feedback_content":null}例: 肯定的なフィードバックの提供
次の例では、feedback_typeをpositiveとして使用して、生成されたSQL (肯定的なフィードバック)に同意し、確認するという承認を示します。
この例では、問合せによって、指定されたプロンプトのv$mapped_sqlビューからsql_idが取得されます。詳細は、V_MAPPED_SQLを参照してください。
OCI_FEEDBACK1という名前のAIプロファイルにフィードバックを追加するには、sql_idパラメータを指定してDBMS_CLOUD_AI.FEEDBACKプロシージャをコールします。次に、<profile_name>_FEEDBACK_VECINDEX$VECTAB表からcontent列およびattributes列を取得します。この表は、特定のSQL問合せにリンクされています。フィードバック機能を初めて使用すると、Select AIによってこのベクトル表が自動的に作成されます。詳細は、「FEEDBACKのベクトル索引」を参照してください。
SQL> select ai showsql how many distinct movie genres?;
RESPONSE
-----------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT g."GENRE_NAME") AS "Number of Movie Genres" FROM "ADB_USER"."GENRES" g
SQL> SELECT sql_id FROM v$mapped_sql WHERE sql_text = 'select ai showsql how many distinct movie genres?';
SQL_ID
-------------
852w8u83gktc1
SQL> exec DBMS_CLOUD_AI.FEEDBACK(profile_name=>'OCI_FEEDBACK1', sql_id=> '852w8u83gktc1', feedback_type=>'positive', operation=>'add');
PL/SQL procedure successfully completed.
SQL> SELECT content, attributes FROM OCI_FEEDBACK1_FEEDBACK_VECINDEX$VECTAB WHERE JSON_VALUE(attributes, '$.sql_id') ='852w8u83gktc1';
CONTENT
----------------------------------------------------------------------------------------------------
how many distinct movie genres?
ATTRIBUTES
----------------------------------------------------------------------------------------------------
{"response":"SELECT COUNT(DISTINCT g."GENRE_NAME") AS "Number of Movie Genres" FROM "ADB_USER"."GENRES" g","feedback_type":"positive","sql_id":"852w8u83gktc1","sql_text":"select ai showsql how many distinct movie genres?","feedback_content":null}例: 以前に使用したことのないフィードバックの実行
プロンプトが以前に使用されていない場合でも、SQLプロンプトにフィードバックを入力できます。次に例を示します。
BEGIN
DBMS_CLOUD_AI.FEEDBACK(
profile_name=>'AI_PROFILE',
sql_text=>'select ai runsql how many products named PAD', -- Prior usage not required
feedback_type=>'negative',
response=>'SELECT COUNT(*) AS "Num" FROM "PRODUCTS"."CATG" o WHERE UPPER(o."NAME") LIKE ''%PAD%''',
feedback_content=>'Use LIKE instead of ='
);
END;
/この場合、プロンプトselect ai runsql how many products named PADに対するフィードバックは、事前にプロンプトを使用せずに発行されます。
例: 生成されたSQLに対するフィードバックの追加または削除
次の例では、DBMS_CLOUD_AI.FEEDBACKプロシージャのパラメータを指定して、生成されたSQLに対するフィードバックを追加または削除します。この例では、sql_idおよびsql_textを他のパラメータとともに使用する方法を示します。
ノート
ノート: Select AIでは、sql_idごとに1つのフィードバック・エントリのみが許可されます。同じsql_idに対して追加のフィードバックを入力すると、Select AIによって前のエントリが新しいエントリに置き換えられます。
パラメータの詳細は、FEEDBACKプロシージャを参照してください。
EXEC DBMS_CLOUD_AI.FEEDBACK(profile_name=>'OCI_FEEDBACK1',
sql_id=> '852w8u83gktc1',
feedback_type=>'positive',
operation=>'add');
EXEC DBMS_CLOUD_AI.FEEDBACK(profile_name=>'OCI_FEEDBACK1',
sql_text=> 'select ai showsql how many movies',
feedback_type=> 'negative',
response=>'SELECT SUM(1) FROM "ADB_USER"."MOVIES"',
feedback_content=>'Use SUM instead of COUNT');
EXEC DBMS_CLOUD_AI.FEEDBACK(profile_name=>'OCI_FEEDBACK1',
sql_id=> '852w8u83gktc1',
operation=>'delete');例: 最後のAI SQLでのフィードバック処理を使用したネガティブなフィードバックの提供
この例では、自然言語を使用した変更を提案して、feedbackアクションを使用して生成されたSQLを改善する方法を示します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name=>'OCI_FEEDBACK1',
attributes=>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"oci_compartment_id": "ocid
1.compartment.oc1..aaaa...",
"object_list": [{"owner": "ADB_USER", "name": "users"},
{"owner": "ADB_USER", "name": "movies"},
{"owner": "ADB_USER", "name": "genres"},
{"owner": "ADB_USER", "name": "watch_history"},
{"owner": "ADB_USER", "name": "movie_genres"},
{"owner": "ADB_USER", "name": "employees1"},
{"owner": "ADB_USER", "name": "employees2"}
]
}');
END;
/
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_FEEDBACK1');
PL/SQL procedure successfully completed.
select ai showsql rank movie duration;
RESPONSE
-------------------------------------------------------------------------------
SELECT "DURATION" AS "Movie Duration" FROM "ADB_USER"."MOVIES" ORDER BY "DURATION"
select ai feedback use ascending sorting;
RESPONSE
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Based on your feedback, the SQL query for prompt "rank movie duration" is successfully refined. The refined SQL query as following:
SELECT m."DURATION" AS "Movie Duration" FROM "ADB_USER."MOVIES" m ORDER BY m."DURATION" ASC
select ai showsql rank the movie duration;
RESPONSE
-----------------------------------------------------------------------------------------
SELECT m."DURATION" AS "Movie Duration" FROM "ADB_USER."MOVIES" m ORDER BY m."DURATION" ASC例: 最後のAI SQLでのフィードバック処理を使用したポジティブ・フィードバックの提供
この例では、feedbackアクションを使用して、自然言語を使用して生成されたSQLを受け入れる方法を示します。
--Positive feedback
select ai showsql which movies are comedy?;
RESPONSE
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT DISTINCT m."TITLE" AS "Movie Title" FROM "ADB_USER"."MOVIES" m INNER JOIN "ADB_USER"."MOVIE_GENRES" mg ON m."MOVIE_ID" = mg."MOVIE_ID" INNER JOIN "ADB_USER"."GENRES" g ON mg."GENRE_ID" = g."GENRE_ID" WHERE g."GENRE_NAME" = 'comedy'
select ai feedback this is correct;
RESPONSE
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Thank you for your positive feedback. The SQL query for prompt "which movies are comedy?" is correctly implemented and delivering the expected results. It will be referenced for future optimizations and improvements.
Select AI Feedback Action Referring SQL_ID例: SQL_IDでのフィードバック・アクションを使用したフィードバックの提供
この例では、SQL_IDをfeedbackアクションとともに使用して、生成された特定のSQL問合せに対するフィードバックを提供する方法を示します。SQL_IDは、v$MAPPED_SQL表を問い合せることで取得できます。
-- Query mentioned with SQL_ID
select ai showsql how many movies are in each genre;
RESPONSE
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT g."GENRE_NAME" AS "Genre Name", COUNT(m."MOVIE_ID") AS "Number of Movies" FROM "ADB_USER"."MOVIES" m INNER JOIN "ADB_USER"."MOVIE_GENRES" mg ON m."MOVIE_ID" = mg."MOVIE_ID" INNER JOIN "ADB_USER"."GENRES" g ON mg."GENRE_ID" = g."GENRE_ID" GROUP BY g."GENRE_NAME"
select sql_id from v$cloud_ai_sql where sql_text = 'select ai showsql how many movies are in each genre';
SQL_ID
-------------
8azkwc0hr87ga
select ai feedback for query with sql_id = '8azkwc0hr87ga', rank in descending sorting;
RESPONSE
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Based on your feedback, the SQL query for prompt "how many movies are in each genre" is successfully refined. The refined SQL query as following:
SELECT g."GENRE_NAME" AS "Genre Name", COUNT(m."MOVIE_ID") AS "Number of Movies"
FROM "ADB_USER"."MOVIES" m
INNER JOIN "ADB_USER"."MOVIE_GENRES" mg ON m."MOVIE_ID" = mg."MOVIE_ID"
INNER JOIN "ADB_USER"."GENRES" g ON mg."GENRE_ID" = g."GENRE_ID"
GROUP BY g."GENRE_NAME"
ORDER BY COUNT(m."MOVIE_ID") DESC例: フィードバック・アクションと問合せテキストの使用
この例は、Select AIプロンプトを引用符で囲み、その後にフィードバックが続くことによって、特定のSelect AI問合せに対するfeedbackアクションを示しています。
-Query mentioned with SQL_TEXT
select ai showsql how many watch history in total;
RESPONSE
----------------------------------------------------------------------------------
SELECT COUNT(w."WATCH_ID") AS "Total Watch History" FROM "ADB_USER"."WATCH_HISTORY" w
select ai feedback for query "select ai showsql how many watch history in total", name the column as total_watch;
RESPONSE
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Based on your feedback, the SQL query for prompt "how many watch history in total" is successfully refined. The refined SQL query as following:
SELECT COUNT(w."WATCH_ID") AS "total_watch" FROM "ADB_USER"."WATCH_HISTORY" w例: Select AIサマリー
これらの例は、summarizeアクションおよびDBMS_CLOUD_AI.SUMMARIZEファンクションの使用方法を示しています。また、関数を使用して、コンテンツのサマリー生成をカスタマイズします。
開始する前に
「Select AIの前提条件の実行」を確認します。
例: SQLコマンドラインでのサマリー・アクションの使用
次の例では、SUMMARIZEをSelect AIアクションとして使用します。SQLコマンドラインでSELECT AI SUMMARIZE <TEXT>を使用して、入力テキストのサマリーを生成します。
SELECT AI SUMMARIZE
Like countless other people around the globe, I stream music, and like more
than six hundred million of them I mainly use Spotify. Streaming currently
accounts for about eighty per cent of the American recording industry's
revenue, and in recent years Spotify's health is often consulted as a measure
for the health of the music business over all. Last spring, the International
Federation of the Phonographic Industry reported global revenues of $28.6
billion, making for the ninth straight year of growth. All of this was
unimaginable in the two-thousands, when the major record labels appeared
poorly equipped to deal with piracy and the so-called death of physical media.
On the consumer side, the story looks even rosier. Adjusted for inflation, a
... (skipped 1000 rows in the middle)
Pelly writes of some artists, in search of viral fame, who surreptitiously use
social media to effectively beta test melodies and motifs, basically putting
together songs via crowdsourcing. Artists have always fretted about the
pressure to conform, but the data-driven, music-as-content era feels
different. "You are a Spotify employee at that point," Daniel Lopatin, who
makes abstract electronic music as Oneohtrix Point Never, told Pelly. "If your
art practice is so ingrained in the brutal reality that Spotify has outlined
for all of us, then what is the music that you're not making? What does the
music you're not making sound like?" Listeners might wonder something similar.
What does the music we're not hearing sound like?;
RESPONSE
------------------------------------------------------------------------------
The music streaming industry, led by Spotify, has revolutionized the way
people consume music, with streaming accounting for 80% of the American
recording industry's revenue. However, this shift has also complicated the
lives of artists, who struggle to survive in a hyper-abundant present where
music is often valued for its convenience rather than its artistic merit.
Spotify's algorithms prioritize popularity and profitability over artistic
diversity, leading to a homogenization of music and a devaluation of the
labor that goes into creating it. Meanwhile, the company's executives reap
enormous profits, with CEO Daniel Ek's net worth rivaling that of the
wealthiest musicians. As music critic Liz Pelly argues, the streaming economy
raises important questions about autonomy, creativity, and the value of art
in a world where everything is readily available and easily accessible.SQL*Plusでは、一重引用符(')は文字列デリミタとして扱われます。テキストに一重引用符が含まれている場合は、二重引用符で引用符をエスケープするか('から'')、q'[]'引用符メカニズムを使用してテキストを囲みます。テキストに空の二重引用符("")が含まれている場合は、q'[]'メカニズムを使用してテキストを囲みます。次に例を示します。
SELECT AI SUMMARIZE q'[this's a text]';例: DBMS_CLOUD_AI.SUMMARIZEプロシージャを使用したサマリーの生成
これらの例は、DBMS_CLOUD_AI.SUMMARIZEプロシージャとは異なるパラメータを使用したサマリーの生成を示しています。
location_uriパラメータとしてオブジェクト・ストレージ・リンクを指定し、DBMS_CLOUD_AI.SUMMARIZEを使用してクラウド・アカウント資格証明をcredential_nameとして指定することで、OCIオブジェクト・ストレージに格納されている3000以上のワード・テキストからサマリーを生成できます
SELECT DBMS_CLOUD_AI.SUMMARIZE(
location_uri => 'https://objectstorage.ca-toronto-1.oraclecloud.com/n/' ||
'namespace-string/b/bucketname/o/data_folder/' ||
'summary/test_4000_words.txt',
credential_name => 'STORE_CRED',
profile_name => 'GENAI')
from DUAL;OCIオブジェクト・ストレージに格納されたテキストからサマリーを生成するもう1つの方法は、contentパラメータを使用してDBMS_CLOUD.GET_OBJECTプロシージャをコールすることです。
SELECT DBMS_CLOUD_AI.SUMMARIZE(
content => TO_CLOB(
DBMS_CLOUD.GET_OBJECT(
credential_name => 'STORE_CRED',
location_uri => 'https://objectstorage.ca-toronto-1.oraclecloud.com/n/' ||
'namespace-string/b/bucketname/o/data_folder/' ||
'summary/test_4000_words.txt')),
profile_name => 'GENAI'>)
from DUAL;例: ユーザー・プロンプト、最小単語および最大単語数を指定してサマリーを生成
次の例では、次のパラメータを指定して、3000以上のワード・テキストのサマリーを生成する方法を示します。
-
user_prompt: このサマリーは'The summary of the article is: 'で始まる必要があります。 -
min_words:50 -
max_words:100
SELECT DBMS_CLOUD_AI.SUMMARIZE(
content => TO_CLOB(
DBMS_CLOUD.GET_OBJECT(
credential_name =>'STORE_CRED',
location_uri =>'https://objectstorage.ca-toronto-1.oraclecloud.com/n/' ||
'namespace-string/b/bucketname/o/data_folder/' ||
'summary/test_4000_words.txt')),
profile_name => 'GENAI',
user_prompt => 'The summary should start with ''The summary of ' ||
'the article is: ''',
params => '{"min_words":50,"max_words":100}')
As response FROM dual;
RESPONSE
--------------------------------------------------------------------------------
The summary of the article is: The music streaming industry, led by Spotify, has
revolutionized the way people consume music, with streaming accounting for abou
t eighty per cent of the American recording industry's revenue. However, this sh
ift has also raised concerns about the impact on artists, with many struggling t
o make a living due to low royalty rates and the dominance of playlists. The art
icle explores the history of music streaming, from the early days of Napster to
the current landscape, and how it has changed the way people listen to music. It
also delves into the issues of autonomy and creativity in the music industry, w
ith some artists feeling pressured to conform to certain styles or formulas to s
ucceed on platforms like Spotify. The article cites examples of artists who have
spoken out against the streaming economy, including Taylor Swift and Neil Young
, and discusses the rise of alternative platforms like Bandcamp and Nina. Ultima
tely, the article suggests that the streaming economy has created a perverse vis
ion for art, where music is valued for its ability to be ignored rather than app
reciated, and that this has significant implications for the future of music and
creativity. With the rise of AI-generated music and the increasing importance o
f data-driven decision making in the music industry, the article asks what the m
usic we're not hearing sounds like, and what the consequences of this shift will
be for artists and listeners alike. The article concludes by highlighting the n
eed for a more nuanced understanding of the music industry and the impact of str
eaming on artists and listeners, and for alternative models that prioritize crea
tivity and autonomy over profit and convenience.例: ユーザー・プロンプト、最大単語数およびサマリー・スタイルの指定によるサマリーの生成
次の例では、次のパラメータを指定して、12000以上のワード・テキストのサマリーを生成する方法を示します。
-
user_prompt: このサマリーは'The summary of the article is: 'で始まる必要があります。 -
max_words:100 -
summary_style:list
SELECT DBMS_CLOUD_AI.SUMMARIZE(
location_uri => 'https://objectstorage.ca-toronto-1.' ||
'oraclecloud.com/n/namespace-string/b/' ||
'/bucketname/o/data_folder/' ||
'summary/dreams.txt',
credential_name => 'STORE_CRED',
profile_name => 'GENAI',
user_prompt => 'The summary should start with ''The summary of ' ||
'the article is: ''',
params => '{"max_words":100, "summary_style":"list"}')
As response FROM dual;
RESPONSE
--------------------------------------------------------------------------------
The summary of the article is:
- The book "Dreams" by Henri Bergson explores the concept of dreams and their si
gnificance in understanding human consciousness.
- Bergson argues that dreams are not just random thoughts, but rather a way for
our unconscious mind to process and consolidate memories.
- He suggests that dreams are a result of the relaxation of our mental faculties
, which allows our unconscious mind to freely associate and create new connectio
ns between memories.
- The book also discusses the role of sensations, such as visual and auditory im
pressions, in shaping our dreams.
- Bergson's theory of dreams is compared to other theories, including those of F
reud and Jung, and is seen as a unique and insightful contribution to the field
of psychology.
- The book concludes by highlighting the importance of studying dreams in order
to gain a deeper understanding of human consciousness and the workings of the mi
nd.例: ブックの要約の生成
この例では、サマリーを生成するための入力として35.66 MiBファイルを渡す方法を示します。DBMS_CLOUD_AI.SUMMARIZEファンクションは、反復絞込みメソッドを使用してチャンクを処理します。詳細は、Iterative Refinementを参照してください。
SELECT DBMS_CLOUD_AI.SUMMARIZE(
location_uri => 'https://objectstorage.ca-toronto-1.oraclecloud.com/n/namespace-string/b/' ||
'bucketname/o/data_folder/summary/Descartes_An_Intellectual_Biography.pdf',
credential_name => 'STORE_CRED',
profile_name => 'GENAI',
params => '{"chunk_processing_method":"iterative_refinement"}')
AS response FROM dual;
RESPONSE
--------------------------------------------------------------------------------
Stephen Gaukroger's intellectual biography of Rene Descartes provides a detailed
examination of the philosopher's crucial role in shaping modern thought, placin
g him within the cultural, religious, and scientific context of the early sevent
eenth century. It traces Descartes' intellectual journey from his education at L
a Fleche, where he rejected Aristotelian logic, to his influential interactions
with figures like Isaac Beeckman, which shaped his mechanistic worldview evident
in works like his hydrostatics manuscript and Compendium Musicae. The biograp
hy underscores Descartes' dual commitment to philosophy and science, highlightin
g his social status among the gentry, mathematical innovations such as solving t
he Pappus problem through algebraic geometry, and his epistemology based on clea
r and distinct ideas. It explores his mechanistic explanations of bodily functio
ns, challenging traditional soul-body distinctions, and his extensive natural ph
ilosophy in texts like Le Monde and L'Homme. Gaukroger also delves into Desc
artes' cosmological theories, including the vortex theory and laws of motion lin
ked to divine immutability, as well as his nuanced perspectives on animal cognit
ion versus human consciousness. Central to the narrative is Descartes' use of hy
perbolic doubt to combat skepticism and establish metaphysical foundations throu
gh the cogito, alongside his classification of ideas and theological proofs of
God's existence. The complex relationship between his natural philosophy and me
taphysics, especially in defining motion as a mode, and his innovative approach
to the passions in Passions of the Soul, rejecting Stoic views for a mind-body
union, are key themes. This portrayal captures Descartes' struggle with traditi
onal paradigms during a transformative era, emphasizing his enduring impact on p
hilosophy and science.例: Select AI Translate
これらの例では、translate機能の使用方法を示します。
開始する前に
確認:
OCI
Select AI翻訳機能を使用するには、Oracle Cloud Infrastructure Languageサービスにアクセスするための適切なIAMポリシー権限が必要です。
IAMポリシーでai-service-language-familyリソースを使用する権限を付与します。特定のコンパートメント内のユーザー・グループに権限を付与するポリシー・ステートメントの例を次に示します。
allow group <your group name> to use ai-service-language-family in compartment <your_compartment>-
リソース・プリンシパル資格証明を使用する場合は、動的グループに権限を割り当てます。
-
秘密キー資格証明を使用する場合は、ユーザー・グループに権限を割り当てます。
動的グループでは、OCIDsまたはタグを照合してデータベースやファンクションなどのリソースを識別し、ユーザー・グループには個々のIAMユーザーが含まれます。
ポリシーがOCIリソースに適用される場合は動的グループを使用し、ポリシーがヒューマン・ユーザーに適用される場合はユーザー・グループを使用します。動的グループおよびユーザーグループを作成する詳細な手順については、Managing Dymanic Groupsを参照してください。
詳細は、言語ポリシーを参照してください。
例: SQLコマンドラインでの変換アクションの使用
次の例は、SQLコマンドラインでのtranslateアクションの使用を示しています。
ノート
ノート: AIプロファイルでは、ターゲット言語を指定する必要があります。この例では、OCIをAIプロバイダとして持っています。
--Create an AI profile with language parameters
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GENAI_NEW',
attributes =>'{"provider": "oci",
"credential_name": "GENAI_CRED",
"target_language": "french",
"object_list": [{"owner": "SH", "name": "customers"},
{"owner": "SH", "name": "countries"},
{"owner": "SH", "name": "supplementary_demographics"},
{"owner": "SH", "name": "profits"},
{"owner": "SH", "name": "promotions"},
{"owner": "SH", "name": "products"}]
}');
END;
/
PL/SQL procedure successfully completed.
SQL> exec DBMS_CLOUD_AI.SET_PROFILE('GENAI_NEW');
PL/SQL procedure successfully completed.
SQL> select ai translate I need to translate this;
RESPONSE
---------------------
Je dois traduire ceci例: DBMS_CLOUD_AI.GENERATEファンクションでのトランスレートの使用
次の例では、DBMS_CLOUD_AI.GENERATE関数内でtranslateをSelect AIアクションとして使用しています。詳細は、GENERATEファンクションを参照してください。
ノート
ノート: AIプロファイルは、DBMS_CLOUD_AI.GENERATEで属性として渡された場合、ターゲット言語パラメータの指定をスキップできます。
translateアクションは、target_languageおよびsource_languageとともにDBMS_CLOUD_AI.GENERATEファンクションで提供されます。この例では、生成AI翻訳を使用します。入力テキストthis is a document(英語)(source_language: "en")は、フランス語(target_language: "fr")に変換されます。
SELECT DBMS_CLOUD_AI.GENERATE('select ai translate text to be translated')
FROM dual;
DECLARE
l_attributes clob := '{"target_language": "fr", "source_language": "en"}';
output clob;
BEGIN
output := DBMS_CLOUD_AI.GENERATE(
prompt => 'this is a document',
profile_name => 'oci_translate',
action => 'translate',
attributes => l_attributes
);例: 翻訳でのDBMS_CLOUD_AI.TRANSLATEファンクションの使用
この例では、DBMS_CLOUD_AI.TRANSLATE関数をコールして生成AI変換を使用し、指定されたAIプロファイルを使用して入力テキストを英語(source_language)からフランス語(target_language)に変換します。
詳細は、TRANSLATEファンクションを参照してください。
BEGIN
output_text := DBMS_CLOUD_AI.TRANSLATE(
profile_name => 'GENAI_NEW'
text => 'text to be translated',
source_language => 'English',
target_language => 'French');
END;
/例: プロバイダでサポートされている言語の表示
AI_TRANSLATION_LANGUAGESビューを問い合せて、AIプロバイダがサポートする言語のリストを確認します。詳細は、AI_TRANSLATION_LANGUAGESビューを参照してください。
SELECT * FROM AI_TRANSLATION_LANGUAGES;
LANGUAGE_NAME LANGUAGE_CODE PROVIDER
-------------------- --------------- ---------------
ARABIC ar OCI
ARABIC ar GOOGLE
ARABIC ar AZURE
ARABIC ar AWS
CROATIAN hr OCI
CROATIAN hr GOOGLE
CROATIAN hr AZURE
CROATIAN hr AWS
CZECH cs OCI
CZECH cs GOOGLE
CZECH cs AZURE
--Query for all languages a certain provider supports
SELECT * FROM AI_TRANSLATION_LANGUAGES WHERE provider = 'GOOGLE';
LANGUAGE_NAME LANGUAGE_CODE PROVIDER
-------------------- --------------- ---------------
ARABIC ar GOOGLE
CROATIAN hr GOOGLE
CZECH cs GOOGLE
DANISH da GOOGLE
GERMAN de GOOGLE
GREEK el GOOGLE
ENGLISH en GOOGLE
SPANISH es GOOGLE
FINNISH fi GOOGLE
FRENCH fr GOOGLE
FRENCH CANADA fr-CA GOOGLE例: AIプロファイルの表アクセスの制限
この例では、表アクセスを制限し、AIプロファイルのobject_listで指定された表のみを使用するようにLLMに指示する方法を示します。
LLMへの表アクセスを制限するには、enforce_object_listをtrueに設定します。
データベースユーザーとして、AIプロファイルを作成および構成します。「Select AIの前提条件の実行」を確認して、AIプロファイルを構成します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GOOGLE_ENFORCED',
attributes =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "ADB_USER", "name": "GENRE"},
{"owner": "ADB_USER", "name": "CUSTOMER"},
{"owner": "ADB_USER", "name": "PIZZA_SHOP"},
{"owner": "ADB_USER", "name": "STREAMS"},
{"owner": "ADB_USER", "name": "MOVIES"},
{"owner": "ADB_USER", "name": "ACTIONS"}],
"enforce_object_list" : "true"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.set_profile('GOOGLE_ENFORCED');
PL/SQL procedure successfully completed.
select ai showsql please list the user tables;
RESPONSE
--------------------------------------------------------------------------------------------
SELECT 'ADB_USER.GENRE' AS TABLE_NAME FROM DUAL UNION ALL SELECT 'ADB_USER.CUSTOMER' AS
TABLE_NAME FROM DUAL UNION ALL SELECT 'ADB_USER.PIZZA_SHOP' AS TABLE_NAME FROM DUAL UNION
ALL SELECT 'ADB_USER.STREAMS' AS TABLE_NAME FROM DUAL UNION ALL SELECT 'ADB_USER.MOVIES'
AS TABLE_NAME FROM DUAL
--enforce_object_listをfalseに設定すると、LLMは、以前の知識に基づいて他の表およびビューを使用するように指示します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'GOOGLE_ENFORCED1',
attributes =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "ADB_USER", "name": "GENRE"},
{"owner": "ADB_USER", "name": "CUSTOMER"},
{"owner": "ADB_USER", "name": "PIZZA_SHOP"},
{"owner": "ADB_USER", "name": "STREAMS"},
{"owner": "ADB_USER", "name": "MOVIES"},
{"owner": "ADB_USER", "name": "ACTIONS"}],
"enforce_object_list" : "false"
}');
END;
/
PL/SQL procedure successfully completed.
EXEC DBMS_CLOUD_AI.set_profile('GOOGLE_ENFORCED1');
PL/SQL procedure successfully completed.
select ai showsql please list the user tables;
RESPONSE
----------------------------------
SELECT TABLE_NAME FROM USER_TABLES例: 列に大/小文字の区別を指定
この例では、AIプロファイルのカラムに大文字と小文字の区別を設定する方法を示します。
大/小文字が区別されない問合せを取得するには、case_sensitive_valuesをfalseに設定します。
データベースユーザーとして、AIプロファイルを作成および構成します。「Select AIの前提条件の実行」を確認して、AIプロファイルを構成します。
BEGIN
DBMS_CLOUD_AI.create_profile(
profile_name =>'GOOGLE',
attributes =>'{"provider": "google",
"credential_name": "GOOGLE_CRED",
"object_list": [{"owner": "ADB_USER", "name": "GENRE"},
{"owner": "ADB_USER", "name": "CUSTOMER"},
{"owner": "ADB_USER", "name": "PIZZA_SHOP"},
{"owner": "ADB_USER", "name": "STREAMS"},
{"owner": "ADB_USER", "name": "MOVIES"},
{"owner": "ADB_USER", "name": "ACTIONS"}],
"case_sensitive_values" : "false"
}');
END;
/
PL/SQL procedure successfully completed.
-- With "case_sensitive_values" set to "false", LLM will give back case insensitive query.
select ai showsql how many people watch Inception;
RESPONSE
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT c.CUSTOMER_ID) AS "COUNT"
FROM "ADB_USER"."CUSTOMER" c
JOIN "ADB_USER"."STREAMS" s ON c.CUSTOMER_ID = s.CUSTOMER_ID
JOIN "ADB_USER"."MOVIES" m ON s.MOVIE_ID = m.MOVIE_ID
WHERE UPPER(m.TITLE) = UPPER('Inception')case_sensitive_valuesがfalseに設定されていても、二重引用符を使用して大/小文字を区別する問合せを指定できます。
select ai showsql how many people watch "Inception";
RESPONSE
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
SELECT COUNT(DISTINCT c.CUSTOMER_ID) AS "COUNT"
FROM "ADB_USER"."CUSTOMER" c JOIN "ADB_USER"."STREAMS" s ON
c.CUSTOMER_ID = s.CUSTOMER_ID JOIN "ADB_USER"."MOVIES" m ON
s.MOVIE_ID = m.MOVIE_ID WHERE m.TITLE = 'Inception'例: プロパティ・グラフのSelect AI
この例では、DBMS_CLOUD_AI.GENERATEプロシージャおよび自然言語プロンプトを使用してPGQグラフ問合せを生成し、グラフ・データを問い合せる方法を示します。
開始する前に
「Select AIの前提条件の実行」を確認します。
例: プロパティ・グラフ表の作成
次の例では、サンプル表およびプロパティ・グラフを作成します。
-- Create tables
CREATE TABLE Customers (
ID NUMBER,
NAME VARCHAR2(10)
);
INSERT INTO Customers VALUES(1, 'Kate');
INSERT INTO Customers VALUES(2, 'Mark');
COMMIT;
CREATE TABLE Products (
ID NUMBER,
NAME VARCHAR2(10)
);
INSERT INTO Products VALUES(1, 'Dress');
COMMIT;
CREATE TABLE Buys (
ID NUMBER,
CUST NUMBER,
PROD NUMBER
);
INSERT INTO Buys VALUES(1,1,1);
COMMIT;
-- Create property graph
CREATE PROPERTY GRAPH G
VERTEX TABLES(
PRODUCTS KEY(ID),
CUSTOMERS KEY(ID)
)
EDGE TABLES(
BUYS KEY(ID)
SOURCE KEY(CUST) REFERENCES CUSTOMERS(ID)
DESTINATION KEY(PROD) REFERENCES PRODUCTS(ID)
NO PROPERTIES
);例: 単一のプロパティーグラフオブジェクトを使用したAIプロファイルの作成
次の例は、AIプロファイルを作成し、object_listパラメータにプロパティ・グラフ・オブジェクトを指定する方法を示しています。
--oci provider, default model
SQL> BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPGAI',
attributes =>'{"provider": "oci",
"credential_name": "OCI_CRED",
"object_list": [{"owner": "ADB_USER", "name": "G"}],
"oci_compartment_id" : "ocid1.tenancy.oc1..aaaa..."
}');
END;
/
PL/SQL procedure successfully completed.
-- openai provider, gpt-4o model
SQL> BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPENAI',
attributes =>'{"provider": "openai",
"model": "gpt-4o",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "ADB_USER", "name": "G"}]
}');
END;
/
PL/SQL procedure successfully completed.例: DBMS_CLOUD_AI.GENERATEプロシージャを使用した問合せ
次の例は、定義済のプロパティ・グラフを含むOPGAIという名前のAIプロファイルとともにDBMS_CLOUD_AI.GENERATEプロシージャを使用して自然言語問合せを実行する方法を示しています。この例は、showsqlおよびnarrateアクションを示しています。
-- showsql action
SQL> SELECT DBMS_CLOUD_AI.GENERATE(prompt => 'how many customers are there',
profile_name => 'OPGAI',
action => 'showsql')
FROM dual;
DBMS_CLOUD_AI.GENERATE(PROMPT=>'HOWMANYCUSTOMERS',PROFILE_NAME=>'OPGAI',ACTION=>
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM GRAPH_TABLE ( G
MATCH (c IS CUSTOMERS)
COLUMNS (1 AS dummy_value)
)
1 row selected.
-- narrate action
SELECT DBMS_CLOUD_AI.GENERATE(prompt => 'how many products are there',
profile_name => 'OPGAI',
action => 'narrate')
FROM dual;
SQL>
DBMS_CLOUD_AI.GENERATE(PROMPT=>'HOWMANYPRODUCTS',PROFILE_NAME=>'OPGAI',ACTION=>'
--------------------------------------------------------------------------------
There is 1 product.
1 row selected.例: SQLコマンドラインでのプロンプトを使用した問合せ
次の例は、定義されたプロパティ・グラフを含むOPENAIという名前のAIプロファイルを使用して、SQLコマンドラインで自然言語問合せを実行する方法を示しています。この例では、select ai <prompt>を使用します。デフォルトのアクションはrunsqlです。
まず、アクティブなAIプロファイルを設定してから、SELECT AI文を発行します。runsqlアクションがデフォルトで使用されます。
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE(profile_name => 'OPENAI');
PL/SQL procedure successfully completed.
SQL> select ai who bought a dress;
CUSTOMER_N
----------
Kate
1 row selected.例: プロパティ・グラフでの様々なSelect AIアクションの実行
この例では、AIプロファイルで定義されたLLMが、異なるアクションを使用して、同じ自然言語問合せ(存在する顧客の数)をどのように解釈するかを示します。各アクションは、Select AIがGRAPH_TABLE演算子を使用して自然言語問合せをグラフ問合せに変換する方法を示しています。
--runsql action
SQL> SELECT AI RUNSQL how many customers are there;
CUSTOMER_COUNT
--------------
2
1 row selected.
SQL> SELECT AI how many customers are there;
CUSTOMER_COUNT
--------------
2
1 row selected.
--showsql action
SQL> SELECT AI SHOWSQL how many customers are there;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM GRAPH_TABLE(G
MATCH (c IS CUSTOMERS)
COLUMNS (1 AS dummy_value))
1 row selected.
--explainsql action
SQL> SELECT AI EXPLAINSQL how many customers are there;
RESPONSE
--------------------------------------------------------------------------------
SELECT COUNT(*) AS customer_count
FROM GRAPH_TABLE("G"
MATCH (v IS "CUSTOMERS")
COLUMNS(1 as dummy_value))
**Explanation**
To find the number of customers, we use the GRAPH_TABLE operator to access the g
raph data. In the MATCH clause, we specify the pattern to match vertices with th
e label "CUSTOMERS". Since we don't need any specific properties, we use a dummy
value (1) in the COLUMNS clause. Finally, we use the COUNT(*) function outside
of the GRAPH_TABLE operator to count the number of matched vertices, which repre
sents the total number of customers.
1 row selected.
--narrate action
SQL> SELECT AI NARRATE how many customers are there;
RESPONSE
--------------------------------------------------------------------------------
There are 2 customers.
1 row selected.
--showprompt
SQL> SELECT AI SHOWPROMPT how many customers are there;
SQL> SELECT AI SHOWPROMPT how many customers are there;
--shows the truncated response for showprompt action
[
{
"role" : "system",
"content" : "# Role and Objective\nYou are an Oracle SQL/PGQ expert.\nSQL/PGQ ..."
.
.
.
}
]例: 会話コンテキストを使用したプロパティ・グラフの問合せ
この例では、Select AIが会話コンテキストを保持し、次の場合にプロパティ・グラフを問い合せる方法を示します。
-
セッションベースの短期会話: AIプロファイルで
conversationパラメータがtrueに設定されている場合。 -
カスタマイズ可能な長期会話: 会話APIを使用する場合。
詳細は、例: Select AIでの会話の有効化を参照してください。
-- Create tables
SQL> CREATE TABLE Customers (
ID NUMBER,
NAME VARCHAR2(10),
AGE NUMBER
);
Table created.
SQL> INSERT INTO Customers VALUES(1, 'Kate', 25);
1 row created.
SQL> INSERT INTO Customers VALUES(2, 'Mark', 30);
1 row created.
SQL> INSERT INTO Customers VALUES(3, 'Alex', 25);
1 row created.
SQL> COMMIT;
Commit complete.
SQL> CREATE TABLE Products (
2 ID NUMBER,
3 NAME VARCHAR2(10)
4 );
Table created.
SQL> INSERT INTO Products VALUES(1, 'Dress');
1 row created.
SQL> INSERT INTO Products VALUES(2, 'Socks');
1 row created.
SQL> INSERT INTO Products VALUES(3, 'Shirt');
1 row created.
SQL> INSERT INTO Products VALUES(4, 'Pants');
1 row created.
SQL> COMMIT;
Commit complete.
SQL> CREATE TABLE Buys (
ID NUMBER,
CUST NUMBER,
PROD NUMBER,
PRICE NUMBER
);
Table created.
SQL> INSERT INTO Buys VALUES(1,1,1,50);
1 row created.
SQL> INSERT INTO Buys VALUES(2,1,2,20);
1 row created.
SQL> INSERT INTO Buys VALUES(3,2,3,40);
1 row created.
SQL> INSERT INTO Buys VALUES(4,3,4,50);
1 row created.
SQL> COMMIT;
Commit complete.
-- Create property graph
SQL> CREATE PROPERTY GRAPH G
VERTEX TABLES(
PRODUCTS KEY(ID),
CUSTOMERS KEY(ID)
)
EDGE TABLES(
BUYS KEY(ID)
SOURCE KEY(CUST) REFERENCES CUSTOMERS(ID)
DESTINATION KEY(PROD) REFERENCES PRODUCTS(ID)
PROPERTIES(PRICE)
);
Property graph created.
-- Create profile with conversation set to TRUE
SQL> BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPGAI',
attributes =>'{"provider": "openai",
"model": "gpt-4o",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "ADB_USER", "name": "G"}],
"conversation": "TRUE"}');
END;
/
PL/SQL procedure successfully completed.
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('OPGAI');
PL/SQL procedure successfully completed.
SQL> select ai what are the total number of customers;
TOTAL_CUSTOMERS
---------------
3
1 row selected.
SQL> select ai has any of them bought a shirt;
CUSTOMERS_BOUGHT_SHIRT
----------------------
1
1 row selected.
-- LONG TERM CONVERSATION --
BEGIN
DBMS_CLOUD_AI.DROP_PROFILE(
profile_name =>'OPGAI');
END;
/
PL/SQL procedure successfully completed.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPGAI',
attributes =>'{"provider": "openai",
"model": "gpt-4o",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "ADB_USER", "name": "G"}]}');
END;
/
PL/SQL procedure successfully completed.
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE('OPGAI');
PL/SQL procedure successfully completed.
SQL> SELECT DBMS_CLOUD_AI.CREATE_CONVERSATION;
CREATE_CONVERSATION
--------------------------------------------------------------------------------
4309AAED-0EE7-3C23-E063-77634664063F
1 row selected.
SQL> EXEC DBMS_CLOUD_AI.SET_CONVERSATION_ID('4309AAED-0EE7-3C23-E063-77634664063F');
PL/SQL procedure successfully completed.
SQL> SELECT DBMS_CLOUD_AI.GET_CONVERSATION_ID;
GET_CONVERSATION_ID
--------------------------------------------------------------------------------
4309AAED-0EE7-3C23-E063-77634664063F
1 row selected.
SQL> SELECT AI Who is the oldest customer;
CUSTOMER_N CUSTOMER_AGE
---------- ------------
Mark 30
1 row selected.
SQL> SELECT AI Show his age only;
CUSTOMER_AGE
------------
30
1 row selected.例: AIプロファイルでの複数のグラフの指定
この例では、サンプルクエリーとその出力など、AIプロファイルで複数のプロパティーグラフを定義する方法を示します。
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPENAI',
attributes =>'{"provider": "openai",
"model": "gpt-4o",
"credential_name": "OPENAI_CRED",
"object_list": [{"owner": "ADB_USER", "name": "LDBC_GRAPH"},
{"owner": "ADB_USER", "name": "G"}]
}');
END;
/
SQL> EXEC DBMS_CLOUD_AI.SET_PROFILE(profile_name => 'OPENAI');
PL/SQL procedure successfully completed.
SQL> select ai who bought a dress;
CUSTOMER_N
----------
Kate
1 row selected.例: プロパティ・グラフのプロンプトの例
これらの例は、特定のプロンプトに対してshowsqlアクションを使用してサンプル・データを作成し、生成されたSQLを表示する方法を示しています。
始める前に
「Select AIの前提条件の実行」を確認します。
例: プロパティ・グラフ表の作成
次の例では、サンプル表およびプロパティ・グラフを作成します。
CREATE TABLE Person
(
id NUMBER PRIMARY KEY,
firstName VARCHAR2(20 CHAR),
lastName VARCHAR2(20 CHAR),
age NUMBER,
jsonProp VARCHAR2(40 CHAR)
);
CREATE TABLE Post
(
id NUMBER PRIMARY KEY,
content VARCHAR2(20 CHAR)
);
CREATE TABLE personLikesPost
(
idPerson NUMBER REFERENCES Person (id),
idPost NUMBER REFERENCES Post (id)
);
CREATE TABLE personKnowsPerson
(
idPerson1 NUMBER REFERENCES Person (id),
idPerson2 NUMBER REFERENCES Person (id)
);
CREATE PROPERTY GRAPH person_graph
VERTEX TABLES (
Person KEY (id) LABEL Person
PROPERTIES (firstName, lastName, age, jsonProp),
Post KEY (id) LABEL Post
PROPERTIES(content)
)
EDGE TABLES (
personLikesPost
KEY(idPerson, idPost)
SOURCE KEY (idPerson) REFERENCES Person (id)
DESTINATION KEY (idPost) REFERENCES POST (id)
LABEL Likes NO PROPERTIES,
personKnowsPerson
KEY(idPerson1, idPerson2)
SOURCE KEY (idPerson1) REFERENCES Person (id)
DESTINATION KEY (idPerson2) REFERENCES Person (id)
LABEL Knows NO PROPERTIES
);
insert into Person values (1, 'John', 'Doe',23, '{"key1":"value1","key2":"value2"}');
insert into Person values (2, 'Scott', 'Tiger', 25, '{"key1":"value3","key2":"value4"}');
insert into Person values (3, 'Max', 'Power', 27, '{"key1":"value5","key2":"value6"}');
insert into Person values (4, 'Jane', 'Doe', 22, '{"key1":"value7","key2":"value8"}');
insert into Person (id, Firstname, age) values (5, 'Hans', 23);
insert into Person (id, Firstname, age) values (6, 'Franz', 24);
INSERT INTO Post VALUES (10, 'Lorem ipsum...');
INSERT INTO Post VALUES (11, 'Nulla facilisi...');
INSERT INTO Post VALUES (12, 'Vestibulum eget ..');
INSERT INTO Post VALUES (13, 'Sed fermentum...');
INSERT INTO Post VALUES (14, 'Fusce at ...');
INSERT INTO Post VALUES (15, 'Pellentesque sit ...');
INSERT INTO Post VALUES (16, 'Integer...');
INSERT INTO Post VALUES (17, 'Curabitur luctus ...');
INSERT INTO Post VALUES (18, 'Nam in ...');
INSERT INTO Post VALUES (19, 'Etiam ac ...');
insert into personKnowsPerson values (1, 2);
insert into personKnowsPerson values (2, 3);
insert into personKnowsPerson values (3, 4);
insert into personKnowsPerson values (4, 5);
insert into personKnowsPerson values (5, 6);
insert into personKnowsPerson values (6, 2);
insert into personKnowsPerson values (5, 3);
INSERT INTO personLikesPost VALUES (1, 10);
INSERT INTO personLikesPost VALUES (1, 11);
INSERT INTO personLikesPost VALUES (1, 12);
INSERT INTO personLikesPost VALUES (2, 10);
INSERT INTO personLikesPost VALUES (2, 13);
INSERT INTO personLikesPost VALUES (2, 14);
INSERT INTO personLikesPost VALUES (3, 11);
INSERT INTO personLikesPost VALUES (3, 15);
INSERT INTO personLikesPost VALUES (3, 16);
INSERT INTO personLikesPost VALUES (4, 12);
INSERT INTO personLikesPost VALUES (4, 17);
INSERT INTO personLikesPost VALUES (4, 18);
INSERT INTO personLikesPost VALUES (5, 13);
INSERT INTO personLikesPost VALUES (5, 14);
INSERT INTO personLikesPost VALUES (5, 19);
INSERT INTO personLikesPost VALUES (6, 15);
INSERT INTO personLikesPost VALUES (6, 16);
INSERT INTO personLikesPost VALUES (6, 17);
INSERT INTO personLikesPost VALUES (1, 18);
INSERT INTO personLikesPost VALUES (2, 19);
commit;例: ラベルのない頂点の照合
プロンプト: Find all the people IDs
SELECT person_id
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (v IS "PERSON")
COLUMNS (VERTEX_ID(v) AS person_id))例: ラベルのないエッジの照合
プロンプト: Find all the edge IDs
SELECT edge_id
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (v1) -[e]-> (v2)
COLUMNS (EDGE_ID(e) AS edge_id))例: ラベルによるエッジの照合
プロンプト: Find all the knows relationship IDs
SELECT knows_id
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p1 IS "PERSON") -[e IS "KNOWS"]-> (p2 IS "PERSON")
COLUMNS (EDGE_ID(e) AS knows_id))例: 1つまたは複数のホップを含むパスパターンの照合
プロンプト: List all people who know someone who liked the post 'Sed fermentum...'
SELECT person_id, person_firstname, person_lastname
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p1 IS "PERSON") -[e1 IS "KNOWS"]-> (p2 IS "PERSON") -[e2 IS "LIKES"]-> (post IS "POST")
WHERE UPPER(post."CONTENT") = UPPER('Sed fermentum...')
COLUMNS (VERTEX_ID(p1) AS person_id, p1."FIRSTNAME" AS person_firstname, p1."LASTNAME" AS person_lastname))例: 頂点とエッジのプロパティへのアクセス
プロンプト: Find first name and last name of all people
SELECT first_name, last_name
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p IS "PERSON")
COLUMNS (p."FIRSTNAME" AS first_name, p."LASTNAME" AS last_name))例: データのフィルタリング
プロンプト: Find post contents liked by John Doe
SELECT post_content
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p IS "PERSON") -[e IS "LIKES"]-> (post IS "POST")
WHERE UPPER(p."FIRSTNAME") = UPPER('John') AND UPPER(p."LASTNAME") = UPPER('Doe')
COLUMNS (post."CONTENT" AS post_content))例: 関数と式
プロンプト: Show all people (full name) and display their key1 value from jsonProp property
SELECT person_fullname, json_key1
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p IS "PERSON")
COLUMNS (
(p."FIRSTNAME" || ' ' || p."LASTNAME") AS person_fullname,
JSON_QUERY(p."JSONPROP", '$.key1') AS json_key1
)
)例: データのソート
プロンプト: Find friends of Scott Tiger ordered by their last name
SELECT friend_firstname, friend_lastname
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p IS "PERSON") -[e IS "KNOWS"]-> (f IS "PERSON")
WHERE UPPER(p."FIRSTNAME") = UPPER('Scott') AND UPPER(p."LASTNAME") = UPPER('Tiger')
COLUMNS (f."FIRSTNAME" AS friend_firstname, f."LASTNAME" AS friend_lastname)
)
ORDER BY friend_lastname例: 行制限
プロンプト: Find all people ordered by first name. Skip one result and return 2 results only
SELECT person_firstname
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p IS "PERSON")
COLUMNS (p."FIRSTNAME" AS person_firstname))
ORDER BY person_firstname
OFFSET 1 ROWS FETCH NEXT 2 ROWS ONLYサポートされていない問合せ
次の問合せでは、特定のLLMで有効なNL2SQLが生成されますが、結果のSQLでは、Oracle AI Database 26aiでまだサポートされていない機能が使用されます。
例: 特定のパターンに一致しない問合せ
プロンプト: Find people that do not know Scott.
EXISTS副問合せはサポートされていません。
SELECT person_id, first_name, last_name
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p1 IS "PERSON")
WHERE NOT EXISTS (
SELECT 1
FROM GRAPH_TABLE("ADB_USER"."PERSONGRAPH"
MATCH (p2 IS "PERSON") -[e IS "PERSONKNOWSPERSON"]-> (p3 IS "PERSON"
)
WHERE p2."ID" = p1."ID" AND UPPER(p3."FIRSTNAME") = UPPER('Scott')
COLUMNS (1 AS dummy_value))
)
COLUMNS (p1."ID" AS person_id, p1."FIRSTNAME" AS first_name, p1."LASTNAME" A
S last_name))例: 特定のパターンにオプションで一致させる必要がある問合せ
プロンプト: Show all people and how many posts they have liked (show people even if they have not liked a post).
OPTIONAL一致はサポートされていません。
SELECT person_id, person_firstname, person_lastname, liked_post_ids
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (p is "PERSON") OPTIONAL MATCH (p) -[l is "PERSONLIKESPOST"]-> (post is "POST")
COLUMNS(
VERTEX_ID(p) as person_id,
p."FIRSTNAME" as person_firstname,
p."LASTNAME" as person_lastname,
JSON_ARRAYAGG(VERTEX_ID(post)) as liked_post_ids
))例: バインドなしの再帰的パス・パターン
プロンプト: Find all people that Scott can reach.
バインドなし数量詞を使用する問合せはサポートされていません。
SELECT person_id, person_firstname, person_lastname
FROM GRAPH_TABLE("ADB_USER"."PERSONGRAPH"
MATCH (src IS "PERSON") -[e IS "PERSONKNOWSPERSON"]->* (dst IS "PERSON")
WHERE src."FIRSTNAME" = 'Scott'
COLUMNS (
VERTEX_ID(dst) AS person_id,
dst."FIRSTNAME" AS person_firstname,
dst."LASTNAME" AS person_lastname
)
)断続的な問合せ
LLMは、複数のGRAPH_TABLE演算子を必要とする問合せを変換する際に苦労することが示されています。そのような例を次に示します。
プロンプト: Show people who have liked all the same posts as Hans
SELECT person_id, person_name
FROM GRAPH_TABLE("PERSON_GRAPH"
MATCH (hans is "PERSON") -[likes_hans is "PERSONLIKESPOST"]-> (post is "POST"),
(other_person is "PERSON") -[likes_other is "PERSONLIKESPOST"]-> (post)
WHERE hans."FIRSTNAME" = 'Hans'
COLUMNS (VERTEX_ID(other_person) as person_id, other_person."FIRSTNAME" AS person_name)
)
WHERE NOT EXISTS (
SELECT 1
FROM GRAPH_TABLE("PERSONGRAPH"
MATCH (hans is "PERSON") -[likes_hans is "PERSONLIKESPOST"]-> (post is "POST")
WHERE hans."FIRSTNAME" = 'Hans'
COLUMNS (VERTEX_ID(post) as post_id)
) hans_posts
LEFT JOIN GRAPH_TABLE("PERSONGRAPH"
MATCH (other_person is "PERSON") -[likes_other is "PERSONLIKESPOST"]-> (post
is "POST")
COLUMNS (VERTEX_ID(post) as post_id)
) other_posts
ON hans_posts.post_id = other_posts.post_id
WHERE other_posts.post_id IS NULL
)例: 境界が定義された再帰的パス・パターンの照合。
プロンプト: Find all names of the people that can be reached in a 1 to 3 edge path
SELECT person_name
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (start_person IS "PERSON") -[e IS "KNOWS"]->{1,3} (end_person IS "PERSON")
COLUMNS (end_person."FIRSTNAME" AS person_name))例: 再帰パスに沿ったノードのデータのフィルタ処理
プロンプト: Find all names of the people that can be reached in a 1 to 3 edge path where each person is younger than the next one
SELECT person_name
FROM GRAPH_TABLE("ADB_USER"."PERSON_GRAPH"
MATCH (start_person IS "PERSON") ((v1 IS "PERSON") -[e IS "KNOWS"]-> (v2 IS"PERSON") WHERE v1."AGE" < v2."AGE"){1,3} (end_person IS "PERSON")
COLUMNS (end_person."FIRSTNAME" AS person_name))例: グループ化と集計
LLMは、グループ化と集計が必要な問合せの変換に苦労することがよくあります。よくある間違いは、SELECT句ではなくCOLUMNS句に集計を配置することです。
プロンプト: Find the average number of posts liked by all the users
SELECT AVG(COUNT(post)) AS average_liked_count
FROM GRAPH_TABLE("PERSON_GRAPH"
MATCH (p IS "PERSON") -[e IS "PERSONLIKESPOST"]-> (post IS "POST")
COLUMNS (VERTEX_ID(p) AS person, VERTEX_ID(post) AS post))
GROUP BY person;