A Select AI aprimora a interação de dados e permite que os desenvolvedores criem aplicativos orientados por IA diretamente de SQL, transformando prompts de linguagem natural em consultas SQL e respostas de texto, suportando a interação de bate-papo com LLMs, aprimorando a precisão da resposta com dados atuais usando RAG e gerando dados sintéticos.

Os casos de uso incluem:

• Gerar SQL com base em prompts de linguagem natural

  Produtividade do desenvolvedor: Selecionar IA aumenta significativamente a produtividade do desenvolvedor, fornecendo consultas SQL "iniciais" rapidamente. Os desenvolvedores podem inserir prompts de linguagem natural e o Select AI gera SQL com base em suas tabelas e views de esquema de banco de dados. Isso reduz o tempo e o esforço necessários para escrever consultas complexas do zero, permitindo que os desenvolvedores se concentrem em refinar e otimizar as consultas geradas para suas necessidades específicas.

  Consultas de linguagem natural para usuários finais: o Select AI permite que os usuários finais interajam com as tabelas de dados e visualizações subjacentes do seu aplicativo usando consultas de linguagem natural. Essa funcionalidade permite que os usuários sem experiência em SQL façam perguntas e recuperem dados diretamente, tornando o acesso aos dados mais intuitivo e fácil de usar em relação aos recursos do LLM que está sendo usado e à qualidade dos metadados do esquema disponíveis.

  Outros recursos para geração de SQL: Os seguintes recursos destacados também são suportados para geração de linguagem natural para SQL:

  • Especificar esquema ou tabelas ou views: A opção Selecionar AI permite especificar uma lista de objetos que consiste em esquema e, opcionalmente, tabelas ou views dentro desse esquema.

  • Detectar automaticamente metadados de tabela relevantes: o Select AI detecta automaticamente tabelas relevantes e envia metadados somente para essas tabelas específicas, relevantes para a consulta, no Oracle Database 23ai.

  • Restringir acesso à tabela: a opção Selecionar AI permite restringir o acesso à tabela considerando apenas as tabelas listadas nos atributos de perfil do AI para geração de SQL.
  • Especificar distinção entre maiúsculas e minúsculas para colunas: a opção Selecionar AI permite que o usuário especifique distinção entre maiúsculas e minúsculas de forma que o LLM produza respostas sem distinção entre maiúsculas e minúsculas do banco de dados e do LLM.

• Conversas

  Ative recursos semelhantes a chatbots com o Select AI, permitindo que os usuários tenham conversas naturais para consultar dados e executar ações. Esses bate-papos podem acompanhar o contexto, dando respostas de acompanhamento que esclarecem ou expandem as perguntas originais. Esse cenário aumenta o engajamento e facilita as consultas complicadas por meio da conversa.

• Geração de mídia personalizada

  A IA selecionada pode ser usada para gerar conteúdo de mídia personalizado, como e-mails adaptados aos detalhes individuais do cliente. Por exemplo, em seu prompt, você pode instruir o LLM a criar um email amigável e otimista incentivando um cliente a experimentar um conjunto de produtos recomendados. Essas recomendações podem ser baseadas em dados demográficos do cliente ou outras informações específicas disponíveis em seu banco de dados. Esse nível de personalização aumenta o envolvimento do cliente, fornecendo conteúdo relevante e atraente diretamente ao cliente.

• Geração de código

  Com a ação Selecionar AI chat, você pode usar Selecionar AI para solicitar ao seu LLM especificado que gere código de prompts de linguagem natural. Esse recurso suporta várias linguagens de programação, como SQL, Python, R e Java. Exemplos incluem:

  • Código Python: "Escreva o código Python para calcular uma matriz de confusão em um DataFrame com colunas REAL e PREDICADA."
  • SQL DDL: "Escreva o DDL de uma tabela SQL com o nome, a idade, a renda e o país das colunas."
  • Consulta SQL: "Grave a consulta SQL que usará o modelo no banco de dados do Oracle Machine Learning chamado CHURN_DT_MODEL para prever quais clientes serão cancelados e com que probabilidade."

• Geração aumentada de recuperação (RAG)

  Use o conteúdo do armazenamento de vetores para pesquisa de similaridade semântica para aumentar a precisão e a relevância do prompt nas respostas do LLM.

• Geração de dados sintéticos

  Gere dados sintéticos usando LLMs que estejam em conformidade com seu esquema para teste de solução, provas de conceito e outros usos. Os dados sintéticos podem oferecer suporte a melhores testes de seus aplicativos na ausência de dados reais, levando à qualidade geral de seu aplicativo.

  A geração de dados sintéticos também pode ser usada para preencher um clone do Autonomous Database ou um clone de metadados. O Select AI suporta a geração de dados sintéticos para esses clones. O uso de dados sintéticos ajuda a proteger dados confidenciais, permitindo o desenvolvimento, o teste e a validação de experiências do usuário. Também é útil para projetos de IA e machine learning que precisam de dados de amostra para treinamento de modelo ou dados de teste para pontuação.