详细内容或原文请订阅后点击阅览
建立一个AI代理，以使用自然语言探索您的数据目录
利用llms查询您的数据链球数据数据对帖子构建AI代理，以探索您的数据目录的自然语言首先出现在数据科学方面。
来源:走向数据科学每个数据驱动的应用程序，产品或仪表板都是一个关键组件：数据库。这些系统长期以来一直是存储，管理和查询结构化数据的基础，无论是在云平台上的关系，时间序列还是分布。
要与这些系统进行交互，我们依靠SQL（结构化查询语言），这是一种标准化且难以置信的强大方法，用于检索，操纵和分析数据。 SQL具有表现力，精确且针对性能进行了优化。然而，对于许多用户（尤其是数据新手）而言，SQL可能令人生畏。记住语法，了解连接并导航复杂的模式可能是生产力的障碍。
但是，以自然语言查询数据库的想法并不是什么新鲜事！实际上，针对数据库（NLIDB）的自然语言界面的研究可以追溯到1970年代。诸如Lunar和精确的项目探索了用户如何以平淡的英语提出问题并接收由SQL提供支持的结构化答案。尽管有很大的学术兴趣，但这些早期系统仍在概括，歧义和可扩展性方面挣扎。早在2029年，Powerbi还向我们展示了2019年自然语言数据查询的早期瞥见。尽管Q＆A功能有前途，但它在复杂的查询中挣扎，需要精确的措辞，并在很大程度上依赖数据模型的清洁方式。最后，它缺少用户对真正助手的期望的推理和灵活性！
月球 精确但是2025年呢？我们知道有实现它的技术吗？
LLM现在可以做我们以前无法做的事情吗？
基于我们对LLM及其功能的了解 幻觉，错误的假设或 结合了适当的接地，模式检查和用户意图检测的策略，这就是本简短教程的基础：如何构建您的第一个AI代理助理来查询您的数据目录！
逐步创建Databricks目录助手
OpenAI（GPT-4 pydantic a 简化 databricks sql连接器代码