استكشف المؤثرات الدلالية

مكتمل

تتضمن الإضافة azure_ai مجموعة صغيرة من المشغلات الدلالية التي تتيح لك العمل مع نماذج الذكاء الاصطناعي التوليدي مباشرة في SQL. تساعدك هذه المشغلات في إنشاء نصوص، وتقييم العبارات، واستخراج المعلومات المنظمة، وترتيب المستندات. كل مشغل يستدعي نموذجا قمت بتكوينه في azure_ai.settings الجدول.

المؤثرات الدلالية هي:

• azure_ai.generate – يولد نصا ويمكنه إرجاع JSON منظم عند توفير المخطط.
• azure_ai.is_true – يقيم بيانا ويعيد ما إذا كان من المرجح أن يكون صحيحا.
• azure_ai.extract – يسحب حقول أو قيم محددة من النص غير المنظم.
• azure_ai.rank – يعيد قائمة مرتبة حسب الصلة للوثائق لاستعلام معين.

المشغل generate

azure_ai.generate يرسل تنبيه إلى نموذج ويعيد النص المولد. إذا قدمت مخطط JSON، يحاول النموذج إرجاع بيانات منظمة تتوافق مع ذلك المخطط. هذه الطريقة مفيدة عندما تحتاج إلى مخرج يستهلكه منطق SQL اللاحق.

مثل:

SELECT azure_ai.generate(
  prompt => 'Summarize the following review: ' || review_text
)
FROM product_reviews;

إذا تم توفير مخطط، يتم إرجاع النتيجة ك jsonb.

المشغل is_true

azure_ai.is_true يقيم جملة ويعيد true، falseأو NULL إذا لم يستطع النموذج تحديد الإجابة. هذا المؤثر مفيد عندما تحتاج إلى التحقق مما إذا كان نص ما يفي بشرط معين أو يشير إلى مفهوم معين.

مثل:

SELECT azure_ai.is_true(
  'This review describes the product as durable: ' || review_text
) AS durability_claim
FROM product_reviews;

المشغل extract

azure_ai.extract يحدد حقول محددة داخل المستند. تحدد مصفوفة من التسميات، ويعيد النموذج كائنا jsonb يحتوي على القيم المستخرجة. هذا المشغل مناسب جدا لسحب التفاصيل المنظمة من النصوص الطويلة.

مثل:

SELECT azure_ai.extract(
  'The headphones have clear sound but the battery life is short.',
  ARRAY['sound_quality', 'battery_life']
);

النتيجة هي مستند JSON يحتوي على الحقول المطلوبة.

المشغل rank

azure_ai.rank يعيد المستندات المرتبة حسب الصلة إلى الاستعلام. تقدم نص الاستفسار ومجموعة من المستندات. يقوم المشغل بإعادة مجموعة صفوف تتضمن كل مستند ورتبته ودرجة. تكون هذه المجموعة مفيدة عندما تريد من النموذج أن يساعد في تحديد العناصر الأكثر صلة ببحث المستخدم.

مثل:

SELECT *
FROM azure_ai.rank(
  'Lightweight travel headphones',
  ARRAY[
    'These foldable headphones are easy to pack.',
    'Battery life is average.',
    'Sound quality is very detailed.'
  ]
);

يقوم المشغل بإعادة صف واحد لكل مستند يحتوي على معلومات الترتيب.

التكوين

تعتمد جميع المؤثرات الدلالية على تكوين النموذج المخزن في azure_ai.settings. قبل الاتصال بالمشغلين، تأكد من تعيين نقطة النهاية والمفتاح للنموذج الذي تنوي استخدامه.

مثل:

SELECT azure_ai.set_setting('azure_openai.endpoint', '{endpoint}');
SELECT azure_ai.set_setting('azure_openai.api_key', '{api_key}');

بمجرد وضع الإعدادات، يمكن استخدام المشغلات الدلالية في استعلامات SQL القياسية أو العروض أو الإجراءات المخزنة.

أهم النقاط

توفر المشغلات الدلالية في الامتداد azure_ai قدرات قوية لدمج الذكاء الاصطناعي التوليدي مباشرة في سير عمل SQL الخاص بك. باستخدام هذه المشغلات، يمكنك تحسين تطبيقاتك من خلال توليد النصوص، وتقييم الحقيقة، واستخراج المعلومات، وترتيب المستندات، وكل ذلك ضمن سياق قاعدة بيانات PostgreSQL المألوف.