시맨틱 연산자 탐색

  • 4분

확장에는 azure_ai SQL에서 직접 생성 AI 모델을 사용할 수 있는 작은 의미 체계 연산자 집합이 포함되어 있습니다. 이러한 연산자는 텍스트를 생성하고, 문을 평가하고, 구조화된 정보를 추출하고, 문서의 순위를 지정하는 데 도움이 됩니다. 각 연산자는 테이블에서 구성한 모델을 호출합니다 azure_ai.settings .

의미 체계 연산자는 다음과 같습니다.

  • azure_ai.generate – 텍스트를 생성하고 스키마가 제공되면 구조화된 JSON을 반환할 수 있습니다.
  • azure_ai.is_true – 문장을 평가하고 참일 가능성이 있는지 여부를 반환합니다.
  • azure_ai.extract – 구조화되지 않은 텍스트에서 특정 필드 또는 값을 가져옵니다.
  • azure_ai.rank – 지정된 쿼리에 대한 관련성 순위의 문서 목록을 반환합니다.

generate 연산자

azure_ai.generate 는 모델에 프롬프트를 보내고 생성된 텍스트를 반환합니다. JSON 스키마를 제공하는 경우 모델은 해당 스키마를 준수하는 구조화된 데이터를 반환하려고 시도합니다. 이 메서드는 후속 SQL 논리에서 사용되는 출력이 필요한 경우에 유용합니다.

예제:

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

스키마가 제공되면 결과는 .로 jsonb반환됩니다.

is_true 연산자

azure_ai.is_true는 문장을 평가하고 true, false 또는 NULL를 반환합니다. 단, 모델이 답변을 알 수 없는 경우입니다. 이 연산자는 텍스트 조각이 조건을 충족하는지 또는 특정 개념을 참조하는지 확인해야 하는 경우에 유용합니다.

예제:

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

extract 연산자

azure_ai.extract 은 문서 내의 특정 필드를 식별합니다. 레이블 배열을 지정하면 모델에서 추출된 값을 포함하는 개체를 반환 jsonb 합니다. 이 연산자는 긴 텍스트에서 구조화된 세부 정보를 끌어당기는 데 적합합니다.

예제:

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

그 결과 요청된 필드가 포함된 JSON 문서가 생성됩니다.

rank 연산자

azure_ai.rank 는 쿼리와 관련성에 따라 정렬된 문서를 반환합니다. 쿼리 텍스트와 문서 배열을 제공합니다. 연산자는 각 문서, 해당 순위 및 점수를 포함하는 행 집합을 반환합니다. 이 행 집합은 모델이 사용자의 검색과 가장 관련이 있는 항목을 결정하는 데 도움이 되도록 할 때 유용합니다.

예제:

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.'
  ]
);

연산자는 순위 정보를 사용하여 문서당 한 행을 반환합니다.

구성 / 설정

모든 의미 체계 연산자는 에 저장된 모델 구성을 azure_ai.settings사용합니다. 연산자를 호출하기 전에 사용하려는 모델의 엔드포인트 및 키를 설정해야 합니다.

예제:

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

설정이 설정되면 표준 SQL 쿼리, 뷰 또는 저장 프로시저에서 의미 체계 연산자를 사용할 수 있습니다.

Takeaways

확장의 azure_ai 의미 체계 연산자는 생성 AI를 SQL 워크플로에 직접 통합하는 강력한 기능을 제공합니다. 이러한 연산자를 사용하면 PostgreSQL 데이터베이스의 친숙한 컨텍스트 내에서 텍스트 생성, 진리 평가, 정보 추출 및 문서 순위로 애플리케이션을 향상시킬 수 있습니다.