Função ai_query
Aplica-se a: SQL do Databricks
Importante
Esse recurso está em uma versão prévia.
Invoca um ponto de extremidade existente do Azure Databricks Model Serving e analisa e retorna sua resposta.
Requisitos
- Essa função não está disponível no SQL Clássico do Azure Databricks.
- A consulta às APIs do Foundation Model está habilitada por padrão. Para consultar pontos de extremidade que servem modelos personalizados ou modelos externos, você deve se inscrever na visualização pública. Preencha e envie o formulário de inscrição Visualização Pública das Funções de IA.
Sintaxe
Para consultar um ponto de extremidade que atenda a um modelo externo ou um modelo do Foundation:
ai_query(endpointName, request)
Para consultar um ponto de extremidade do serviço de modelo personalizado:
ai_query(endpointName, request, returnType)
Argumentos
endpointName
: um literal de CADEIA DE CARACTERES, o nome do ponto de extremidade do Mosaic AI Model Serving existente no mesmo workspace para invocações. O definidor deve ter permissão PODE CONSULTAR no ponto de extremidade.request
: uma expressão, a solicitação usada para invocar o ponto de extremidade.- Se o ponto de extremidade for um modelo externo que atende ao ponto de extremidade ou ao ponto de extremidade das APIs do Modelo do Databricks Foundation, a solicitação deverá ser uma CADEIA DE CARACTERES.
- Se o ponto de extremidade for um modelo personalizado que serve o ponto de extremidade, a solicitação poderá ser uma única coluna ou uma expressão struct. Os nomes dos campos struct devem corresponder aos nomes do recurso de entrada esperados pelo ponto de extremidade.
returnType
: uma expressão, o returnType esperado do ponto de extremidade. Isso é semelhante ao parâmetro schema na função from_json, que aceita uma expressão STRING ou invocação da função schema_of_json. Necessário para consultar um ponto de extremidade de serviço de modelo personalizado.
Retornos
A resposta analisada do ponto de extremidade.
Exemplos
Para consultar um modelo externo que serve o ponto de extremidade ou o Modelo do Databricks Foundation:
> SELECT ai_query(
'my-external-model-openai-chat',
'Describe Databricks SQL in 30 words.'
) AS summary
"Databricks SQL is a cloud-based platform for data analytics and machine learning, providing a unified workspace for collaborative data exploration, analysis, and visualization using SQL queries."
> CREATE FUNCTION correct_grammar(text STRING)
RETURNS STRING
RETURN ai_query(
'databricks-llama-2-70b-chat',
CONCAT('Correct this to standard English:\n', text));
> GRANT EXECUTE ON correct_grammar TO ds;
- DS fixes grammar issues in a batch.
> SELECT
* EXCEPT text,
correct_grammar(text) AS text
FROM articles;
Para consultar um Ponto de Extremidade do Serviço de Modelo personalizado:
> SELECT text, ai_query(
endpoint => 'spam-classification-endpoint',
request => named_struct(
'timestamp', timestamp,
'sender', from_number,
'text', text),
returnType => 'BOOLEAN') AS is_spam
FROM messages
> SELECT ai_query(
'weekly-forecast',
request => struct(*),
returnType => 'FLOAT') AS predicted_revenue
FROM retail_revenue
> SELECT ai_query(
'custom-llama-2-7b-chat',
request => named_struct("messages",
ARRAY(named_struct("role", "user", "content", "What is ML?"))),
returnType => 'STRUCT<candidates:ARRAY<STRING>>')
{"candidates":["ML stands for Machine Learning. It's a subfield of Artificial Intelligence that involves the use of algorithms and statistical models to enable machines to learn from data, make decisions, and improve their performance on a specific task over time."]}
Funções relacionadas
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de