AI_GENERATE_EMBEDDINGS (Transact-SQL)

Gäller för: SQL Server 2025 (17.x) Azure SQL Database SQL database in Microsoft Fabric

AI_GENERATE_EMBEDDINGS är en inbyggd funktion som skapar inbäddningar (vektormatriser) med hjälp av en fördefinierad AI-modelldefinition som lagras i databasen.

Syntax

Transact-SQL syntaxkonventioner

AI_GENERATE_EMBEDDINGS ( source USE MODEL model_identifier [ PARAMETERS optional_json_request_body_parameters ] )

Argumentpunkter

källa

Ett uttryck av valfri teckentyp (till exempel nvarchar, varchar, nchar eller char).

model_identifier

Namnet på en extern modell definieras som en EMBEDDINGS typ som används för att skapa inbäddningsvektormatrisen.

Mer information finns i SKAPA EXTERN MODELL.

optional_json_request_body_parameters

En giltig JSON-formaterad lista med ytterligare parametrar. Dessa parametrar läggs till i REST-förfrågningsmeddelandets kropp innan de skickas till den externa modellens slutpunktsplats. Dessa parametrar beror på vad den externa modellens slutpunkt stöder och accepterar.

Returtyper

AI_GENERATE_EMBEDDINGS returnerar en tabell med en kolumn vars rader är de genererade inbäddningsvektormatriserna som returneras som JSON.

Returformat

Formatet för den returnerade JSON:en är följande:

[
    0.0023929428,
    0.00034713413,
    -0.0023142276,
    -0.025654867,
    -0.011492423,
    0.0010358924,
    -0.014836246,
    0.0035484824,
    0.000045630233,
    -0.027581815,
    0.023816079,
    0.005012586,
    -0.027732948,
    -0.010088143,
    ...
    -0.014571763
]

Anmärkningar

Förutsättningar

Du måste uppfylla följande förutsättningar för att använda:AI_GENERATE_EMBEDDINGS

Aktivera sp_invoke_external_endpoint i databasen med följande kommando:

EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;

Skapa en extern modell av den EMBEDDINGS typen, tillgänglig via rätt bidrag, roller och/eller behörigheter.

Valfria parametrar

Parametern optional_json_request_body_parameters i AI_GENERATE_EMBEDDINGS används när en slutpunktsparameter måste läggas till i brödtexten i meddelandet för inbäddningsbegäran. Om du lägger till en valfri parameter åsidosätts värdet vid körning om parametern definieras i modelldefinitionen.

Till exempel, om den externa modellen innehåller parametern för dimensions satt till 1536, genom att skicka den parametern i optional_json_request_body_parameters vid körning med ett nytt värde som ses här: json_object("dimensions":755), dimensions överskrivs parametern i modellen.

Värdet som skickas till optional_json_request_body_parameters måste vara giltigt JSON.

Skapa inbäddningsslutpunkter

För mer information om hur man skapar embeddingsendpoints, se processen för Azure OpenAI i Azure AI Foundry Models, OpenAI eller Ollama.

Utökade händelser (XEvent)

AI_GENERATE_EMBEDDINGS har en utökad händelse (ai_generate_embeddings_summary) som kan aktiveras för felsökning. Den innehåller information om REST-förfrågan och svaret, såsom statuskod, eventuella fel den stött på och modellnamnet som används. Den utökade händelsen external_rest_endpoint_summary innehåller ytterligare information som kan vara till för felsökning och felsökning av REST-begäranden.

Exempel

A. Skapa inbäddningar med en SELECT-instruktion

Följande exempel visar hur man använder AI_GENERATE_EMBEDDINGS funktionen med en select-sats som returnerar resultat i en JSON-array.

SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel)
FROM myTable;

B. Skapa inbäddningar med en SELECT-instruktion med hjälp av AI_GENERATE_CHUNKS

Följande exempel visar hur man använder AI_GENERATE_EMBEDDINGS funktionen med AI_GENERATE_CHUNKS-funktionen för att skicka text uppdelad i specificerade chunk-storlekar med en select-sats som returnerar vektorarrayresultat.

SELECT id,
       title,
       large_text,
       AI_GENERATE_EMBEDDINGS(c.chunk_text USE MODEL MyAzureOpenAIModel)
FROM myTable
CROSS APPLY AI_GENERATE_CHUNKS (SOURCE = large_text, CHUNK_TYPE = FIXED, CHUNK_SIZE = 10) AS c;

C. Skapa inbäddningar med en tabelluppdatering

I följande exempel visas hur du använder AI_GENERATE_EMBEDDINGS funktionen med en tabelluppdateringsinstruktur för att returnera vektormatrisresultatet till en kolumn för vektordatatyp.

UPDATE t
    SET myEmbeddings = AI_GENERATE_EMBEDDINGS(t.text USE MODEL MyAzureOpenAIModel)
FROM myTable AS t;

D. Skapa inbäddningar med en SELECT-instruktion och PARAMETRAR

I följande exempel visas hur du använder AI_GENERATE_EMBEDDINGS funktionen med en select-instruktion och skickar valfria parametrar till slutpunkten, som returnerar vektormatrisresultat.

SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS TRY_CONVERT (JSON, N'{"dimensions":768}'))
FROM myTable;

E. Generering av omförsöksbäddningar med `retry_count` PARAMETERS-alternativet

Om inbäddningsanropet stöter på HTTP-statuskoder som anger tillfälliga problem kan du konfigurera begäran så att den försöker igen automatiskt.

För att ange antalet omförsök, lägg till följande JSON i alternativet PARAMETERS . Detta värde bör vara ett positivt heltal mellan noll (0) och tio (10) inklusive, och kan inte vara NULL.

Anmärkning

Om ett retry_count värde anges i frågan AI_GENERATE_EMBEDDINGS , överskrider retry_count det (om definierat) i den externa modellens konfiguration.

SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS TRY_CONVERT (JSON, N'{"retry_count":10}'))
FROM myTable;

F. Ett fullständigt exempel med segmentering, AI_GENERATE_EMBEDDINGS och modellskapande

Följande exempel visar en helhetsprocess för att göra dina data AI-klara:

Använd CREATE EXTERNAL MODEL för att registrera och göra din inbäddningsmodell tillgänglig.
Dela upp datamängden i mindre delar med AI_GENERATE_CHUNKS, så att datan passar inom modellens kontextfönster och förbättrar återhämtningsnoggrannheten.
Generera inbäddningar med .AI_GENERATE_EMBEDDINGS
Infoga resultaten i en tabell med en vektordatatyp.