CommencezCommencez gratuitement

Interroger les données de ventes d'une boulangerie avec un agent SQL

Le schéma « bakehouse » dans le catalogue samples de Databricks contient des données fabriquées sur les ventes d'une boulangerie. Nous pouvons créer un agent Databricks SQL avec LangChain pour se connecter à cet ensemble de données, puis lui poser des questions à propos des données. L'agent peut utiliser SQL pour obtenir les réponses et peut montrer son travail en décrivant les requêtes SQL et la logique utilisées pour arriver à la solution.

Cette activité fait partie du cours

Databricks avec le SDK Python

Voir le cours

Instructions de l’exercice

  • Créez une base de données SQL LangChain à partir de l'ensemble de données bakehouse dans le catalogue samples.
  • Créez un objet SQLDatabaseToolkit qui se connecte à la base de données SQL LangChain et à llm.
  • Créez un agent SQL LangChain qui se connecte à llm et à toolkit.
  • Demandez à l'agent Databricks SQL quel produit génère le plus de revenus.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Connect to the bakehouse schema
bakehouse_db = SQLDatabase.from_databricks(
    ____="samples", 
    schema="bakehouse",  
  	warehouse_id=warehouse_id)

# Build the SQL toolkit
toolkit = SQLDatabaseToolkit(____=bakehouse_db, llm=llm)
# Create the SQL agent
agent = ____(llm=llm, toolkit=toolkit, verbose=True, handle_parsing_errors=True)

# Run the revenue query
prompt = "Which product generates the most revenue?"
result = agent.run(____)
print(result)
Modifier et exécuter le code