CommencerCommencez gratuitement

Interroger les ventes de la boulangerie avec un agent SQL

Le schéma "bakehouse" dans le catalogue samples de Databricks contient des données fictives 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. L'agent peut utiliser du SQL pour obtenir les réponses et peut montrer son raisonnement, en décrivant les requêtes SQL et la logique utilisées pour parvenir à la solution.

Cet exercice fait partie du cours

<cours>Databricks avec le SDK Python</cours>
Voir le cours

Instructions de l’exercice

  • Créez une base de données SQL LangChain à partir du jeu 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 au toolkit.
  • Demandez à l'agent Databricks SQL quel produit génère le plus de revenu.

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