शुरू करेंमुफ़्त में शुरू करें

Databricks से जुड़ा LangChain SQL Agent बनाएँ

LangChain एक लाइब्रेरी है जो LLM एप्लिकेशन बनाने और डिप्लॉय करने में मदद करती है. यह आपको AI एजेंट भी बनाने देती है, जो डेटा सोर्स से कनेक्ट होकर SQL क्वेरी चला सकते हैं.

आगे आने वाले अभ्यासों में, आप samples कैटलॉग की स्कीमाज़ के साथ काम करेंगे. इस अभ्यास में, आप एक Databricks SQL एजेंट बनाएँगे, और अगले अभ्यासों में आप अपने बनाए गए एजेंट से क्वेरी भी करेंगे.

हमने आपके लिए कोडिंग वातावरण में निम्न फंक्शनों को इम्पोर्ट किया है:

from langchain_community.agent_toolkits import create_sql_agent
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_community.utilities import SQLDatabase
from databricks_langchain import ChatDatabricks
from databricks.sdk import WorkspaceClient

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python SDK के साथ Databricks

पाठ्यक्रम देखें

अभ्यास निर्देश

  • "samples" Databricks कैटलॉग की nyctaxi स्कीमा से एक LangChain SQLDatabase बनाएँ.
  • Databricks Meta Llama 3 Foundational Model का उपयोग करके Databricks LangChain LLM बनाएँ.
  • LangChain Databricks SQL db और llm का उपयोग करते हुए एक LangChain SQL Database टूलकिट बनाएँ.
  • toolkit और llm का उपयोग करके एक LangChain Databricks SQL एजेंट बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Connect to the nyctaxi schema
db = SQLDatabase.____(
    catalog="samples", 
    schema="nyctaxi",
    warehouse_id=warehouse_id)

# Create the LangChain LLM
llm = ____(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    max_tokens=100)

# Build the SQL toolkit
toolkit = ____(db=db, llm=llm) 

# Create the SQL agent
databricks_sql_agent = ____(llm=llm, toolkit=toolkit, verbose=True, handle_parsing_errors=True)
कोड संपादित करें और चलाएँ