Kueri Himpunan Data NYC Taxi menggunakan SQL Agent
Databricks menyediakan katalog sumber terbuka samples yang berisi beberapa skema. Pada latihan ini, Anda akan membuat agen LangChain Databricks SQL untuk terhubung ke skema nyctaxi, lalu mengajukan pertanyaan yang memerlukan SQL untuk menjawabnya. Membuat agen seperti ini memungkinkan pengguna melakukan analisis data dan mengajukan pertanyaan pada data yang membutuhkan SQL, tanpa perlu pengetahuan SQL sebelumnya.
Latihan ini merupakan bagian dari kursus
Databricks dengan Python SDK
Instruksi latihan
- Buat objek LangChain SQLDatabase dari skema
nyctaxidalam katalogsamplesdi Databricks. - Buat LLM LangChain kustom menggunakan model Databricks Meta Llama 3.
- Buat LangChain Databricks SQL Agent menggunakan LLM kustom tersebut.
- Kueri Databricks SQL Agent.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Connect to the nyctaxi schema
db = SQLDatabase.from_databricks(
____="samples",
____="nyctaxi",
warehouse_id=warehouse_id)
# Create the custom LangChain LLM
meta_llm = ChatDatabricks(
____="databricks-meta-llama-3-3-70b-instruct",
max_tokens=100)
toolkit = SQLDatabaseToolkit(db=db, llm=meta_llm)
# Create the SQL agent
agent = create_sql_agent(llm=____, toolkit=toolkit, verbose=True, handle_parsing_errors=True)
# Query the Databricks SQL Agent
result = agent.____("what's the duration and distance of the longest trip?")
print(result)