Inizia subitoInizia gratis

Interroga i dati di vendita della bakery con un SQL agent

Lo schema "bakehouse" nel catalogo samples di Databricks contiene dati fittizi sulle vendite di una bakery. Possiamo creare un SQL agent di LangChain per Databricks per connetterci a questo insieme di dati e poi chiedere all'agente delle query sui dati. L'agente può usare SQL per trovare le risposte e può mostrare il lavoro svolto, descrivendo le query SQL e la logica usata per arrivare alla soluzione.

Questo esercizio fa parte del corso

Databricks con il Python SDK

Visualizza corso

Istruzioni dell'esercizio

  • Crea un database SQL di LangChain dal dataset bakehouse nel catalogo samples.
  • Crea un oggetto SQLDatabaseToolkit che si connetta al database SQL di LangChain e a llm.
  • Crea un SQL Agent di LangChain che si connetta a llm e a toolkit.
  • Chiedi al Databricks SQL agent quale prodotto genera il maggior fatturato.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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)
Modifica ed esegui il codice