Zacznij terazZacznij za darmo

Zapytaj agenta SQL o dane sprzedaży piekarni

Schemat "bakehouse" w katalogu samples w Databricks zawiera fikcyjne dane dotyczące sprzedaży piekarni. Możemy utworzyć agenta SQL LangChain dla Databricks, połączyć go z tym zbiorem danych i zadawać mu pytania dotyczące tych danych. Agent może korzystać z SQL, aby uzyskiwać odpowiedzi, i potrafi pokazać tok swojego rozumowania — opisując zapytania SQL oraz logikę użytą do znalezienia rozwiązania.

To ćwiczenie jest częścią kursu

Databricks z Python SDK

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz bazę danych SQL LangChain na podstawie zbioru danych bakehouse z katalogu samples.
  • Utwórz obiekt SQLDatabaseToolkit, który połączy się z bazą danych SQL LangChain i modelem llm.
  • Utwórz agenta SQL LangChain, który połączy się z modelem llm i zestawem narzędzi toolkit.
  • Zapytaj agenta SQL Databricks, który produkt generuje największe przychody.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)
Edytuj i uruchom kod