Consultar o conjunto de dados NYC Taxi usando um SQL Agent
O Databricks oferece um catálogo open source chamado samples que contém vários schemas. Neste exercício, vamos criar um agente LangChain Databricks SQL para se conectar ao schema nyctaxi e então fazer uma pergunta que exija SQL para ser respondida. Criar um desses agentes permite que você faça análise de dados e formule perguntas sobre os dados que dependem de SQL, sem precisar ter conhecimento prévio de SQL.
Este exercicio faz parte do curso
Databricks com o SDK em Python
Instruções do exercicio
- Crie um objeto LangChain SQLDatabase a partir do schema
nyctaxino catálogosamplesdo Databricks. - Crie um LLM personalizado do LangChain usando o modelo Databricks Meta Llama 3.
- Crie um LangChain Databricks SQL Agent usando o LLM personalizado.
- Faça uma consulta ao Databricks SQL Agent.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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)