ÎncepețiÎncepe gratuit

Interogarea setului de date NYC Taxi cu SQL Agent

Databricks pune la dispoziție un catalog open source samples care conține mai multe scheme. În acest exercițiu, vei crea un agent SQL Databricks LangChain pentru a te conecta la schema nyctaxi și îi vei adresa o întrebare la care se poate răspunde prin SQL. Crearea unui astfel de agent îți permite să efectuezi analize de date și să pui întrebări despre date ce necesită SQL, fără a avea cunoștințe prealabile de SQL.

Acest exercițiu face parte din cursul

Databricks cu Python SDK

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează un obiect SQLDatabase LangChain din schema nyctaxi în catalogul samples din Databricks.
  • Creează un LLM personalizat LangChain folosind modelul Meta Llama 3 din Databricks.
  • Creează un agent SQL Databricks LangChain folosind LLM-ul personalizat.
  • Interoghează agentul SQL Databricks.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul