Запрос к набору данных NYC Taxi с помощью SQL-агента

Databricks предоставляет открытый каталог samples, который содержит несколько схем. В этом упражнении вы создадите SQL-агент LangChain для подключения к схеме nyctaxi и зададите ему вопрос, на который нужно ответить с помощью SQL. Такой агент позволяет выполнять анализ данных и задавать вопросы к данным, требующие SQL-запросов, — без каких-либо предварительных знаний SQL.

Это упражнение является частью курса

Databricks с Python SDK

Посмотреть курс

Инструкции к упражнению

Создайте объект SQLDatabase LangChain из схемы nyctaxi каталога samples в Databricks.
Создайте пользовательскую языковую модель LangChain на основе модели Databricks Meta Llama 3.
Создайте SQL-агент Databricks LangChain, используя эту пользовательскую модель.
Выполните запрос к SQL-агенту Databricks.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код