Kom igångKom igång gratis

Fråga bagerisäljdata med SQL-agent

Schemat "bakehouse" i katalogen samples i Databricks innehåller fabricerad data om bageriförsäljning. Vi kan skapa en LangChain Databricks SQL-agent som ansluter till det här datasetet och sedan ställa frågor till agenten om datan. Agenten kan använda SQL för att hitta svaren och kan visa sitt tillvägagångssätt – den beskriver de SQL-frågor och den logik som används för att nå lösningen.

Den här övningen är en del av kursen

Databricks med Python SDK

Visa kurs

Övningsinstruktioner

  • Skapa en LangChain SQL-databas från datasetet bakehouse i katalogen samples.
  • Skapa ett SQLDatabaseToolkit-objekt som ansluter till LangChain SQL-databasen och llm.
  • Skapa en LangChain SQL-agent som ansluter till llm och toolkit.
  • Fråga Databricks SQL-agenten vilken produkt som genererar mest intäkter.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod