สร้าง LangChain SQL Agent ที่เชื่อมต่อกับ Databricks

LangChain เป็นไลบรารีสำหรับสร้างและนำใช้งานแอปพลิเคชัน LLM รวมถึงช่วยให้สร้าง AI agent ที่เชื่อมต่อกับแหล่งข้อมูลและรัน SQL query ได้

ในแบบฝึกหัดต่อไปนี้ จะได้ทำงานกับ schema จาก catalog ชื่อ samples โดยในแบบฝึกหัดนี้จะสร้าง Databricks SQL agent และในแบบฝึกหัดถัดไปจะนำ agent ที่สร้างไว้มาใช้งานด้วย

ฟังก์ชันต่อไปนี้ถูก import เข้ามาในสภาพแวดล้อมการเขียนโค้ดให้แล้ว:

from langchain_community.agent_toolkits import create_sql_agent
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_community.utilities import SQLDatabase
from databricks_langchain import ChatDatabricks
from databricks.sdk import WorkspaceClient

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Databricks กับ Python SDK

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง LangChain SQLDatabase จาก schema ชื่อ nyctaxi ใน Databricks catalog "samples"
สร้าง Databricks LangChain LLM โดยใช้ Databricks Meta Llama 3 Foundational Model
สร้าง LangChain SQL Database toolkit โดยใช้ db และ llm ที่สร้างไว้
สร้าง LangChain Databricks SQL agent โดยใช้ toolkit และ llm

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Connect to the nyctaxi schema
db = SQLDatabase.____(
    catalog="samples", 
    schema="nyctaxi",
    warehouse_id=warehouse_id)

# Create the LangChain LLM
llm = ____(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    max_tokens=100)

# Build the SQL toolkit
toolkit = ____(db=db, llm=llm) 

# Create the SQL agent
databricks_sql_agent = ____(llm=llm, toolkit=toolkit, verbose=True, handle_parsing_errors=True)

แก้ไขและรันโค้ด