BaşlayınÜcretsiz başlayın

SQL Agent kullanarak NYC Taxi veri kümesini sorgula

Databricks, birden çok şema içeren açık kaynaklı samples kataloğunu sunar. Bu egzersizde, nyctaxi şemasına bağlanmak için bir LangChain Databricks SQL aracısı oluşturacak ve ardından yanıtı için SQL gerektiren bir soru soracağız. Bu tür bir aracı oluşturmak, kullanıcının SQL bilmeden SQL gerektiren veri analizi yapmasını ve veri hakkında sorular sormasını sağlar.

Bu egzersiz, kursun bir parçasıdır

Python SDK ile Databricks

Kursa Göz Atın

Egzersiz talimatları

  • Databricks samples kataloğundaki nyctaxi şemasından bir LangChain SQLDatabase nesnesi oluştur.
  • Databricks Meta Llama 3 modelini kullanarak özel bir LangChain LLM oluştur.
  • Özel LLM'i kullanarak bir LangChain Databricks SQL Agent oluştur.
  • Databricks SQL Agent'ı sorgula.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)
Kodu Düzenle ve Çalıştır