使用 AlloyDB AI 查询引擎执行智能 SQL 查询

本页面介绍了如何使用 AlloyDB AI 查询引擎提供的 AI 赋能的 SQL 运算符进行查询。您可以使用 ai.if（用于过滤条件）、ai.rank 和 ai.generate 运算符将自然语言与 SQL 查询相结合。

如需按本页面上的说明操作，您必须了解 AlloyDB，并熟悉生成式 AI 概念。

AlloyDB AI 会预留并创建 ai 架构。

准备工作

在 SQL 运算符中使用自然语言之前，请执行以下操作：

与 Vertex AI 集成并安装扩展程序

  1. 与 Vertex AI 集成。
  2. 确保已安装最新版本的 google_ml_integration。

    1. 如需检查已安装的版本，请运行以下命令：

              SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion
        ------------
        1.4.3
        (1 row)

    2. 如果未安装该扩展程序，或者安装的版本低于 1.4.3，请运行以下命令来更新该扩展程序：

              CREATE EXTENSION IF NOT EXISTS google_ml_integration;
        ALTER EXTENSION google_ml_integration UPDATE;

      如果您在运行上述命令时遇到问题，或者在运行上述命令后扩展程序未更新到 1.4.3 版，请与 AlloyDB 支持团队联系。

    3. 确保是最新版本后，运行 upgrade_to_preview_version 过程来安装预览版功能：

              CALL google_ml.upgrade_to_preview_version();
        SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion
        ------------
        1.4.4
        (1 row)

使用您所在区域支持的 Gemini 模型

如果您的 AlloyDB for PostgreSQL 集群位于不支持 gemini-2.0-flash 的区域，您可以使用 model_id parameter 在您所在的区域中使用其他可用的 Gemini 模型。

或者，您可以注册 Gemini 模型端点，并将该模型 ID 提供给 AI 运算符。如需了解详情，请参阅使用模型端点管理注册和调用远程 AI 模型。

以下示例展示了如何注册另一个 Gemini 端点。在此示例中，第二个 Gemini 端点是 gemini-2.0-flash 的全球端点。您可以通过传递 model_id =>gemini-2.0-flash-global` 作为附加参数，将此已注册的模型与 AI 运算符搭配使用。

CALL
  google_ml.create_model(
    model_id => 'gemini-2.0-flash-global',
    model_type => 'llm',
    model_provider => 'google',
    model_qualified_name => 'gemini-2.0-flash',
    model_request_url =>  'https://aiplatform.googleapis.com/v1/projects/<project_id>/locations/global/publishers/google/models/gemini-2.0-flash:generateContent',
    model_auth_type => 'alloydb_service_agent_iam'
);

在查询中使用过滤条件

AlloyDB AI 提供多个 AI 赋能的 SQL 函数，让您可以在数据库查询中直接使用自然语言处理和 LLM，包括 ai.if 和 ai.rank 运算符。

过滤条件

如需评估是否满足以自然语言陈述的条件，请使用 ai.if/google_ml.if 运算符。该函数会返回布尔值 true 或 false，如果未明确检测到输出，则返回 false。

- Function signature
FUNCTION ai.if(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS bool

以下示例展示了如何使用 ai.if 运算符作为过滤条件，查找正面评价数量超过 500 且位于人口超过 100,000 的城市中的餐厅。该示例使用 restaurant_reviews，并且包含评价和城市位置等数据。ai.if 运算符可帮助您了解评价情绪，并将数据库中的位置与 Gemini 关于这些位置的人口的一般知识相结合。

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population OF more than 100,000 AND the following is a positive review; Review: ' || r.review)
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

以下示例展示了如何使用在使用您所在区域支持的 Gemini 模型中注册的模型。

SELECT r.name, r.location_city
FROM restaurant_reviews r
WHERE
  AI.IF(r.location_city || ' has a population of more than 100,000 AND the following is a positive review; Review: ' || r.review, model_id => 'gemini-2.0-flash-global')
GROUP BY r.name, r.location_city
HAVING COUNT(*) > 500;

对查询执行使用 if 运算符的联接

如需执行联接操作，请将 ai.if/google_ml.if 运算符与联接搭配使用。以下示例查询会查找提及餐厅菜单中的每个菜单项的评价数量。

    SELECT item_name, COUNT(*)
    FROM menu_items JOIN user_reviews
      ON ai.if(
        prompt => 'Does the following user review talk about the menu item mentioned ? review: ' || user_reviews.review_text || ' menu item: ' || item_name)
    GROUP BY item_name;

文本生成和总结

ai.generate 函数通过将提供的数据与用户的提示相结合来生成文本。

-- Function Signature
FUNCTION ai.generate(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS TEXT

例如，您可以使用以下查询为每条用户评价生成简明摘要。

SELECT
  ai.generate(
    prompt => 'Summarize the review in 20 words or less. Review: ' || review) AS review_summary
FROM user_reviews

为查询结果评分

如果您需要使用自定义的自然语言指令对查询结果进行排序，请使用 ai.rank 运算符。此函数可让您提供描述排名条件的提示，并返回每项的得分。

-- Function signature
FUNCTION ai.rank(prompt TEXT, model_id VARCHAR(100) DEFAULT NULL) RETURNS real

例如，以下查询使用来自 LLM 的评分获取前 20 条最正面的餐厅评价。

SELECT review AS top20
FROM user_reviews
ORDER BY ai.rank(
  'Score the following review according to these rules:
  (1) Score OF 8 to 10 IF the review says the food IS excellent.
  (2) 4 to 7 IF the review says the food is ok.
  (3) 1 to 3 IF the review says the food is not good. Here is the review:' || review) DESC
LIMIT 20;

后续步骤