О чём урок
Этот учебник демонстрирует, как создать SQL-агента с использованием Cohere и LangChain. Агент может переводить запросы на естественном языке от пользователей в SQL и выполнять их в базе данных. Эта мощная комбинация позволяет интуитивно взаимодействовать с базами данных, не требуя прямого знания SQL. Основные темы: Настройка необходимых библиотек и среды Подключение к базе данных SQLite Настройка LangChain SQL Toolkit Создание пользовательского шаблона prompt с примерами few-shot Создание и запуск SQL-агента Добавление памяти агенту для отслеживания истории сообщений К концу этого учебника у вас будет функциональный SQL-агент, который сможет отвечать на вопросы о ваших данных, используя естественный язык. В этом учебнике используются смоделированные данные производственной среды, где отслеживается производство товарной позиции на нескольких станциях, что позволяет анализировать эффективность производства, производительность станций и прогресс отдельных позиций в производственном процессе. Это смоделировано по реальному сценарию использования клиента. База данных содержит две таблицы: Таблица product_tracking записывает перемещение позиций по различным зонам производственных станций, включая время начала и окончания, названия станций и идентификаторы продуктов. Таблица status регистрирует операционный статус станций, включая временные метки, названия станций и информацию о том, являются ли они продуктивными или находятся в простое. Оглавление Импорт необходимых библиотек базы данных Настройка LangChain SQL Toolkit Создание шаблона prompt с примерами few-shot Создание агента Запуск агента Сначала импортируем необходимые библиотеки для создания SQL-агента с использованием Cohere и LangChain. Эти библиотеки обеспечивают взаимодействие с базами данных на естественном языке и предоставляют инструменты для создания AI-агентов. Далее мы загружаем базу данных для наших производственных данных. Мы создаем базу данных SQLite в памяти, используя SQL-скрипты для таблиц product_tracking и status. Вы можете получить SQL-таблицы здесь. Затем мы создаем экземпляр SQLDatabase, который будет использоваться нашими инструментами и агентами LangChain для взаимодействия с данными. Далее мы инициализируем LangChain SQL Toolkit и инициализируем языковую модель для использования LLM от Cohere.
План урока
- Импорт необходимых библиотек
- Загрузка базы данных
- Загрузите SQL-файлы по ссылке ниже, чтобы создать базу данных.
- Настройка LangChain SQL Toolkit
- Создание шаблона prompt
- Создание шаблона prompt с примерами few-shot
- Создание агента
- Запуск агента
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.