Урок из полного доступа, первые уроки курса бесплатно Официальный курс Gemini API Cookbook на русском
Урок 58 · Текст · ~5 мин

SQL-агент на LangChain и SQLite

Урок 58 из 84 курса «Gemini API: примеры использования»: официальный курс Gemini API Cookbook (Гугл Джемини) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Этот блокнот демонстрирует, как создать автономный SQL Agent с использованием Gemini API и LangChain. В отличие от традиционного подхода, основанного на цепочках, SQL Agent может анализировать ваш вопрос, решать, какие запросы выполнять, и самостоятельно исправлять ошибки.

К концу этого блокнота вы сможете: - Настроить базу данных SQLite с примерами данных - Создать LangChain SQL Agent на базе Gemini - Запрашивать базу данных, используя обычный естественный язык

Для запуска этого блокнота вам понадобится ключ Gemini API.

  1. Получите бесплатный ключ API на Google AI Studio
  2. В Colab нажмите значок 🔑 Secrets на левой боковой панели
  3. Добавьте новый секрет с именем GEMINI_API_KEY и вставьте свой ключ в качестве значения
  4. Включите доступ к блокноту для секрета

Выберите модель, которую вы хотите использовать в этом руководстве:

В этом разделе вы создадите базу данных SQLite, используя набор данных Titanic. Набор данных содержит информацию о пассажирах, включая возраст, пол, класс билета, стоимость проезда и статус выживания.

  1. Чтобы запросить базу данных, вам сначала нужно ее настроить. Здесь вы будете использовать набор данных Titanic, загруженный непосредственно из OpenML.
  1. Очистка данных: Преобразуйте столбцы в правильные типы данных и удалите строки с пропущенными значениями.
  1. Создание базы данных SQLite: Сохраните очищенные данные в базе данных SQLite с именем titanic.db в таблице с именем passengers.

Теперь, когда база данных готова, создайте SQL Agent с использованием LangChain и Gemini.

Создайте объект SQLDatabase для подключения к базе данных Titanic.

Создайте SQL Agent, объединив LLM и базу данных.

Примечание: Чтобы увидеть внутреннюю логику агента и сгенерированные SQL-запросы, установите verbose=True в ячейке создания агента выше.

Теперь, когда агент готов, запросите базу данных, используя обычный английский язык. Агент автоматически сгенерирует SQL-запрос, выполнит его и вернет ответ.

Перед запросом определите вспомогательную функцию для отображения вопроса и результата, сгенерированного агентом, а также окончательного ответа в чистом формате.

Следующие примеры демонстрируют способность агента отвечать на вопросы различной сложности — от простых подсчетов…

План урока

  1. Этот блокнот был предоставлен Гауравом Тхакуром.
  2. Настройка
  3. Установка SDK
  4. Настройка ключа API
  5. Настройка базы данных
  6. Создание SQL Agent
  7. Запрос к базе данных
  8. Примеры запросов

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Google Gemini 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Google Gemini (2 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды