IntelligentQueryEngine

?

Este repositorio aloja el motor de consulta inteligente , una solución de consulta impulsada por IA que integra el procesamiento avanzado del lenguaje natural con consulta de base de datos robusta. El sistema aprovecha los modelos de IA de última generación, las bases de datos vectoriales y las bases de datos relacionales tradicionales para proporcionar interacciones perfectas e inteligentes con sus datos.

? Características

• Google Gemini y abrazando incrustaciones faciales : aprovecha el poder de los modelos de lenguaje de vanguardia para comprender las consultas del lenguaje natural y convertirlas en declaraciones SQL precisas.
• ChromAdB para el almacenamiento de vectores : almacena y recupera eficientemente las integridades para consultas conscientes de contexto y búsqueda semántica.
• Backend de MySQL : consultas datos estructurados almacenados en una base de datos relacional tradicional, asegurando la compatibilidad con los flujos de trabajo existentes.
• Integración de Langchain : lógica y flujos de trabajo complejos, que permiten consultas y tomas de decisiones de varios pasos.
• Desarrollo basado en cuadernos : experimentación y creación de prototipos en un entorno interactivo flexible.

Capacidades clave

1. Lenguaje natural a SQL : los usuarios pueden hacer preguntas en inglés simple, y el motor genera consultas SQL precisas para obtener resultados de MySQL.
2. Búsqueda semántica : encuentre información relevante utilizando búsquedas de similitud basadas en vectores almacenadas en ChromadB.
3. Gestión dinámica del contexto : se adapta a las consultas de los usuarios con la comprensión contextual impulsada por Google Gemini y abrazando las integridades faciales.
4. Escalabilidad : diseñado para manejar grandes conjuntos de datos y consultas complejas fácilmente.
5. Diseño modular : arquitectura extensible para integrar modelos de IA adicionales o sistemas de bases de datos.

Diagrama de flujo del sistema

Esta estructura proporciona una descripción general de alto nivel de cómo interactúan los diversos componentes en su proyecto de motor de consulta inteligente.

Motor de consulta inteligente :

                    +---------------------+
                    |    User Query       |
                    | (Natural Language)  |
                    +----------+----------+
                               |
                               v
                   +-------------------------+
                   | Google Gemini / Hugging |
                   | Face Embeddings (NLP)   |
                   +-----------+-------------+
                               |
                               v
               +------------------------------+
               |      LangChain (Workflow)    |
               +-----------+------------------+
                               |
           +-------------------+------------------+
           |                                      |
           v                                      v
  +------------------+                   +-------------------+
  |   ChromaDB       |                   |   MySQL Database  |
  | (Vector Storage) |                   |  (Structured Data)|
  +------------------+                   +-------------------+
           |                                      |
           +-------------------+------------------+
                               |
                               v
                   +--------------------------+
                   |  SQL Query Generation    |
                   |  (Data Fetching)         |
                   +--------------------------+
                               |
                               v
                   +--------------------------+
                   |    Final Results         |
                   |   (Returned to User)     |
                   +--------------------------+

Explicación del flujo:

1. Consulta de usuario (lenguaje natural) : el usuario ingresa una consulta en lenguaje natural.
2. Google Géminis / Embedidos de la cara abrazando : estos modelos procesan e integran la consulta en un formato adecuado para la comprensión y el procesamiento adicional.
3. Langchain : orquesta el proceso de múltiples pasos e integra diferentes componentes.
4. ChromAdB : almacena incrustaciones vectoriales para la búsqueda basada en el contexto, ayudando en la comprensión de la consulta.
5. Base de datos MySQL : la base de datos relacional donde residen los datos reales.
6. Generación de consultas SQL : traduce la consulta del lenguaje natural procesado en una declaración SQL precisa.
7. Resultados finales : el resultado de la ejecución de la consulta se devuelve al usuario.

✅ Aplicaciones

• Inteligencia empresarial: haga preguntas complejas sobre sus datos y reciba ideas procesables.
• Comercio electrónico: inventario de consultas, precios y datos de ventas en lenguaje natural.
• Investigación: Extraer patrones y tendencias de conjuntos de datos estructurados sin experiencia en SQL.
• Equipos de análisis de datos: cierre la brecha entre los usuarios técnicos y no técnicos al democratizar el acceso a los datos.

? Empezando

Este repositorio incluye una implementación inicial en un entorno de cuaderno. La transición a un sistema listo para la producción implicará implementar los componentes a una infraestructura escalable.

? Componentes

1. Modelo de IA : Google Gemini y abrazos de combustible para facilidades ( sentence-transformers/all-MiniLM-L6-v2 ) para la comprensión de la consulta.
2. Base de datos vectorial : ChromAdB para almacenar y recuperar incrustaciones.
3. Base de datos relacional : MySQL para el almacenamiento de datos estructurados.
4. Orquestación : Langchain para encadenar pasos como la recuperación de la incrustación, la generación de consultas y la obtención de datos.

? Resultados del experimento:

• ⛃ Instantánea de la base de datos

• ?? ‍ Salida de la consulta SQL sin procesar

• ? Salida de la consulta rápida de AI (LLM)

Nota: T4 GPU utilizado en Google Colab-Notebook para completar esta tarea.