Simplify natural language query with Anthropic Claude on Amazon Bedrock
1.0.0
Malgré la progression du modèle de fondation, qui peut générer une déclaration SQL complexe, le principal problème est que le modèle de fondation n'a pas la compréhension du schéma de données de l'organisation. Chaque organisation a une convainsion de dénomination différente, en tant que telle, nous avons besoin d'un moyen de nourrir le schéma de données et de faire en sorte que le modèle de fondation le comprenne. Ce référentiel fournit l'exemple de cas d'utilisation de l'utilisation des capacités multimodales d'Anthropic Claude pour faire NLQ (ou la requête en langage naturel). En alimentant le diagramme de la relation d'entité de la base de données (ERD) dans l'image de canal d'image et la question de l'utilisateur dans le canal de texte, le modèle de fondation Claude Anthropic peut comprendre votre schéma de données et utiliser ces informations pour générer le SQL spécifique selon la question de l'utilisateur.
Ce référentiel fournit l'exemple de bout en bout de l'obtention de la question de l'utilisateur, de la génération de requête SQL, de l'interrogation du lac Data à l'aide d'Amazon Athena et de la génération de sorties plus naturelles au lieu de réponses de type table d'Amazon Athena.
Python et du SDK boto3 , veuillez consulter ici pour la documentation Boto3boto3 à jour (vous pouvez le faire par pip install --upgrade boto3 )
Vous trouverez ci-dessous le diagramme d'architecture de cette solution.
Voir contribuer pour plus d'informations.
Cette bibliothèque est autorisée sous la licence MIT-0. Voir le fichier de licence.
