IntelligentQueryEngine

? engine 지능형 쿼리 엔진 : 최신 AI 구동 쿼리 시스템

이 저장소는 고급 자연어 처리를 강력한 데이터베이스 쿼리와 통합하는 AI 구동 쿼리 솔루션 인 Intelligent Query 엔진을 호스팅합니다. 이 시스템은 최첨단 AI 모델, 벡터 데이터베이스 및 전통적인 관계형 데이터베이스를 활용하여 데이터와 원활하고 지능적인 상호 작용을 제공합니다.

? 특징

• Google Gemini 및 Hugging Face Embeddings : 자연 언어 쿼리를 이해하고 정확한 SQL 문으로 변환하기 위해 최첨단 언어 모델의 힘을 활용합니다.
• 벡터 저장을위한 크로마 메이드 : 컨텍스트 인식 쿼리 및 시맨틱 검색을위한 임베딩을 효율적으로 저장하고 검색합니다.
• MySQL 백엔드 : 기존의 관계형 데이터베이스에 저장된 구조화 된 데이터를 쿼리하여 기존 워크 플로와의 호환성을 보장합니다.
• Langchain Integration : 복잡한 논리 및 워크 플로, 다단계 쿼리 및 의사 결정을 가능하게합니다.
• 노트북 기반 개발 : 유연한 대화식 환경에서의 실험 및 프로토 타이핑.

주요 기능

1. 자연 언어 대 SQL : 사용자는 일반 영어로 질문을 할 수 있으며 엔진은 MySQL에서 결과를 가져 오기 위해 정확한 SQL 쿼리를 생성합니다.
2. 시맨틱 검색 : ChromADB에 저장된 벡터 기반 유사성 검색을 사용하여 관련 정보를 찾으십시오.
3. 동적 컨텍스트 관리 : Google Gemini 및 Hugging Face Embedding에 의해 구동되는 상황에 맞는 이해를 통해 사용자 쿼리에 적응합니다.
4. 확장 성 : 대형 데이터 세트와 복잡한 쿼리를 쉽게 처리하도록 설계되었습니다.
5. 모듈 식 설계 : 추가 AI 모델 또는 데이터베이스 시스템을 통합하기위한 확장 가능한 아키텍처.

시스템 흐름도

이 구조는 지능형 쿼리 엔진 프로젝트에서 다양한 구성 요소가 어떻게 상호 작용하는지에 대한 높은 수준의 개요를 제공합니다.

지능형 쿼리 엔진 :

                    +---------------------+
                    |    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)     |
                   +--------------------------+

흐름 설명 :

1. 사용자 쿼리 (자연어) : 사용자는 자연어로 쿼리를 입력합니다.
2. Google Gemini / Hugging Face Embeddings :이 모델은 이해 및 추가 처리에 적합한 형식으로 쿼리를 처리하고 포함시킵니다.
3. Langchain : 다단계 프로세스를 오케스트레이션하고 다른 구성 요소를 통합합니다.
4. ChromADB : 쿼리 이해를 지원하는 컨텍스트 기반 검색을 위해 벡터 임베드를 저장합니다.
5. MySQL 데이터베이스 : 실제 데이터가있는 관계형 데이터베이스.
6. SQL 쿼리 생성 : 처리 된 자연어 쿼리를 정확한 SQL 문으로 변환합니다.
7. 최종 결과 : 쿼리 실행 결과가 사용자에게 반환됩니다.

✅ 응용 프로그램

• 비즈니스 인텔리전스 : 데이터에 대한 복잡한 질문을하고 실행 가능한 통찰력을받습니다.
• 전자 상거래 : 자연 언어로 된 인벤토리, 가격 및 판매 데이터 쿼리.
• 연구 : SQL 전문 지식이없는 구조화 된 데이터 세트에서 패턴 및 추세를 추출합니다.
• 데이터 분석 팀 : 데이터에 대한 액세스를 민주화하여 기술 및 비 기술적 사용자 간의 격차를 해소합니다.

? 시작하기

이 저장소에는 노트북 환경에서의 초기 구현이 포함되어 있습니다. 생산 준비 시스템으로 전환하려면 구성 요소를 확장 가능한 인프라에 배포하는 것이 포함됩니다.

? 구성 요소

1. AI 모델 : Google Gemini 및 Hugging Face Embedings ( sentence-transformers/all-MiniLM-L6-v2 ) 쿼리 이해를위한.
2. 벡터 데이터베이스 : 임베딩을 저장 및 검색하기위한 ChromADB.
3. 관계형 데이터베이스 : 구조화 된 데이터 저장 용 MySQL.
4. 오케스트레이션 : 검색 검색, 쿼리 생성 및 데이터 가져 오기와 같은 체인 단계를위한 랑케인.

? 실험 결과 :

• ⛃ 데이터베이스의 스냅 샷

• 원시 SQL 쿼리의 출력 ??

• ? AI (LLM) 프롬프트 쿼리의 출력

참고 : Google Colab-Notebook에서 T4 GPU 사용 하여이 작업을 완료하십시오.