IntelligentQueryEngine

❓ Motor de consulta inteligente: um moderno sistema de consulta a IA movido

Este repositório hospeda o mecanismo de consulta inteligente , uma solução de consulta acionada por IA que integra processamento avançado de linguagem natural com consultas de banco de dados robustas. O sistema utiliza modelos de IA de ponta, bancos de dados vetoriais e bancos de dados relacionais tradicionais para fornecer interações perfeitas e inteligentes com seus dados.

? Características

• Google Gemini e abraçando as incorporações de rosto : aproveita o poder dos modelos de linguagem de ponta para entender as consultas de linguagem natural e convertê-las em declarações SQL precisas.
• Chromadb para armazenamento de vetores : armazena e recupera com eficiência incorporações para consulta consciente do contexto e pesquisa semântica.
• Back -end do MySQL : Consultas Dados estruturados armazenados em um banco de dados relacional tradicional, garantindo a compatibilidade com os fluxos de trabalho existentes.
• Integração de Langchain : Flades Lógica e fluxos de trabalho complexos, permitindo consulta e tomada de decisão em várias etapas.
• Desenvolvimento baseado em notebooks : experimentação e prototipagem em um ambiente interativo flexível.

Capacidades -chave

1. Idioma natural para SQL : os usuários podem fazer perguntas em inglês simples, e o mecanismo gera consultas SQL precisas para buscar resultados do MySQL.
2. Pesquisa semântica : encontre informações relevantes usando pesquisas de similaridade baseadas em vetores armazenadas no Chromadb.
3. Gerenciamento dinâmico de contexto : adapta -se às consultas do usuário com compreensão contextual alimentada pelo Google Gemini e abraçando incorporações de rosto.
4. Escalabilidade : projetado para lidar com grandes conjuntos de dados e consultas complexas facilmente.
5. Design modular : Arquitetura extensível para integrar modelos ou sistemas de banco de dados adicionais.

Fluxograma do sistema

Essa estrutura fornece uma visão geral de alto nível de como os vários componentes interagem no seu projeto inteligente de mecanismo de consulta.

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

Explicação de fluxo:

1. Consulta do usuário (linguagem natural) : o usuário insere uma consulta em linguagem natural.
2. O Google Gemini / Hugging Face Incordações : Esses modelos processam e incorporam a consulta em um formato adequado para compreensão e processamento adicional.
3. Langchain : orquestra o processo de várias etapas e integra diferentes componentes.
4. Chromadb : armazena incorporações de vetor para pesquisa baseada em contexto, ajudando no entendimento da consulta.
5. Banco de dados MySQL : o banco de dados relacional onde os dados reais residem.
6. Geração de consulta SQL : traduz a consulta de linguagem natural processada em uma instrução SQL precisa.
7. Resultados finais : o resultado da execução da consulta é devolvido ao usuário.

✅ Aplicações

• Inteligência de negócios: faça perguntas complexas sobre seus dados e receba informações acionáveis.
• Comércio eletrônico: Inventário de consulta, preços e dados de vendas em linguagem natural.
• Pesquisa: extrair padrões e tendências de conjuntos de dados estruturados sem experiência em SQL.
• Equipes de análise de dados: preenche a lacuna entre usuários técnicos e não técnicos, democratizando o acesso aos dados.

? Começando

Este repositório inclui uma implementação inicial em um ambiente de notebooks. A transição para um sistema pronto para produção envolverá a implantação dos componentes para uma infraestrutura escalável.

? Componentes

1. Modelo de IA : Google Gemini e abraçando incorporados ( sentence-transformers/all-MiniLM-L6-v2 ) para entender a consulta.
2. Banco de dados vetorial : Chromadb para armazenar e recuperar incorporações.
3. Banco de dados relacional : MySQL para armazenamento de dados estruturado.
4. Orquestração : Langchain para etapas de encadeamento como recuperação de incorporação, geração de consultas e busca de dados.

? Resultados do experimento:

• ⛃ Instantâneo do banco de dados

• ?? ‍ Saída da consulta SQL bruta

• ? Saída da consulta de prompt da AI (LLM)

Nota: T4 GPU utilizado no Google Colab-Notebook para concluir esta tarefa.