IntelligentQueryEngine

? ❓ Интеллектуальный двигатель запросов: современная система запросов на двигатель AI

В этом хранилище размещается интеллектуальный двигатель запросов , управляемое AI решение запроса, которое объединяет передовую обработку естественного языка с надежными запросами базы данных. Система использует современные модели ИИ, векторные базы данных и традиционные реляционные базы данных, чтобы обеспечить бесшовное, интеллектуальное взаимодействие с вашими данными.

? Функции

• Google Gemini и обнимающееся лицом лица : использует силу передовых языковых моделей, чтобы понять запросы естественного языка и преобразовать их в точные заявления SQL.
• ChromADB для векторного хранения : эффективно хранит и извлекает внедрения для запросов на контекст и семантического поиска.
• MySQL Backend : запросы структурированные данные, хранящиеся в традиционной реляционной базе данных, обеспечивая совместимость с существующими рабочими процессами.
• Интеграция Langchain : цепочки сложные логики и рабочие процессы, обеспечивая многоэтапные запросы и принятие решений.
• Разработка на основе ноутбуков : эксперименты и прототипирование в гибкой, интерактивной среде.

Ключевые возможности

1. Естественный язык для SQL : пользователи могут задавать вопросы на простом английском языке, а двигатель генерирует точные запросы SQL, чтобы получить результаты из MySQL.
2. Семантический поиск : Найдите соответствующую информацию, используя векторные поиски сходства, хранящиеся в ChromADB.
3. Динамическое управление контекстом : адаптируется к пользовательским запросам с контекстным пониманием, включенным в Google Gemini и обнимающими лица.
4. Масштабируемость : предназначена для легкости больших наборов данных и сложных запросов.
5. Модульный дизайн : расширяемая архитектура для интеграции дополнительных моделей ИИ или систем баз данных.

Системная блок -схема

Эта структура дает обзор высокого уровня того, как различные компоненты взаимодействуют в вашем проекте Intelligent Query Engine.

Интеллектуальный двигатель запросов :

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

Поток объяснение:

1. Пользовательский запрос (естественный язык) : пользователь вводит запрос на естественном языке.
2. Google Gemini / Объятие Face Entgeddings : эти модели обрабатывают и внедряют запрос в формат, подходящий для понимания и дальнейшей обработки.
3. Langchain : организует многоэтапный процесс и интегрирует различные компоненты.
4. Chromadb : хранит векторные встраиваемые встроенные в контекст поиска, помогая в понимании запросов.
5. База данных MySQL : реляционная база данных, где проживают фактические данные.
6. Создание запросов SQL : переводит обработанную запрос естественного языка в точное утверждение SQL.
7. Окончательные результаты : результат выполнения запроса возвращается пользователю.

✅ Приложения

• Бизнес -аналитика: задайте сложные вопросы о ваших данных и получите действенные идеи.
• Электронная коммерция: запросы инвентаризации, ценообразование и данные о продажах на естественном языке.
• Исследование: извлечь закономерности и тенденции из структурированных наборов данных без опыта SQL.
• Команды по анализу данных: преодолеть разрыв между техническими и нетехническими пользователями, демократизируя доступ к данным.

? Начиная

Этот репозиторий включает в себя начальную реализацию в среде ноутбука. Переход к готовой к производству системы будет включать развертывание компонентов в масштабируемую инфраструктуру.

? Компоненты

1. Модель искусственного интеллекта : Google Gemini и обнимающиеся встроенные лица ( sentence-transformers/all-MiniLM-L6-v2 ) для понимания запросов.
2. Векторная база данных : ChromADB для хранения и извлечения внедрений.
3. Реляционная база данных : MySQL для структурированного хранения данных.
4. Оркестровка : Langchain для цепочек, таких как встраивание поиска, генерация запросов и извлечение данных.

? Результаты эксперимента:

• ⛃ Снимок базы данных

• ‍ вывод из необработанного запроса SQL

• ? Вывод из запроса приглашения AI (LLM)

Примечание. Использовал T4 GPU в Google Colab-Notebook для выполнения этой задачи.