Autonomous AI Database Select AI

L'image montre le fonctionnement d'Autonomous AI Database Select AI. Le diagramme décrit la façon dont vous pouvez avoir une conversation avec vos données en posant une question en langage naturel via une interface, telle qu'un environnement de développement intégré ou une application, textuelle ou vocale.

Autonomous AI Database Select AI utilise ensuite un grand modèle de langage (LLM) pour générer une requête SQL et effectue les tâches suivantes :

• 1) Augmente la question en langage naturel avec les métadonnées du ou des schémas identifiés dans le profil de l'utilisateur.
• 2) Alimente le LLM avec une invite augmentée.
• 3) Le LLM génère une interrogation SQL sur la base de données.
• 4) La requête est exécutée et le résultat est envoyé à l'utilisateur.
• 5) Les questions précédentes sont conservées pour les interactions utilisateur de type conversation.

Enfin, l'utilisateur reçoit en retour une réponse provenant des données de son entreprise, en fonction de sa stratégie de sécurité des données existante.

Cette image montre le fonctionnement d'Autonomous AI Database Select AI. Le diagramme montre comment générer du contenu personnalisé simplement en posant une question dans l'invite Select AI.

Un utilisateur lance un workflow via une application. Par exemple, l'utilisateur souhaite créer une offre promotionnelle basée sur les achats précédents d'un client.

L'application utilise les données d'Autonomous AI Database et crée des offres promotionnelles ciblées personnalisées via un grand modèle de langage (LLM) comprenant les étapes suivantes :

• 1) Le contexte d'Autonomous AI Database (par exemple, les informations démographiques et le comportement d'achat des clients, les produits à promouvoir, etc.) est interrogé.
• 2) Des instructions de tâche rapides sont combinées avec ces données (par exemple, recommander des produits similaires de la liste de produits promus ; écrire un e-mail personnalisé et convaincant avec des recommandations)
• 3) Elle alimente ensuite le LLM avec l'invite augmentée et traite le résultat.

Le résultat final est fourni à l'utilisateur. Il inclut une offre promotionnelle convaincante par e-mail avec des recommandations de produits personnalisées basées sur les informations client, le comportement et les achats passés.

L'image montre le fonctionnement d'Autonomous AI Database Select AI. Le diagramme explique comment créer automatiquement la création et l'alimentation du magasin de vecteurs à partir de fichiers texte tels que, txt et html, sur votre magasin d'objets.

Select AI traite automatiquement les documents à des blocs, génère des incorporations, les stocke dans la banque de vecteurs spécifiée et met à jour l'index vectoriel à mesure que de nouvelles données arrivent :

• 1) Entrée : les données sont initialement stockées dans un stockage d'objets.
• 2) Autonomous AI Database extrait les données d'entrée ou le document, les fragmente et les transmet à un modèle d'intégration.
• 3) Le modèle d'intégration traite les données de bloc et renvoie des incorporations vectorielles.
• 4) Sortie : les incorporations vectorielles sont stockées dans Autonomous AI Database en tant que type de données vectorielles pour une utilisation avec RAG. À mesure que le contenu est ajouté, l'index vectoriel est automatiquement mis à jour.

L'image montre le fonctionnement d'Autonomous AI Database Select AI. Le diagramme décrit la façon dont Select AI implémente la génération augmentée par extraction (RAG).

La RAG extrait les informations pertinentes de la base de données Enterprise pour répondre à la question d'un utilisateur. Ces informations sont fournies au modèle de langage volumineux spécifié avec l'invite utilisateur. Select AI utilise ces informations d'entreprise supplémentaires pour améliorer l'invite, améliorant ainsi la réponse du LLM. La RAG peut améliorer la qualité des réponses grâce aux informations d'entreprise actualisées de la banque de vecteurs :

• 1) Entrée : l'utilisateur pose une question.
• 2) Autonomous AI Database Select AI génère des incorporations vectorielles du prompt à l'aide du modèle d'intégration indiqué dans le profil AI.
• 3) Autonomous AI Database Select AI utilise l'intégration générée et AI Vector Search pour trouver un contenu similaire à partir des données d'entreprise du client.
• 4) La recherche vectorielle renvoie les premiers résultats K qui seront utilisés pour augmenter le prompt.
• 5) Autonomous AI Database envoie les K premiers résultats de requête avec question de l'utilisateur au LLM.
• 6) Le LLM renvoie sa réponse à l'instance Autonomous AI Database.
• 7) Sortie : Autonomous AI Database Select AI fournit la réponse à l'utilisateur