Autonomous AI Database Select AI

Die Abbildung zeigt die Funktionsweise von Autonomous AI Database Select AI. Das Diagramm zeigt, wie Sie eine Unterhaltung mit Ihren Daten führen können, indem Sie über eine Schnittstelle, z. B. eine integrierte Entwicklungsumgebung oder eine Anwendung, eine Frage in natürlicher Sprache (per Text oder Stimme) stellen.

Autonomous AI Database Select AI verwendet dann ein großes Sprachmodell (LLM), um eine SQL-Abfrage zu erstellen, und führt die folgenden Aufgaben aus:

• 1) Ergänzt die natürlichsprachliche Frage mit Metadaten aus dem/den im Benutzerprofil angegebenen Schema(s).
• 2) Versorgt das LLM mit einem erweiterten Prompt.
• 3) Das LLM erstellt eine SQL-Abfrage an die Datenbank.
• 4) Die Abfrage wird ausgeführt, und das Ergebnis wird an den Benutzer gesendet.
• 5) Frühere Fragen werden für konversationsähnliche Benutzerinteraktionen aufbewahrt.

Schließlich erhält der Nutzer eine Antwort anhand der Daten seiner eigenen Organisation, die auf der bestehenden Datensicherheits-Richtlinie basiert.

In dieser Abbildung wir die Funktionsweise von Autonomous AI Database Select AI dargestellt Das Diagramm zeigt, wie Sie personalisierte Inhalte generieren, indem Sie eine Frage im Select AI-Eingabefeld stellen.

Ein Benutzer stößt einen Workflow über eine Anwendung an. Der Benutzer möchte zum Beispiel ein Werbeangebot erstellen, das auf den früheren Einkäufen eines Kunden basiert.

Die Anwendung nutzt Daten in Autonomous AI Database und erstellt personalisierte, zielgerichtete Werbeangebote mithilfe eines großen Sprachmodells (LLM), wobei folgende Schritte durchgeführt werden:

• 1) Der Kontext aus Autonomous AI Database (z. B. demografische Daten und Kaufverhalten der Kunden, Produkte, die beworben werden müssen usw.) wird abgefragt.
• 2) Prompt-Aufgabenstellungen werden mit diesen Daten kombiniert (z.B. ähnliche Produkte aus der Liste der beworbenen Produkte empfehlen; eine personalisierte und überzeugende E-Mail mit den Empfehlungen schreiben)
• 3) Anschließend wird das LLM mit dem erweiterten Prompt gefüttert und das Ergebnis wiedergegeben.

Am Ende erhält der Benutzer ein attraktives E-Mail-Angebot mit personalisierten Produktempfehlungen, die auf Kundeninformationen und -verhalten sowie auf früheren Einkäufen basieren.

Die Abbildung zeigt die Funktionsweise von Autonomous AI Database Select AI. Das Diagramm zeigt, wie sich die Erstellung und Befüllung eines Vektorspeichers aus Textdateien – wie TXT- oder HTML-Dateien – im Objektspeicher automatisieren lässt.

Select AI verarbeitet Dokumente automatisch in Chunks, erzeugt Embeddings, speichert diese im angegebenen Vektorspeicher und aktualisiert den Vektorindex bei neu eingehenden Daten:

• 1) Eingabe: Die Daten werden zunächst im Objektspeicher gespeichert.
• 2) Autonomous AI Database ruft die Eingabedaten bzw. Dokumente ab, zerlegt sie in Chunks und übergibt sie an ein Embedding-Modell.
• 3) Das Embedding-Modell verarbeitet die Chunks und gibt Vektor-Embeddings zurück.
• 4) Ausgabe: Die Vektor-Embeddings werden als Vektordatentyp in Autonomous AI Database gespeichert und stehen für RAG-Anwendungen zur Verfügung. Sobald neuer Inhalt hinzukommt, wird der Vektorindex automatisch aktualisiert.

Die Abbildung zeigt die Funktionsweise von Autonomous AI Database Select AI. Das Diagramm zeigt, wie Select AI Retrieval-Augmented Generation (RAG) umsetzt.

RAG ruft relevante Informationen aus der Unternehmensdatenbank ab, um die Frage eines Nutzers zu beantworten. Diese Informationen werden zusammen mit dem Benutzerprompt an das angegebene Large Language Model übergeben. Select AI nutzt diese zusätzlichen Unternehmensinformationen zur Anreicherung des Prompts und verbessert so die Antwortqualität des LLM. RAG kann die Antwortqualität mit aktuellen Unternehmensdaten aus dem Vektorspeicher verbessern:

• 1) Eingabe: Der Benutzer stellt eine Frage.
• 2) Autonomous AI Database Select AI erzeugt Vektor-Embeddings des Prompts mithilfe des im AI-Profil angegebenen Embedding-Modells.
• 3) Autonomous AI Database Select AI verwendet das erzeugte Embedding und AI Vector Search, um ähnliche Inhalte in den Unternehmensdaten des Kunden zu finden.
• 4) Die Vektorsuche liefert die Top-K-Ergebnisse, die zur Anreicherung des Prompts verwendet werden.
• 5) Autonomous AI Database sendet die Top-K-Ergebnisse zusammen mit der Benutzerfrage an das LLM.
• 6) Das LLM liefert seine Antwort an die Autonomous AI Database-Instanz zurück.
• 7) Ausgabe: Autonomous AI Database Select AI Das LLM gibt die Antwort an den Benutzer zurück.