MySQL HeatWave GenAI

Puedes utilizar los LLM en la base de datos para ayudar a generar o resumir contenido basado en documentos no estructurados. Los usuarios pueden plantear preguntas en lenguaje natural a través de aplicaciones, y el LLM procesará la solicitud y entregará el contenido.

Un usuario hace una pregunta en lenguaje natural "¿Puedes generar un resumen de esta solución?". El modelo de lenguaje grande (LLM) procesa esta entrada y genera el resumen como salida.

Se puede combinar el poder de la IA generativa con otras capacidades incorporadas de MySQL HeatWave, como el aprendizaje automático, para ayudar a reducir costos y obtener resultados más precisos más rápido. En este ejemplo, una empresa de fabricación lo hace para el mantenimiento predictivo. Los ingenieros pueden utilizar Oracle MySQL HeatWave AutoML para ayudar a elaborar automáticamente un informe de los registros de producción anómalos y MySQL HeatWave GenAI ayuda a determinar rápidamente la causa raíz del problema simplemente formulando una pregunta en lenguaje natural, en lugar de analizar manualmente los registros.

Un usuario pregunta a través de MySQL HeatWave Chat, "¿cuál es el principal problema en esta recopilación de logs? Proporciona un resumen de dos frases." En primer lugar, MySQL HeatWave AutoML produce una lista filtrada de logs anómalos basada en todos los logs de producción que ingiere continuamente. A continuación, MySQL HeatWave Vector Store proporciona contexto adicional al LLM basado en la base de conocimientos de logs. El LLM toma esa petición de datos aumentada, elabora un informe y proporciona al usuario una respuesta detallada que explica el problema en lenguaje natural.

Los chatbots pueden utilizar RAG para, por ejemplo, ayudar a responder a las preguntas de los empleados sobre las políticas internas de la empresa. Los documentos internos que detallan las políticas se almacenan como incrustaciones en MySQL HeatWave Vector Store. Para una consulta de usuario determinada, el almacén vectorial ayuda a identificar los documentos más similares realizando una búsqueda de similitudes con las incrustaciones almacenadas Estos documentos se utilizan para aumentar la pregunta dada al LLM de modo que proporcione una respuesta más contextual.

Un usuario pregunta a través de MySQL HeatWave Chat, "¿qué portátiles puedo pedir y cuál es el proceso?". MySQL HeatWave procesa la pregunta accediendo a los documentos de políticas internas alojados en MySQL HeatWave Vector Store. A continuación, proporciona una petición de datos aumentada al LLM que puede generar la respuesta "Aquí está la lista de proveedores aprobados y los pasos a seguir para ordenar".

Los desarrolladores pueden crear aplicaciones aprovechando el poder combinado del ML integrado y la IA generativa en MySQL HeatWave para ofrecer recomendaciones personalizadas. En este ejemplo, la aplicación utiliza el sistema de recomendación de MySQL HeatWave AutoML para sugerir restaurantes según las preferencias del usuario o pedidos anteriores. Con MySQL HeatWave Vector Store, la aplicación puede ayudar adicionalmente a buscar en los menús de los restaurantes en formato PDF para sugerir platos específicos, proporcionando mayor valor a los clientes.

Un usuario pregunta a través de MySQL HeatWave Chat "¿Qué platos veganos me sugieres hoy?". En primer lugar, el sistema de recomendación MySQL HeatWave AutoML sugiere una lista de restaurantes en función de lo que el usuario solicitó anteriormente. A continuación, MySQL HeatWave Vector Store proporciona un aviso aumentado al LLM basado en los menús de los restaurantes que alberga. El LLM puede generar una recomendación personalizada de platos en lenguaje natural.

La búsqueda de similitud se centra en encontrar contenido relacionado basado en la semántica. La búsqueda de similitud va más allá de las búsquedas simples de palabras clave considerando el significado subyacente en lugar de buscar solo las etiquetas aplicadas. En este ejemplo, un abogado quiere identificar rápidamente una cláusula potencialmente problemática en los contratos.

Un abogado pregunta a través de MySQL HeatWave Chat, "¿en qué contratos tenemos esta frase?". MySQL HeatWave Vector Store realiza una búsqueda de similitud y proporciona la respuesta "Esta frase aparece en los siguientes 6 contratos."