内置 AI 函数

Databend 提供了由 Azure OpenAI Service 驱动的内置 AI 函数，可将 AI 功能无缝集成到您的 SQL 工作流程中。

注意

数据隐私声明：使用内置 AI 函数时，您的数据将被发送到 Azure OpenAI Service。 通过使用这些函数，您确认此数据传输并同意 Azure OpenAI 数据隐私 条款。

函数	描述	使用场景
ai_text_completion	根据提示生成文本	• 内容生成 • 问题解答 • 摘要
ai_embedding_vector	将文本转换为向量表示	• 语义搜索 • 文档相似度 • 内容推荐
cosine_distance	计算向量之间的相似度	• 查找相似文档 • 对搜索结果进行排序

Databend 中的 Vector 存储

Databend 使用 ARRAY(FLOAT NOT NULL) 数据类型存储 embedding vector，从而可以使用 SQL 中的 cosine_distance 函数直接进行相似度计算。

示例：使用 Embeddings 进行语义搜索

-- 创建一个包含 embeddings 的文档表
CREATE TABLE articles (
    id INT,
    title VARCHAR,
    content VARCHAR,
    embedding ARRAY(FLOAT NOT NULL)
);

-- 存储包含 vector embeddings 的文档
INSERT INTO articles (id, title, content, embedding)
VALUES
    (1, 'Python for Data Science', 'Python 是一种通用的编程语言...', 
       ai_embedding_vector('Python 是一种通用的编程语言...')),
    (2, 'Introduction to R', 'R 是一种流行的统计编程语言...', 
       ai_embedding_vector('R 是一种流行的统计编程语言...'));

-- 查找语义相似的文档
SELECT
    id, title,
    cosine_distance(embedding, ai_embedding_vector('如何在数据分析中使用 Python？')) AS similarity
FROM articles
ORDER BY similarity ASC
LIMIT 3;

示例：文本生成

-- 根据提示生成文本
SELECT ai_text_completion('用三点解释云数仓的优势：') AS completion;

开始使用

在 Databend Cloud 上通过免费试用体验这些 AI 功能。