引入或更新于：v1.2.777

内置 AI 函数

Databend 提供由 Azure OpenAI Service 支持的内置 AI 函数，可将 AI 能力无缝集成到 SQL 工作流中。

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。使用这些函数即表示您知晓此数据传输，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 • 文本摘要
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	计算向量间相似度	• 查找相似文档 • 搜索结果排序

Databend 中的向量存储

Databend 使用 VECTOR(1536) 数据类型存储嵌入向量，支持在 SQL 中直接通过 cosine_distance 函数进行相似度计算。

示例：使用嵌入向量进行语义搜索

-- 创建带嵌入向量的文档表
CREATE TABLE articles (
    id INT,
    title VARCHAR,
    content VARCHAR,
    embedding VECTOR(1536),
    VECTOR INDEX idx_embedding(embedding) distance='cosine'
);

-- 存储文档及其向量嵌入
INSERT INTO articles (id, title, content, embedding)
VALUES
    (1, 'Python for Data Science', 'Python is a versatile programming language...', 
       ai_embedding_vector('Python is a versatile programming language...')),
    (2, 'Introduction to R', 'R is a popular programming language for statistics...', 
       ai_embedding_vector('R is a popular programming language for statistics...'));

-- 查找语义相似的文档
SELECT
    id, title,
    cosine_distance(embedding, ai_embedding_vector('How to use Python in data analysis?')) 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('Explain the benefits of cloud data warehouses in three points:') AS completion;

快速入门

在 Databend Cloud 免费试用这些 AI 功能。