نوشتن SQL با هوش مصنوعی در DataHub
سوالتون رو درباره دادهها میپرسید و همراه پرسوجوی SQL، میبینید هر جدول و تعریف از کجا اومده و کدوم فرض هنوز نیاز به بررسی داره.
نوشتن SQL با هوش مصنوعی در DataHub از جایی شروع میشه که خیلی وقتها در گزارشگیری جا میافته. وقتی میپرسید «فروش ماه قبل چقدر بوده؟»، اسم جدولی که کلمه فروش در اون دیده میشه برای جواب دادن کافی نیست. شاید یک جدول سفارشهای لغوشده رو هم نگه داره یا هر سفارش در جدول دیگه چند ردیف داشته باشه. اسکیل datahub-sql-workflow اول دنبال تعریف فروش در کاتالوگ شما میگرده و بعد سراغ جدولها و ستونها میره.
میتونید فقط متن پرسوجو رو بخواید و خودتون بعدا اجراش کنید. اگر ابزار مجاز اجرای SQL وصل باشه، ایجنت میتونه یک بررسی کوچیک انجام بده تا مثلا معلوم بشه وصل کردن دو جدول باعث میشه بعضی سفارشها دوبار شمرده بشن یا نه. در جواب مشخص میکنه کدوم بخش از مستندات اومده، چه چیزی رو در داده دیده و کجا هنوز از شما توضیح میخواد.
کاربردها
- برای ساخت پرسوجوی فروش، تعریف فروش خالص و بازه زمانی رو از اسناد تیم پیدا کنید.
- با بررسی ستونهای جدول ببینید تاریخ ثبت سفارش و تاریخ پرداخت چه فرقی در گزارش ایجاد میکنن.
- برای اتصال جدولها بررسی کنید که سفارشهای بدون فاکتور هم باید در نتیجه بمونن یا نه.
- با گزارش منابع داده، جدول واقعی انبار داده رو از نسخهای که فقط مدلش رو توضیح میده تشخیص بدید.
- وقتی دو عدد با هم نمیخونن، از ایجنت بخواید نشون بده اختلاف از تعریف شاخصه یا دادههای ثبتشده.
نصب و استفاده
- اتصال مجاز DataHub MCP رو در ایجنتتون آماده کنید. برای گرفتن نتیجه واقعی، یک ابزار جدا با دسترسی فقط خواندن به انبار داده هم لازمه.
- مثلا بگید «فروش خالص ماه قبل رو برای هر دسته محصول میخوام. فعلا فقط پرسوجو رو بنویس و تعریف فروش رو هم نشون بده».
- جدولها و فرضهای جواب رو ببینید. اگر با تعریف مالی تیم فرق دارن، تعریف درست رو مشخص کنید تا ایجنت دوباره پرسوجو رو بررسی کنه.
سوالات متداول
منبع
ساخته DataHub Project. نام اصلی: datahub-sql-workflow، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub