Menulis SQL dengan Vanna dan Milvus
Vanna adalah kerangka kerja Python RAG (Retrieval-Augmented Generation) sumber terbuka untuk pembuatan SQL dan fungsionalitas terkait. Milvus adalah basis data vektor sumber terbuka yang paling canggih di dunia, yang dibangun untuk mendukung pencarian kemiripan dan aplikasi AI.
Vanna bekerja dalam dua langkah mudah - melatih "model" RAG pada data Anda, dan kemudian mengajukan pertanyaan yang akan menghasilkan kueri SQL yang dapat diatur untuk dijalankan pada database Anda. Panduan ini mendemonstrasikan cara menggunakan Vanna untuk membuat dan menjalankan kueri SQL berdasarkan data Anda yang tersimpan di database.
Prasyarat
Sebelum menjalankan notebook ini, pastikan Anda telah menginstal dependensi berikut:
$ pip install "vanna[milvus,openai]"
Jika Anda menggunakan Google Colab, untuk mengaktifkan dependensi yang baru saja terinstal, Anda mungkin perlu memulai ulang runtime (Klik menu "Runtime" di bagian atas layar, dan pilih "Restart session" dari menu tarik-turun).
Dan Anda perlu mengatur OPENAI_API_KEY
dalam variabel lingkungan Anda. Anda dapat memperoleh kunci API dari OpenAI.
import os
os.environ["OPENAI_API_KEY"] = "sk-***********"
Persiapan data
Pertama, kita perlu mewarisi kelas Milvus_VectorStore
dan OpenAI_Chat
dari Vanna dan mendefinisikan kelas baru VannaMilvus
yang menggabungkan kemampuan dari keduanya.
from pymilvus import MilvusClient, model
from vanna.milvus import Milvus_VectorStore
from vanna.openai import OpenAI_Chat
class VannaMilvus(Milvus_VectorStore, OpenAI_Chat):
def __init__(self, config=None):
Milvus_VectorStore.__init__(self, config=config)
OpenAI_Chat.__init__(self, config=config)
Kita menginisialisasi kelas VannaMilvus
dengan parameter konfigurasi yang diperlukan. Kita menggunakan instance milvus_client
untuk menyimpan embeddings dan model.DefaultEmbeddingFunction()
yang diinisialisasi dari milvus_model untuk menghasilkan embeddings.C
Adapun argumen dari MilvusClient
:
- Menetapkan
uri
sebagai file lokal, misalnya./milvus.db
, adalah metode yang paling mudah, karena secara otomatis menggunakan Milvus Lite untuk menyimpan semua data dalam file ini. - Jika Anda memiliki data dalam skala besar, Anda dapat mengatur server Milvus yang lebih berkinerja pada docker atau kubernetes. Dalam pengaturan ini, silakan gunakan uri server, misalnya
http://localhost:19530
, sebagaiuri
. - Jika Anda ingin menggunakan Zilliz Cloud, layanan cloud yang dikelola sepenuhnya untuk Milvus, sesuaikan
uri
dantoken
, yang sesuai dengan kunci Public Endpoint dan Api di Zilliz Cloud.
milvus_uri = "./milvus_vanna.db"
milvus_client = MilvusClient(uri=milvus_uri)
vn_milvus = VannaMilvus(
config={
"api_key": os.getenv("OPENAI_API_KEY"),
"model": "gpt-3.5-turbo",
"milvus_client": milvus_client,
"embedding_function": model.DefaultEmbeddingFunction(),
"n_results": 2, # The number of results to return from Milvus semantic search.
}
)
Ini adalah contoh sederhana dengan hanya beberapa sampel data, jadi kami mengatur n_results
ke 2 untuk memastikan kami mencari 2 hasil teratas yang paling mirip. Dalam praktiknya, Anda harus mengatur n_results
ke nilai yang lebih tinggi ketika berhadapan dengan kumpulan data pelatihan yang lebih besar.
Kita akan menggunakan contoh database SQLite dengan beberapa tabel yang berisi beberapa sampel data.
import sqlite3
sqlite_path = "./my-database.sqlite"
sql_connect = sqlite3.connect(sqlite_path)
c = sql_connect.cursor()
init_sqls = """
CREATE TABLE IF NOT EXISTS Customer (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Name TEXT NOT NULL,
Company TEXT NOT NULL,
City TEXT NOT NULL,
Phone TEXT NOT NULL
);
CREATE TABLE IF NOT EXISTS Company (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Name TEXT NOT NULL,
Industry TEXT NOT NULL,
Location TEXT NOT NULL,
EmployeeCount INTEGER NOT NULL
);
CREATE TABLE IF NOT EXISTS User (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Username TEXT NOT NULL UNIQUE,
Email TEXT NOT NULL UNIQUE
);
INSERT INTO Customer (Name, Company, City, Phone)
VALUES ('John Doe', 'ABC Corp', 'New York', '123-456-7890');
INSERT INTO Customer (Name, Company, City, Phone)
VALUES ('Jane Smith', 'XYZ Inc', 'Los Angeles', '098-765-4321');
INSERT INTO Company (Name, Industry, Location, EmployeeCount)
VALUES ('ABC Corp', 'cutting-edge technology', 'New York', 100);
INSERT INTO User (Username, Email)
VALUES ('johndoe123', 'johndoe123@example.com');
"""
for sql in init_sqls.split(";"):
c.execute(sql)
sql_connect.commit()
# Connect to the SQLite database
vn_milvus.connect_to_sqlite(sqlite_path)
Melatih dengan data
Kita dapat melatih model pada data DDL dari database SQLite. Kita mendapatkan data DDL dan mengumpankannya ke fungsi train
.
# If there exists training data, we should remove it before training.
existing_training_data = vn_milvus.get_training_data()
if len(existing_training_data) > 0:
for _, training_data in existing_training_data.iterrows():
vn_milvus.remove_training_data(training_data["id"])
# Get the DDL of the SQLite database
df_ddl = vn_milvus.run_sql("SELECT type, sql FROM sqlite_master WHERE sql is not null")
# Train the model on the DDL data
for ddl in df_ddl["sql"].to_list():
vn_milvus.train(ddl=ddl)
Adding ddl: CREATE TABLE Customer (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Name TEXT NOT NULL,
Company TEXT NOT NULL,
City TEXT NOT NULL,
Phone TEXT NOT NULL
)
Adding ddl: CREATE TABLE sqlite_sequence(name,seq)
Adding ddl: CREATE TABLE Company (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Name TEXT NOT NULL,
Industry TEXT NOT NULL,
Location TEXT NOT NULL,
EmployeeCount INTEGER NOT NULL
)
Adding ddl: CREATE TABLE User (
ID INTEGER PRIMARY KEY AUTOINCREMENT,
Username TEXT NOT NULL UNIQUE,
Email TEXT NOT NULL UNIQUE
)
Selain melatih pada data DDL, kita juga dapat melatih pada dokumentasi dan kueri SQL dari database.
# Add documentation about your business terminology or definitions.
vn_milvus.train(
documentation="ABC Corp specializes in cutting-edge technology solutions and innovation."
)
vn_milvus.train(
documentation="XYZ Inc is a global leader in manufacturing and supply chain management."
)
# You can also add SQL queries to your training data.
vn_milvus.train(sql="SELECT * FROM Customer WHERE Name = 'John Doe'")
Adding documentation....
Adding documentation....
Using model gpt-3.5-turbo for 65.0 tokens (approx)
Question generated with sql: What are the details of the customer named John Doe?
Adding SQL...
'595b185c-e6ad-47b0-98fd-0e93ef9b6a0a-sql'
Mari kita lihat data pelatihannya.
training_data = vn_milvus.get_training_data()
training_data
# | id | pertanyaan | konten |
---|---|---|---|
0 | 595b185c-e6ad-47b0-98fd-0e93ef9b6a0a-sql | Apa saja detail dari pelanggan yang bernama Joh... | SELECT * FROM Pelanggan WHERE Nama = 'John Doe' |
0 | 25f4956c-e370-4097-994f-996f22d145fa-ddl | Tidak ada | CREATE TABLE Perusahaan (\n ID INTEGER PRIMARY ... |
1 | b95ecc66-f65b-49dc-a9f1-c1842ad230ff-ddl | Tidak ada | CREATE TABLE Pelanggan (\n ID INTEGER PRIMARY... |
2 | fcc73d15-30a5-4421-9d73-b8c3b0ed5305-ddl | Tidak ada | CREATE TABLE sqlite_sequence (nama,seq) |
3 | feae618c-5910-4f6f-8b4b-6cc3e03aec06-ddl | Tidak ada | CREATE TABLE Pengguna (\n ID INTEGER PRIMARY KE... |
0 | 79a48db1-ba1f-4fd5-be99-74f2ca2eaeeb-doc | Tidak ada | XYZ Inc adalah pemimpin global dalam bidang manufaktur dan ... |
1 | 9f9df1b8-ae62-4823-ad28-d7e0f2d1f4c0-doc | Tidak ada | ABC Corp mengkhususkan diri dalam teknologi mutakhir ... |
Menghasilkan SQL dan menjalankannya
Seperti yang telah kita latih dengan data DDL, struktur tabel sekarang tersedia untuk membuat kueri SQL.
Mari kita coba sebuah pertanyaan sederhana.
sql = vn_milvus.generate_sql("what is the phone number of John Doe?")
vn_milvus.run_sql(sql)
SQL Prompt: [{'role': 'system', 'content': "You are a SQLite expert. Please help to generate a SQL query to answer the question. Your response should ONLY be based on the given context and follow the response guidelines and format instructions. \n===Tables \nCREATE TABLE Customer (\n ID INTEGER PRIMARY KEY AUTOINCREMENT,\n Name TEXT NOT NULL,\n Company TEXT NOT NULL,\n City TEXT NOT NULL,\n Phone TEXT NOT NULL\n)\n\nCREATE TABLE User (\n ID INTEGER PRIMARY KEY AUTOINCREMENT,\n Username TEXT NOT NULL UNIQUE,\n Email TEXT NOT NULL UNIQUE\n)\n\n\n===Additional Context \n\nABC Corp specializes in cutting-edge technology solutions and innovation.\n\nXYZ Inc is a global leader in manufacturing and supply chain management.\n\n===Response Guidelines \n1. If the provided context is sufficient, please generate a valid SQL query without any explanations for the question. \n2. If the provided context is almost sufficient but requires knowledge of a specific string in a particular column, please generate an intermediate SQL query to find the distinct strings in that column. Prepend the query with a comment saying intermediate_sql \n3. If the provided context is insufficient, please explain why it can't be generated. \n4. Please use the most relevant table(s). \n5. If the question has been asked and answered before, please repeat the answer exactly as it was given before. \n"}, {'role': 'user', 'content': 'What are the details of the customer named John Doe?'}, {'role': 'assistant', 'content': "SELECT * FROM Customer WHERE Name = 'John Doe'"}, {'role': 'user', 'content': 'what is the phone number of John Doe?'}]
Using model gpt-3.5-turbo for 367.25 tokens (approx)
LLM Response: SELECT Phone FROM Customer WHERE Name = 'John Doe'
# | Telepon |
---|---|
0 | 123-456-7890 |
Ini adalah pertanyaan yang lebih kompleks. Informasi nama perusahaan manufaktur ada dalam data dokumen, yang merupakan informasi latar belakang. Kueri SQL yang dihasilkan akan mengambil informasi pelanggan berdasarkan nama perusahaan manufaktur tertentu.
sql = vn_milvus.generate_sql("which customer works for a manufacturing corporation?")
vn_milvus.run_sql(sql)
SQL Prompt: [{'role': 'system', 'content': "You are a SQLite expert. Please help to generate a SQL query to answer the question. Your response should ONLY be based on the given context and follow the response guidelines and format instructions. \n===Tables \nCREATE TABLE Company (\n ID INTEGER PRIMARY KEY AUTOINCREMENT,\n Name TEXT NOT NULL,\n Industry TEXT NOT NULL,\n Location TEXT NOT NULL,\n EmployeeCount INTEGER NOT NULL\n)\n\nCREATE TABLE Customer (\n ID INTEGER PRIMARY KEY AUTOINCREMENT,\n Name TEXT NOT NULL,\n Company TEXT NOT NULL,\n City TEXT NOT NULL,\n Phone TEXT NOT NULL\n)\n\n\n===Additional Context \n\nXYZ Inc is a global leader in manufacturing and supply chain management.\n\nABC Corp specializes in cutting-edge technology solutions and innovation.\n\n===Response Guidelines \n1. If the provided context is sufficient, please generate a valid SQL query without any explanations for the question. \n2. If the provided context is almost sufficient but requires knowledge of a specific string in a particular column, please generate an intermediate SQL query to find the distinct strings in that column. Prepend the query with a comment saying intermediate_sql \n3. If the provided context is insufficient, please explain why it can't be generated. \n4. Please use the most relevant table(s). \n5. If the question has been asked and answered before, please repeat the answer exactly as it was given before. \n"}, {'role': 'user', 'content': 'What are the details of the customer named John Doe?'}, {'role': 'assistant', 'content': "SELECT * FROM Customer WHERE Name = 'John Doe'"}, {'role': 'user', 'content': 'which customer works for a manufacturing corporation?'}]
Using model gpt-3.5-turbo for 384.25 tokens (approx)
LLM Response: SELECT *
FROM Customer
WHERE Company = 'XYZ Inc'
# | ID | Nama | Perusahaan | Kota | Telepon |
---|---|---|---|---|---|
0 | 2 | 2. Jane Smith | XYZ Inc | Los Angeles | 098-765-4321 |
Putuskan sambungan dari SQLite dan Milvus dan hapus untuk membebaskan sumber daya.
sql_connect.close()
milvus_client.close()
os.remove(sqlite_path)
if os.path.exists(milvus_uri):
os.remove(milvus_uri)