Funktionen ai_extract
Gäller för:
Databricks SQL
Viktigt!
Den här funktionen finns som allmänt tillgänglig förhandsversion.
I förhandsversionen
- Den underliggande språkmodellen kan hantera flera språk, men dessa funktioner är anpassade för engelska.
- Det finns hastighetsbegränsning för de underliggande Foundation Model-API:erna, se Foundation Model API:er för att uppdatera dessa gränser.
Med ai_extract() funktionen kan du anropa en toppmodern generativ AI-modell för att extrahera entiteter som anges av etiketter från en viss text med hjälp av SQL. Den här funktionen använder en chattmodell som betjänar slutpunkten som görs tillgänglig av Databricks Foundation-modell-API:er.
Behov
Viktigt!
De underliggande modeller som kan användas just nu är licensierade under Apache 2.0-licensen eller Llama 2 Community-licensen. Databricks rekommenderar att du granskar dessa licenser för att säkerställa efterlevnad av tillämpliga villkor. Om modeller dyker upp i framtiden som presterar bättre enligt Databricks interna riktmärken kan Databricks ändra modellen (och listan över tillämpliga licenser som tillhandahålls på den här sidan).
För närvarande är Mixtral-8x7B Instruct den underliggande modellen som driver dessa AI-funktioner.
- Den här funktionen är endast tillgänglig på arbetsytor i FOUNDATION Model API:er som betalar per token som stöds.
- Den här funktionen är inte tillgänglig i Azure Databricks SQL Classic.
- Kontrollera prissättningssidan för Databricks SQL.
Syntax
ai_extract(content, labels)
Argument
content: EttSTRINGuttryck.labels: EnARRAY<STRING>literal. Varje element är en typ av entitet som ska extraheras.
Returer
En STRUCT där varje fält motsvarar en entitetstyp som anges i labels. Varje fält innehåller en sträng som representerar den extraherade entiteten. Om fler än en kandidat för någon entitetstyp hittas returneras bara en.
Om content är NULLär NULLresultatet .
Exempel
> SELECT ai_extract(
'John Doe lives in New York and works for Acme Corp.',
array('person', 'location', 'organization')
);
{"person": "John Doe", "location": "New York", "organization": "Acme Corp."}
> SELECT ai_extract(
'Send an email to jane.doe@example.com about the meeting at 10am.',
array('email', 'time')
);
{"email": "jane.doe@example.com", "time": "10am"}