MaxCompute SQL AI 实操

简介: MaxCompute SQL AI全新上线,通过AI_GENERATE函数在SQL中直接调用大模型,实现工作总结智能分析,支持内容分类、情感判断与多模态处理,提升数据分析效率。

在企业日常运营中,工作总结统计是一项高频且重要的数据分析任务。传统的数据分析方法往往需要编写复杂的SQL查询、使用多种工具进行数据处理和可视化,耗时耗力。随着大模型技术的发展,MaxCompute SQL AI 全新上线,让数据分析师可以用熟悉的SQL语言直接调用大模型,实现更智能、更高效的数据分析。

本文将以"工作总结统计类数据"为主题,展示如何使用MaxCompute SQL AI功能,通过简单的SQL语句完成工作总结的智能分析,包括工作内容分类、情感倾向分析、关键信息提取等任务,帮助企业快速洞察员工工作状态和业绩情况。


AI_GENERATE是MaxCompute提供的AI Function,用于调用模型结合提示词执行推理任务,支持自然语言生成、复杂逻辑分析、情感分类、多模态理解等场景。用户可通过SQL直接完成非结构化数据的智能处理,无需外部服务依赖。

命令格式

AI_GENERATE在调用LLM大语言模型和MLLM多模态大语言模型时,会有不同的函数签名。

  • 当model_type为LLM大语言模型时,函数签名如下:
STRING AI_GENERATE(
  STRING <model_name> , 
  STRING <version_name>, 
  STRING <prompt> 
  [, STRING <model_parameters>]
);
  • 当model_type为MLLM多模态大语言模型时,函数签名如下:
STRING AI_GENERATE(
  STRING <model_name>, 
  STRING <version_name>, 
  STRING | BINARY <unstructured_data> ,
  STRING <prompt> 
  [, STRING <model_parameters>]
);

参数说明

  • model_name:必填。STRING类型。待使用的模型名。支持模型的model_type为LLM或MLLM。
  • version_name:必填。STRING类型。待使用的模型版本名。如果调用默认version,支持直接输入DEFAULT_VERSION。
  • prompt:必填。STRING类型。待输入的模型提示词。STRING类型常量、列名或表达式。
  • unstructured_data:必填(当model_type为MLLM时)。STRING或BINARY类型。需要处理的多模态数据,支持指定为图片STRING类型的URL地址,或图片BINARY类型二进制表示,当指定为BINARY类型时,需要在创建模型时同时指定BINARY类型的输入参数。
  • model_parameters:选填。STRING类型。支持指定模型调用相关参数max_tokens、temperature、top_p,格式为'{"max_tokens": 500, "temperature": 0.6, "top_p": 0.95}'。参数说明如下:
  • max_tokens:设置模型单次调用输出token的最大数量,对于MaxCompute公共模型,默认值为4096。
  • temperature:介于0到1之间的值,用于控制模型输出的随机性。越高的值会导致模型输出的多样化和随机性越高。
  • top_p:介于0到1之间的值,用于控制模型的随机性和多样性,越大的值会导致模型输出的随机性越高。

说明

使用AI Function调用公共模型推理时,需要SET odps.sql.using.public.model=true;打开使用公共模型开关。

返回值说明

返回STRING类型,模型的生成内容结果。

使用示例

  • 示例1:调用模型进行内容生成。
    调用MaxCompute提供的公共模型Qwen3-0.6B-GGUF,直接进行模型调用与内容生成。
SET odps.sql.using.public.model=true;
-- 返回结果。
-- "The capital of China is **Beijing**."
SELECT AI_GENERATE(bigdata_public_modelset.default.Qwen3-0.6B-GGUF,DEFAULT_VERSION,'what is the capital of China');
  • 示例2:调用模型进行情感分析。
    调用MaxCompute提供的公共模型Qwen3-1.7B-GGUF,对网络用户评论数据进行情感分析。
SET odps.sql.using.public.model=true;
SELECT 
    prompt,
    AI_GENERATE(
        bigdata_public_modelset.default.Qwen3-1.7B-GGUF,
        DEFAULT_VERSION,
        concat('请对以下评论进行情感分析分类,输出结果仅限于以下三个选项之一:正面、负面、中性。待分析的评论:', prompt)
    ) AS generated_text
FROM (
    VALUES 
        ('今天天气真好,心情很不错!阳光明媚,适合出去散步。 /no_think'),
        ('今天天气真好,心情很不错!阳光明媚 /no_think'),
        ('科技发展日新月异,人工智能改变生活。 /no_think'),
        ('防控措施很到位,为医护人员点赞! /no_think'),
        ('这个商品质量很差 /no_think')
) t (prompt);
-- 返回结果:
+-----------------------------------------------------+----------------+
| prompt                                              | generated_text |
+-----------------------------------------------------+----------------+
| 今天天气真好,心情很不错!阳光明媚,适合出去散步 /no_think  | "正面"          |
| 今天天气真好,心情很不错!阳光明媚 /no_think              | "正面"          |
| 科技发展日新月异,人工智能改变生活。 /no_think            | "正面"          |
| 防控措施很到位,为医护人员点赞! /no_think            | "正面"          |
| 这个商品质量很差 /no_think                             | "负面"          |
+-----------------------------------------------------+----------------+
  • 示例3:调用模型进行多模态数据处理。
    调用已经创建好的模型PAI_EAS_Qwen25_Omni_3B(PAI-EAS远程模型),并创建好名为image_demo的Object Table,详细步骤参考使用MaxCompute远程模型自动生成电商选品描述,即可调用AI Function。基于图片的URL地址及提示词进行模型调用,实现商品类目打标。
    说明
    当前MC远程模型仅支持配置EAS公网地址,在使用AI Function调用模型时,请参考通过项目管理编辑外部网络地址将EAS公网地址设置可用的MaxCompute外部网络地址。
SELECT
  key,
  AI_GENERATE(
    PAI_EAS_Qwen25_Omni_3B, v1, image_url,
    "从电商商品销售海报中识别并提取商品所属的类目。返回结果仅限于如下六个选项之一:美妆、服装、日用、食品、其他、电子产品,不包含其他文字或信息"
  ) AS item_catagory
  FROM (
    SELECT GET_SIGNED_URL_FROM_OSS(
      'pd_test_model.default.image_demo', key, 604800
    ) AS image_url, key AS key
    FROM pd_test_model.default.image_demo
) Limit 10;
-- 返回结果:
+--------------------+----------------+
| key                | item_catagory  |
+--------------------+----------------+
| alimamazszw-1.jpg  | 食品           | 
| alimamazszw-10.jpg | 电子产品        | 
| alimamazszw-11.jpg | 电子产品        | 
| alimamazszw-12.jpg | 美妆           | 
| alimamazszw-13.jpg | 电子产品        | 
| alimamazszw-14.jpg | 日用           | 
| alimamazszw-15.jpg | 美妆           | 
| alimamazszw-16.jpg | 美妆           | 
| alimamazszw-18.jpg | 日用           | 
+--------------------+---------------+
目录
相关文章
|
4月前
|
人工智能 安全 API
阿里云百炼 Token Plan 团队版上线!Qwen3.8抢先体验!
阿里云百炼Token Plan以统一Credits计费,打通文本、图像、视频等多模态模型及主流AI工具,支持三档包月套餐、团队管控、高峰算力隔离与数据隐私保障,一站式解决预算混乱、模型割裂、限流卡顿、安全隐忧四大痛点。
|
机器学习/深度学习 JSON JavaScript
图文讲解 Stable Diffusion API 调用教程
Stable Diffusion 是一个先进的深度学习模型,用于创造和修改图像。这个模型能够基于文本描述来生成图像,让机器理解和实现用户的创意。使用这项技术的关键在于掌握其 API,通过编程来操控图像生成的过程。
|
11月前
|
SQL 人工智能 分布式计算
【MaxCompute SQL AI 实操教程】0元体验使用大模型提效数据分析
【MaxCompute SQL AI 实操教程】0元体验使用大模型提效数据分析
1024 4
|
4月前
|
人工智能 分布式计算 DataWorks
阿里云大数据 AI 产品月刊-2026年6月
阿里云大数据& AI 产品技术月刊【2026 年 6 月】,涵盖 6 月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
4月前
|
JSON 人工智能 前端开发
程序员在线工具箱 JSON格式化、HTTP接口调试、Mock数据、时间戳、SEO分析一站式使用
httpjson 是一个面向前端、后端、测试、运维和站长的在线开发者工具箱,提供 JSON 格式化、HTTP 在线请求、编码解码、进制转换、文本对比、行政区划查询、Mock 数据生成、AI Skills、Logo 图标尺寸转换、AI 配色、时间戳转换、网页内容读取与 SEO 分析等常用工具。无需安装,打开浏览器即可使用。
1007 1
|
9月前
|
数据采集 人工智能 监控
大模型微调数据质量评估指南:如何为你的AI挑选“好食材”
本文系统介绍大模型微调数据质量的科学评估框架,提出“复杂性、可用性、多样性”三大核心维度,并结合推理损失逆向验证,提供可落地的五步评估法与实操工具(如LLaMA-Factory Online),助力团队以更少高质量数据获得更优模型效果。

热门文章

最新文章