Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Uso de temas en Amazon Quick Chat
| Se aplica a: Enterprise Edition |
Puede usar los temas del chat rápido de Amazon para hacer preguntas en lenguaje natural que abarquen varios conjuntos de datos. El agente de LLM-powered chat utiliza las relaciones definidas, los metadatos de enriquecimiento de los conjuntos de datos y las instrucciones personalizadas para generar consultas SQL entre conjuntos de datos y obtener respuestas unificadas.
Cómo funcionan las consultas de chat entre conjuntos de datos
Cuando haces una pregunta en lenguaje natural sobre un tema, el agente de chat realiza los siguientes pasos:
-
Análisis de intenciones. El agente identifica qué columnas se corresponden con sus términos comparándolas con los nombres de las columnas, las descripciones y los sinónimos de los metadatos de enriquecimiento. Determina qué conjuntos de datos contienen las medidas y dimensiones relevantes.
-
Recorrido de relaciones. Mediante las claves de unión definidas y las instrucciones personalizadas, el agente determina la ruta de unión entre los conjuntos de datos identificados. Puede atravesar relaciones para conectar las tablas de hechos a las tablas de dimensiones necesarias.
-
Generación de SQL. El agente construye una consulta SQL con las cláusulas JOIN, la agregación y el GROUP BY adecuados para las dimensiones solicitadas.
-
Presentación de resultados. La respuesta se devuelve en forma de visualización o tabla, con el SQL generado disponible para su inspección en el panel Explicación.
Capacidades de chat con Topics
El agente de LLM-powered chat admite una generación de SQL más rica que la ruta de relación definida que se utiliza en las hojas de análisis. Al configurar un tema para el chat con instrucciones personalizadas, el agente puede generar:
-
Combinaciones internas, izquierdas, derechas y externas completas
-
Unifique consultas en tablas con el mismo esquema
-
Subconsultas para patrones de negación (por ejemplo, «clientes que nunca han hecho un pedido»)
-
Cross-grain comparaciones (por ejemplo, datos reales diarios frente a objetivos mensuales)
-
Self-joins para jerarquías recursivas (por ejemplo, relaciones entre empleado y gerente)
Cuanto más completos sean los metadatos de enriquecimiento y las instrucciones personalizadas, con mayor precisión interpretará el agente las preguntas ambiguas.
Iniciar un chat con un tema
Para chatear con un tema:
-
Navega hasta el tema y elige el icono de chat. El tema está disponible automáticamente como contexto.
-
O bien, desde Amazon Quick Chat, usa el filtro de datos para seleccionar aplicaciones y datos específicos y elige tu tema.
Haz preguntas en lenguaje natural que abarquen varios conjuntos de datos. Por ejemplo:
-
«Muestra las ventas totales por segmento de clientes y región de la tienda»
-
«¿Cuál es la tasa de devoluciones por categoría de producto?»
-
«¿Qué tiendas están por debajo del 80% de su objetivo mensual?»
Utilice el panel de explicación para ver el SQL generado y comprobar que se han utilizado los conjuntos de datos y las uniones correctos.
Diferencias con respecto a los temas antiguos del chat
La experiencia del chat difiere considerablemente entre los temas nuevos y los temas antiguos:
| Aspecto | Temas nuevos | Temas heredados |
|---|---|---|
Modelo de IA |
LLM-powered agente de chat |
Modelo de búsqueda ML-based difusa heredado |
Cross-dataset consultas |
Sí: recorre las relaciones y genera SQL entre conjuntos de datos con uniones en tiempo de ejecución |
No: selecciona un conjunto de datos y consulta solo ese conjunto de datos |
Tipos de combinación |
Interno, izquierdo, derecho, exterior completo, unión, subconsulta |
No aplicable (conjunto de datos único) |
Visibilidad de SQL |
El SQL generado se muestra en el panel de explicación |
No disponible |
nota
Puedes chatear tanto con temas nuevos como con temas antiguos. Sin embargo, los temas antiguos utilizan el ML-based modelo anterior y no admiten consultas entre conjuntos de datos. Para obtener información sobre los temas antiguos, consulteTrabajando con temas antiguos.
