Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Utilisation de sujets dans Amazon Quick Chat
| S’applique à : édition Enterprise |
Vous pouvez utiliser les rubriques d'Amazon Quick Chat pour poser des questions en langage naturel couvrant plusieurs ensembles de données. L'agent de LLM-powered chat utilise vos relations définies, les métadonnées d'enrichissement de l'ensemble de données et les instructions personnalisées pour générer des requêtes SQL inter-ensembles de données et renvoyer des réponses unifiées.
Comment fonctionnent les requêtes de chat entre ensembles de données
Lorsque vous posez une question en langage naturel sur un sujet, l'agent de chat effectue les étapes suivantes :
-
Analyse des intentions. L'agent identifie les colonnes correspondant à vos termes en les comparant aux noms de colonnes, aux descriptions et aux synonymes des métadonnées d'enrichissement. Il détermine quels ensembles de données contiennent les mesures et les dimensions pertinentes.
-
Traversée des relations. À l'aide des clés de jointure définies et des instructions personnalisées, l'agent détermine le chemin de jointure entre les ensembles de données identifiés. Il peut parcourir des relations pour connecter des tables de faits aux tables de dimensions nécessaires.
-
Génération SQL. L'agent construit une requête SQL avec les clauses JOIN appropriées, l'agrégation et GROUP BY pour les dimensions demandées.
-
Présentation des résultats La réponse est renvoyée sous forme de visualisation ou de tableau, le code SQL généré pouvant être consulté dans le panneau d'explication.
Capacités de chat avec Topics
L'agent de LLM-powered chat prend en charge une génération SQL plus riche que le chemin de relation défini utilisé dans les feuilles d'analyse. Lorsque vous configurez un sujet de discussion avec des instructions personnalisées, l'agent peut générer :
-
Joints intérieurs, gauches, droits et extérieurs complets
-
Regroupement des requêtes entre des tables ayant le même schéma
-
Sous-requêtes pour les modèles de négation (par exemple, « clients qui n'ont jamais commandé »)
-
Cross-grain comparaisons (par exemple, les chiffres réels quotidiens par rapport aux objectifs mensuels)
-
Self-joins pour les hiérarchies récursives (par exemple, les relations entre employés et dirigeants)
Plus vos métadonnées d'enrichissement et vos instructions personnalisées sont riches, plus l'agent interprète les questions ambiguës avec précision.
Démarrer une discussion avec un sujet
Pour discuter avec un sujet :
-
Accédez au sujet et choisissez l'icône de discussion. Votre sujet est automatiquement disponible en tant que contexte.
-
Ou, depuis Amazon Quick Chat, utilisez le filtre de données pour sélectionner des données et des applications spécifiques et choisir votre sujet.
Posez des questions en langage naturel qui couvrent plusieurs ensembles de données. Par exemple :
-
« Afficher le total des ventes par segment de clientèle et par région du magasin »
-
« Quel est le taux de retour par catégorie de produit ? »
-
« Quels magasins atteignent moins de 80 % de leur objectif mensuel ? »
Utilisez le panneau d'explication pour afficher le code SQL généré et vérifier que les jeux de données et les jointures appropriés ont été utilisés.
Différences par rapport aux anciens sujets du chat
L'expérience de chat varie considérablement entre les nouveaux sujets et les anciens sujets :
| Aspect | Nouveaux sujets | Sujets sur l'héritage |
|---|---|---|
Modèle d'IA |
LLM-powered agent de chat |
Modèle de recherche ML-based floue Legacy |
Cross-dataset requêtes |
Oui : parcourt les relations et génère du code SQL entre ensembles de données avec des jointures d'exécution |
Non : sélectionne un ensemble de données et interroge uniquement cet ensemble de données |
Types de jointures |
Intérieur, gauche, droite, extérieur complet, union, sous-requête |
Non applicable (ensemble de données unique) |
Visibilité SQL |
SQL généré affiché dans le panneau d'explication |
Non disponible |
Note
Vous pouvez discuter à la fois avec les nouveaux sujets et les anciens sujets. Cependant, les sujets existants utilisent le ML-based modèle existant et ne prennent pas en charge les requêtes entre ensembles de données. Pour plus d'informations sur les anciens sujets, consultezTravailler avec des sujets anciens.
