As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Usando tópicos no Amazon Quick Chat
| Aplica-se a: Enterprise Edition |
Você pode usar os tópicos no Amazon Quick Chat para fazer perguntas em linguagem natural que abrangem vários conjuntos de dados. O agente de LLM-powered chat usa seus relacionamentos definidos, metadados de enriquecimento do conjunto de dados e instruções personalizadas para gerar consultas SQL entre conjuntos de dados e retornar respostas unificadas.
Como funcionam as consultas de bate-papo entre conjuntos de dados
Quando você faz uma pergunta em linguagem natural sobre um tópico, o agente do chat executa as seguintes etapas:
-
Análise de intenções. O agente identifica quais colunas são mapeadas para seus termos comparando nomes de colunas, descrições e sinônimos dos metadados de enriquecimento. Ele determina quais conjuntos de dados contêm as medidas e dimensões relevantes.
-
Travessia do relacionamento. Usando as chaves de junção definidas e as instruções personalizadas, o agente determina o caminho de união entre os conjuntos de dados identificados. Ele pode atravessar relacionamentos para conectar tabelas de fatos às tabelas de dimensões necessárias.
-
Geração de SQL. O agente constrói uma consulta SQL com cláusulas JOIN, agregação e GROUP BY apropriadas para as dimensões solicitadas.
-
Apresentação dos resultados. A resposta é retornada como uma visualização ou tabela, com o SQL gerado disponível para inspeção no painel Explicação.
Recursos de bate-papo com tópicos
O agente de LLM-powered bate-papo suporta uma geração de SQL mais rica do que o caminho de relacionamento definido usado nas planilhas de análise. Quando você configura um tópico para bate-papo com instruções personalizadas, o agente pode gerar:
-
Junções internas, esquerdas, direitas e externas completas
-
Unifique consultas em tabelas com o mesmo esquema
-
Subconsultas para padrões de negação (por exemplo, “clientes que nunca fizeram pedidos”)
-
Cross-grain comparações (por exemplo, valores reais diários versus metas mensais)
-
Self-joins para hierarquias recursivas (por exemplo, relacionamentos entre funcionário e gerente)
Quanto mais ricos forem os metadados de enriquecimento e as instruções personalizadas, mais precisamente o agente interpreta as perguntas ambíguas.
Iniciando um bate-papo com um tópico
Para conversar com um tópico:
-
Navegue até o Tópico e escolha o ícone de bate-papo. Seu tópico está automaticamente disponível como contexto.
-
Ou, no Amazon Quick Chat, use o filtro de dados para selecionar dados e aplicativos específicos e escolher seu tópico.
Faça perguntas de linguagem natural que abrangem vários conjuntos de dados. Por exemplo:
-
“Mostrar o total de vendas por segmento de clientes e região da loja”
-
“Qual é a taxa de devolução por categoria de produto?”
-
“Quais lojas estão abaixo de 80% de sua meta mensal?”
Use o painel Explicação para visualizar o SQL gerado e verificar se os conjuntos de dados e uniões corretos foram usados.
Diferenças em relação aos tópicos antigos no chat
A experiência de bate-papo difere significativamente entre tópicos novos e tópicos antigos:
| Aspecto | Novos tópicos | Tópicos legados |
|---|---|---|
Modelo de IA |
LLM-powered agente de bate-papo |
Modelo de ML-based pesquisa fuzzy antigo |
Cross-dataset consultas |
Sim — atravessa relacionamentos e gera SQL entre conjuntos de dados com uniões de tempo de execução |
Não — seleciona um conjunto de dados e consulta somente esse conjunto de dados |
Tipos de união |
Interno, esquerdo, direito, externo completo, união, subconsulta |
Não aplicável (conjunto de dados único) |
Visibilidade do SQL |
SQL gerado mostrado no painel Explicação |
Indisponível |
nota
Você pode conversar com tópicos novos e tópicos antigos. No entanto, os tópicos antigos usam o ML-based modelo legado e não oferecem suporte a consultas entre conjuntos de dados. Para obter informações sobre tópicos antigos, consulteTrabalhando com tópicos antigos.
