本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
在亚马逊快速聊天中使用主题
| 适用于：企业版 |
您可以使用 Amazon Quick 聊天中的主题来询问跨越多个数据集的自然语言问题。 LLM-powered 聊天代理使用您定义的关系、数据集丰富元数据和自定义指令来生成跨数据集 SQL 查询并返回统一的答案。
跨数据集聊天查询的工作原理
当你针对某个主题提出自然语言问题时，聊天代理会执行以下步骤：
-
意图解析。代理通过与丰富元数据中的列名称、描述和同义词进行匹配来识别哪些列映射到您的术语。它确定哪些数据集包含相关的度量和维度。
-
关系遍历。使用定义的联接密钥和自定义指令，代理确定已识别数据集之间的连接路径。它可以遍历关系，将事实表连接到必要的维度表。
-
生成 SQL。该代理使用相应的 JOIN 子句、聚合和 GROUP BY 为请求的维度构造一个 SQL 查询。
-
结果演示。答案以可视化或表格形式返回，生成的 SQL 可在解释面板中查看。
带有主题的聊天功能
与分析表中使用的定义关系路径相比， LLM-powered 聊天代理支持更丰富的 SQL 生成。当您使用自定义说明为聊天配置主题时，代理可以生成：
-
内连接、左连接、右连接和完全外部连接
-
在具有相同架构的表之间联合查询
-
否定模式的子查询（例如，“从未订购过的客户”）
-
Cross-grain 比较（例如，每日实际值与月度目标）
-
Self-joins 用于递归层次结构（例如，员工与经理的关系）
您的丰富元数据和自定义指令越丰富，代理对模糊问题的解释就越准确。
使用话题开始聊天
要与话题聊天，请执行以下操作：
-
导航到主题并选择聊天图标。您的主题将自动作为上下文使用。
-
或者，在 Amazon Quick 聊天中，使用数据筛选器选择特定数据和应用程序，然后选择您的主题。
提出跨越多个数据集的自然语言问题。例如：
-
“按客户细分和商店区域显示总销售额”
-
“按产品类别划分的退货率是多少？”
-
“哪些门店低于其月度目标的80％？”
使用解释面板查看生成的 SQL 并验证使用了正确的数据集和连接。
与聊天中传统话题的区别
新话题和旧版话题的聊天体验差异很大：
| 方面 | 新话题 | 传统话题 |
|---|---|---|
AI 模型 |
LLM-powered 聊天代理 |
传统的 ML-based 模糊搜索模型 |
Cross-dataset 查询 |
是 — 使用运行时联接遍历关系并生成跨数据集 SQL |
否-选择一个数据集并仅查询该数据集 |
联接类型 |
内、左、右、全外、联合、子查询 |
不适用（单一数据集） |
SQL 可见性 |
生成的 SQL 显示在 “解释” 面板中 |
不可用 |
注意
您可以与新主题和旧版主题聊天。但是，旧版主题使用旧版 ML-based 模型，不支持跨数据集查询。有关旧版主题的信息，请参阅处理旧版主题。
