本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
在 Amazon Quick Chat 中使用主題
| 適用於：企業版 |
您可以在 Amazon Quick Chat 中使用主題來詢問跨越多個資料集的自然語言問題。採用 LLM 技術的聊天代理程式會使用您定義的關係、資料集擴充中繼資料和自訂指示來產生跨資料集 SQL 查詢並傳回統一的答案。
跨資料集聊天查詢的運作方式
當您針對主題提出自然語言問題時，聊天客服人員會執行下列步驟：
-
意圖剖析。代理程式會比對擴充中繼資料中的資料欄名稱、描述和同義詞，以識別哪些資料欄對應至您的詞彙。它會決定哪些資料集包含相關的量值和維度。
-
關係周遊。使用定義的聯結金鑰和自訂指示，代理程式會決定已識別資料集之間的聯結路徑。它可以周遊關係，將事實資料表連接到必要的維度資料表。
-
SQL 產生。代理程式會針對請求的維度，建構具有適當 JOIN 子句、彙總和 GROUP BY 的 SQL 查詢。
-
結果呈現。答案會以視覺化或資料表的形式傳回，並在說明面板中提供產生的 SQL 以供檢查。
具有主題的聊天功能
採用 LLM 技術的聊天代理程式支援比分析表中使用的定義關係路徑更豐富的 SQL 產生。當您使用自訂指示設定聊天主題時，客服人員可以產生：
-
內部、左側、右側和完整外部聯結
-
使用相同結構描述跨資料表的聯集查詢
-
否定模式的子查詢 （例如，「從未訂購過的客戶」)
-
跨階層比較 （例如，每日實際與每月目標）
-
遞迴階層的自我加入 （例如，員工-經理關係）
擴充中繼資料和自訂指示越豐富，代理程式解譯模糊問題的速度就越準確。
使用主題開始聊天
若要與主題聊天：
-
導覽至主題，然後選擇聊天圖示。您的主題會自動做為內容使用。
-
或者，從 Amazon Quick Chat 使用資料篩選條件來選取特定資料和應用程式，然後選擇您的主題。
詢問跨越多個資料集的自然語言問題。例如：
-
「依客戶客群和商店區域顯示總銷售額」
-
「產品類別的傳回率是多少？」
-
「哪些商店低於每月目標的 80%？」
使用說明面板來檢視產生的 SQL，並確認已使用正確的資料集和聯結。
與聊天中舊版主題的差異
新主題和舊版主題之間的聊天體驗有很大差異：
| 面向 | 新主題 | 舊版主題 |
|---|---|---|
AI 模型 |
LLM 支援的聊天代理程式 |
舊版 ML 型模糊搜尋模型 |
跨資料集查詢 |
是 — 周遊關係並產生具有執行期聯結的跨資料集 SQL |
否 — 僅選取一個資料集並查詢該資料集 |
聯結類型 |
內部、左側、右側、完整外部、聯集、子查詢 |
不適用 （單一資料集） |
SQL 可見性 |
解釋面板中顯示的產生 SQL |
不適用 |
注意
您可以同時與新的主題和舊版主題聊天。不過，舊版主題使用舊版 ML 型模型，不支援跨資料集查詢。如需舊版主題的詳細資訊，請參閱 使用舊版主題。
