AI 助理
备案控制台
官方文档
输入文档关键字查找
首页 实时数仓 Hologres 操作指南 Hologres AI AI资源与AI Function AI Function

AI Function

更新时间：
产品详情
我的收藏

Hologres自V3. 2版本起正式支持AI Function，并提供了Embedding、Rank和LLM等算子。您可通过标准SQL直接调用AI Function，无需额外推理服务，实现企业级知识库构建与推理等AI场景。

前提条件

  1. 已购买AI资源。

  2. 已部署模型。

AI Function汇总表

当前Hologres支持AI Function如下表：

  • 每个AI Function会根据部署的模型，默认分配一个最佳的模型，可以通过系统表查看AI Function默认分配的模型。

  • 调用AI Function时可以不需要填写模型名称，系统会自动使用默认的模型。如果需要更换AI Function对应的模型，需要通过系统表更改，详情请参见修改AI Function对应的模型。

  • 每个模型部署时需要的AI资源不同，请根据业务需要购买合适的规格。

AI Function名称

描述

支持的模型

支持的版本

ai_embed

对给定的文本计算一个固定维度的连续向量。

  • iic/nlp_gte_sentence-embedding_chinese系列。

  • Qwen/Qwen3-Embedding-XB系列。

V3.2及以上版本

ai_rank

对给定的文本进行相关性打分。

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_chunk

长文本分段

recursive-character-text-splitter。

ai_gen

通过提示词调用大语言模型进行推理并输出结果

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_classify

根据提供的分类标签对输入文本进行分类。

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_extract

从输入文本中提取指定的标签信息。

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_mask

从输入文本中将指定的标签信息脱敏，信息脱敏后用[MASKED]做占位符

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_fix_grammar

用于修复输入文本的语法错误

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_summarize

生成一段文本的摘要

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_translate

将输入文本翻译成指定的语言

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_similarity

计算两个输入文本的相似度。

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

ai_analyze_sentiment

对输入的文本进行情感分析。

Qwen3系列大模型，推荐使用Qwen/Qwen3-32B。

AI Function使用

ai_embed

  • 描述：对输入的文本计算一个固定维度的连续向量。

    SELECT ai_embed([model],content)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，输入的文本，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 若content参数值为NULL或者空字符串，则返回NULL。

    • 根据调用的模型，返回对应的向量维度。支持的模型和返回向量维度如下：

      模型名称

      返回的向量维度

      iic/nlp_gte_sentence-embedding_chinese-small

      512

      iic/nlp_gte_sentence-embedding_chinese-base

      768

      iic/nlp_gte_sentence-embedding_chinese-large

      1024

      Qwen/Qwen3-Embedding-0.6B

      1024

      Qwen/Qwen3-Embedding-4B

      2560

      Qwen/Qwen3-Embedding-8B

      4096

  • 使用示例

    SELECT ai_embed('Hologres是阿里巴巴自主研发的一站式实时数仓引擎，支持海量数据实时写入、实时更新、实时加工、实时分析.');

    返回结果如下。

    ai_embed
-------
{-0.020090256,-0.009496426,-0.01584659,0.014317295,-0.04607893,0.024886303,1.5420817E-4,0.026162162,-0.03752437,0.015775507,-0.04177341,-0.013460643,0.033544105,-0.029394781,0.0069257156,-0.01222168,3.0216237E-4,0.0054371865,0.016183373,0.020896716,0.035535984,0.008347215,0.031663015,0.025305834,-0.04131702,-0.033532545,0.06169271,0.006304144,0.056792237,0.040539958,-0.078987345,-0.02847365,0.039656907,0.011879058,0.0052145706,-0.004678201,-0.026654543,0.0014951921,-0.0041095354,0.028060248,0.02519349,7.0495816E-4,-0.023101272,0.00899543,0.014460813,0.0041699326,0.015528168,0.018089484,0.0066144923,-0.054523475,-0.0019379448,-0.040240895,0.016452068,0.040140025,0.029684952,-0.020101555,0.021029668,-0.0011768423,0.019794837,-0.010320337,-0.0025771167,0.014714588,-0.011602978,0.035582263,-0.037679505,-0.0253898,0.031427786,-0.0030908722,-0.022796335,0.042317867,0.0115412725,-0.023376886,-0.014504731,7.2365743E-4,0.008261744,-0.014813935,-0.0062122354,0.01741836,0.020995634,0.03629264,-0.0035633524,0.008751004,-0.04466549,0.0045474623,0.006578948,0.006502968,-0.0128487805,-0.0018316561,-0.014015705,-0.039480567,-0.040248442,0.020797035,-0.032448824,-0.030735409,-0.049299274,2.266165E-5,-0.021089396,0.016647113,-0.007873047,-0.041477893,-0.029021524,-0.023258539,0.0060021314,-0.017987624,0.038044956,-0.0032934784,-0.002384601,-0.02673212,0.025557652,-0.038381096,-0.034366325,0.05164039,0.018401438,0.019114511,0.0320619,-0.07703687,-0.008715445,0.004509739,0.004032602,-0.03357468,-0.037365053,-0.015432662,0.0022537822,-0.008038424,0.013542681,0.002655194,-0.029011743,8.822335E-4,-0.038797747,0.009556934,-0.044336736,-0.045059543,0.014049014,0.026100427,-0.009336136,-0.02371003,-0.05419659,0.0025305692,-0.0044283434,0.07481789,-0.07813458,-0.020659316,-0.02078458,0.020525886,-0.015213658,-0.029009484,0.02287392,0.002408117,-0.024104768,-0.011369992,-0.014089207,-0.01710999,0.016106417,0.01469697,-0.0042726058,0.060460363,-0.011873481,-0.020930506,-0.03034617,0.05012075,-0.0034694336,-0.029878203,-6.3509366E-4,0.019851772,-0.028228344,0.006498847,0.007332751,-0.044772487,-0.0040114652,-0.0062852474,-0.026770413,-0.002599817,0.021863673,0.005035857,-0.050771184,-0.009728754,-0.057259202,0.02631201,-0.019925602,-0.033796232,-0.0018945112,0.014107386,0.016418343,0.005303861,0.0135098295,-0.022271244,0.027085848,-0.008059362,0.009343293,-0.034445345,-0.047172863,-0.018515354,-0.053181197,-0.04407386,0.035571788,-0.041234825,0.04314981,0.002534735,0.016181212,-0.014853425,-0.04405587,0.0013351967,0.023719758,-0.049617242,0.0022366885,-0.019256268,-0.004300273,-0.017665166,0.012463366,0.034075502,0.051636428,-4.7821744E-4,0.03172388,0.017369539,0.014823238,-0.027549954,0.029251441,0.025419736,-0.02971091,0.022539496,0.0476104,-0.032902148,0.009644813,0.021973446,0.022908133,0.00939035,0.023080595,-0.03928454,-0.00559517,0.0074659847,0.019499207,0.03815899,-0.039985757,-9.70692E-4,0.03077494,0.0049040243,-0.005923366,-0.017174922,-0.01143735,0.044279836,-0.025019817,0.0055455184,-0.010266678,-0.012691499,-0.009725198,-0.013605499,-0.029754722,0.011299827,-0.016808294,0.011174802,-0.044738125,-0.0063206153,-0.013793128,0.012267754,-0.004058797,0.038677044,-0.07299788,-0.041260958,-0.030443268,-0.020508127,-0.014190403,-0.032265723,0.012994454,-0.01736776,-0.002753713,0.034751836,6.172106E-4,0.03796643,0.004366568,0.0026832006,-0.007492188,-0.007815222,-0.011610108,-0.017532434,0.011322546,-0.026171764,-3.320286E-4,-0.00809122,-0.0099913115,-0.052280765,0.06709391,0.013618772,-0.008046992,-0.026774628,-0.0030112304,-0.011148061,-0.015862592,-0.0012523888,0.019169632,-0.013183991,0.058447897,-0.066070825,-0.018601159,-0.026439346,-0.043570194,-0.040800825,0.03182613,0.024459055,-0.011861589,0.024043743,0.020251626,0.016592184,0.0050358092,-0.031315472,-0.006125953,-0.0019090442,0.012550221,0.006066753,-0.018271126,0.0056952024,-0.018685043,0.012299163,0.008602334,-0.058497902,-0.014249865,0.024619093,0.010191363,-0.011479964,-0.05295521,0.002178216,0.010789972,-0.047581896,-0.041979644,0.003018161,-0.01187381,0.013641192,-0.006910626,-0.017476687,-0.092886284,0.016303144,-0.0656557,0.0393312,-0.00734339,-0.010661719,-0.030407853,-0.0019478837,-0.025930727,0.0143570695,0.030311229,-0.02835583,-0.028756302,0.013602009,-0.0114444,0.021219743,0.018876078,-0.00706621,0.0057647913,-2.1978962E-4,-0.039444894,-0.022552658,0.040268976,-0.026431147,0.006348533,0.01962976,-0.028969157,-0.02978469,0.015192576,0.007040585,-0.01703445,-0.019894224,-0.05302061,-0.02796155,0.016022341,0.07971494,-0.020121878,0.008103532,0.029247347,-0.050322242,-0.040082593,-0.017230613,-0.061861333,-0.0011664771,0.0638918,0.6679717,-0.008337208,0.029303335,0.030245095,-0.03465869,-0.026123257,-0.027559027,0.0011931243,0.022468442,0.031079037,-0.024323825,0.051751327,0.012491362,-0.012475901,0.016949087,0.006617063,0.027306462,-0.045174897,0.014700085,-0.031133756,0.0028133818,0.0019959125,0.011375029,0.0108162435,-0.013669856,-0.041825816,0.019307282,0.010374943,0.0043516876,0.010901093,-0.06891068,-0.017824681,-0.021618223,0.042757142,0.002811404,-0.038480062,-0.06549113,-0.006518994,0.39589778,0.045161903,0.033981014,0.003074911,0.03182808,0.033946298,0.023792086,0.0010783391,-0.022792079,2.8131215E-4,-0.011764349,-0.0097329635,-0.029654287,0.03617558,0.022550045,-0.015727773,-0.015013847,-0.014165514,-0.027054857,-0.01433588,0.01823297,-0.011408835,0.010381236,-0.0030086145,0.0107870065,-0.0089501515,-0.0024821209,0.004880558,-0.003297857,-0.01678033,-0.009938173,-0.017735299,-0.01792335,-0.008095857,-0.015562422,0.00855466,0.07420776,0.0108909,-0.0021402114,0.028655833,0.022409104,0.0044330736,0.06277253,-0.0045404425,0.0012109925,-0.007891864,-0.007558582,0.025458653,-0.009270777,-0.011058675,-0.044711497,-0.042486735,0.054807488,0.022449961,-0.009994548,-0.0145181175,0.006506842,0.008109535,0.023708044,0.012324202,0.028730625,0.049536083,-0.0026819003,0.027622702,-0.021563001,0.052271232,0.01119383,-0.010243235,0.03180048,-0.045560632,-0.02265904,0.0026275457,-0.017319424,-0.03278405,0.0031222694,-0.025735423,0.02083654,-0.056031268,0.022937516,-0.047072068,0.019013148,-0.052942477,-0.06005854,0.01698916,-6.9272966E-4,-0.0020978078,-0.014311838,0.0027517779,-0.011554661,0.012647215,-0.04290714,-0.017936137,0.008038792,-0.02773122,0.033019494,-0.031243484,0.025308052,0.016123088,-0.044190194,-0.02165721,-0.057956327}

ai_rank

  • 描述：对给定的文档进行相关性打分。

    SELECT ai_rank([model],source_sentence, sentence_to_compare);

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • source_sentence：必填，文本内容，支持字符类型（CHAR、VARCHAR、TEXT）。

    • sentence_to_compare：必填，与source_sentence参数值进行对比的语句，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 返回FIOAT类型的相关性Score，取值区间：[0, 1]，值越大相关性越高。

    • 若source_sentence和sentence_to_compare参数其中一个值为NULL时，返回0。

  • 使用示例

    SELECT knowledge, ai_rank('阿里巴巴2024年营收是多少？', knowledge) AS score
  FROM (
      VALUES ('Amazon 2024年营收6380亿美元'), 
             ('Alibaba 2024年营收9411.68亿元'), 
             ('阿里巴巴2023年的营收8686.87亿元')
  ) AS knowledge_table(knowledge)
  ORDER BY score DESC;

    返回结果如下。

    knowledge	                  ｜ score
-----------------------------｜-------
Alibaba 2024年营收9411.68亿元	 ｜0.899999976
阿里巴巴2023年的营收8686.87亿元 ｜0.200000003
Amazon 2024年营收6380亿美元	   ｜0.100000001

ai_chunk

  • 描述：对长文本进行分段（切片）。

    SELECT ai_chunk([model,] long_sentence[, chunk_size, chunk_overlap, separators])

  • 参数说明

    参数名称

    说明

    model

    可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    long_sentence

    必填，需要分段的源文本，支持字符类型（CHAR、VARCHAR、TEXT）。

    chunk_size

    可选，每个分段的Chunk长度，支持INT类型， 默认值是300。

    chunk_overlap

    可选，相邻Chunk的Overlap长度，避免句子切到不同Chunk破坏语义，支持INT类型，默认值是50。

    separators

    可选，切分Chunk的分隔符，TEXT[]类型。默认值是["\n\n", "\n", " ", ""]， 适用于处理英文文本。如果是中文文本建议使用中文分隔符["\n\n", "\n", "。", "！", "？", "；", "，", " "]。

  • 返回值说明

    • 返回TEXT[]类型，表示分割好的Chunks列表。

    • 若long_sentence参数值为None时，则返回None。

  • 使用示例

    SELECT ai_chunk('Hologres是阿里巴巴自主研发的一站式实时数仓引擎（Real-Time Data Warehouse），支持海量数据实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议和语法，支持大部分PostgreSQL函数），支持PB级数据多维分析（OLAP）与即席分析（Ad Hoc），支持高并发低延迟的在线数据服务（Serving），支持多种负载的细粒度隔离与企业级安全能力，与MaxCompute、Flink、DataWorks深度融合，提供企业级离在线一体化全栈数仓解决方案。',40,10);

    返回结果如下。

    ai_chunk
---
"{"Hologres是阿里巴巴自主研发的一站式实时数仓引擎（Real-Time Data","Warehouse），支持海量数据实时写入、实时更新、实时加工、实时分析，支持标","工、实时分析，支持标准SQL（兼容PostgreSQL协议和语法，支持大部分Po","语法，支持大部分PostgreSQL函数），支持PB级数据多维分析（OLAP）与","维分析（OLAP）与即席分析（Ad","Hoc），支持高并发低延迟的在线数据服务（Serving），支持多种负载的细粒度","支持多种负载的细粒度隔离与企业级安全能力，与MaxCompute、Flink、D","te、Flink、DataWorks深度融合，提供企业级离在线一体化全栈数仓解","线一体化全栈数仓解决方案。"}"

ai_gen

  • 描述：通过提示词调用大语言模型进行推理并输出结果。

    SELECT ai_gen([model,] text)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • text：待输入的提示词，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 返回大模型对该问题的回答。

    • 若text参数值为NULL时，则返回NULL；

    • 若text参数值为空字符串（""）时，则返回空字符串（""）。

  • 使用示例

    CREATE TABLE questions (
    question TEXT
);

INSERT INTO questions (question) VALUES
  ('什么是人工智能？'),
  ('如何提高英语口语水平？'),
  ('健康饮食有哪些注意事项？');

SELECT
  question,
  ai_gen('请用 20 个字回答如下问题: ' || question) AS answer
FROM
  questions;

    返回结果如下。

     question            ｜	answer
  --------------------｜-------
如何提高英语口语水平？	  ｜多说多练，模仿发音，积累词汇，勇于开口。
健康饮食有哪些注意事项？	｜均衡搭配，控制油盐糖，多蔬果，少加工，适量饮水，规律饮食。
什么是人工智能？	        ｜人工智能是模拟人类智能的计算机系统，能学习、推理、感知和解决问题。

ai_classify

  • 描述：根据提供的分类标签对输入文本进行分类。

    SELECT ai_classify([model,] content, labels)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，需要分类的文本，支持字符类型（CHAR、VARCHAR、TEXT）。

    • labels：必填，表示期望输出的分类标签列表，标签数量须在2~20之间，支持ARRAY类型。

  • 返回值说明

    • 返回分类结果，即匹配的标签。返回值类型为TEXT。

    • 若content参数值为NULL时，则返回NULL。

    • 若content是空字符串（""）时，则返回NULL。

    • 若labels参数值数量不正确时，将报错。

  • 使用示例

    CREATE TABLE product_detail(
    product_name TEXT,
    product_desc TEXT
);
INSERT INTO product_detail VALUES
('iphone','苹果手机'),
('p50','华为手机'),
('x200','vivo手机'),
('aaa','Dior连衣裙'),
('bbb','Dior裤子'),
('声声乌龙','茶颜悦色的奶茶'),
('夹心饼干','奥利奥的饼干');

--用ai_classify对文本分类
SELECT
    product_name,
    ai_classify(product_desc, ARRAY['电子产品', '服装', '食品']) AS catalog
  FROM
     product_detail
  LIMIT 10;

    返回结果如下。

    product_name	｜catalog
--------------｜------
aaa	          ｜服装
iphone	      ｜电子产品
声声乌龙	      ｜食品
p50	          ｜电子产品
x200	        ｜电子产品
bbb	          ｜服装
夹心饼干	      ｜食品

ai_extract

  • 描述：从输入文本中提取指定的标签信息。

    SELECT ai_extract([model,] content, labels)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，需输入的文本信息，支持字符类型（CHAR、VARCHAR、TEXT）。

    • labels：必填，指定的标签信息，标签数量须在1~20之间，支持ARRAY类型。

  • 返回值说明

    • 返回每个Label对应的提取信息，为JSON格式。

    • 若content参数值为NULL或空字符串（""）时，则返回NULL。

    • 若labels参数值数量不正确时，将报错。

  • 使用示例

    CREATE TABLE users (
  user_id TEXT,
  resume TEXT
);

INSERT INTO users (user_id, resume) VALUES
  ('u001', '姓名：张三，男，28岁。邮箱：zhangsan@example.com，电话：13800138000。工作经验丰富。'),
  ('u002', '姓名：李四，女，35岁。电话：13900139000，邮箱：lisi@example.com。具有管理经验。'),
  ('u003', '姓名：王五，男，25岁。邮箱：wangwu@example.com。电话：13700137000。');

SELECT
  user_id,
  ai_extract(resume, ARRAY['姓名','邮箱','电话','性别','年龄']) AS user_desc_obj
FROM
  users;

    返回结果如下。

    user_id	｜user_desc_obj
--------｜-------------
u002	  ｜"{"姓名":"李四","年龄":"35岁","性别":"女","电话":"13900139000","邮箱":"lisi@example.com"}"
u003	  ｜"{"姓名":"王五","年龄":"25岁","性别":"男","电话":"13700137000","邮箱":"wangwu@example.com"}"
u001	  ｜"{"姓名":"张三","年龄":"28岁","性别":"男","电话":"13800138000","邮箱":"zhangsan@example.com"}"

ai_mark

  • 描述：从输入文本中将指定的标签信息脱敏，信息脱敏后用[MASKED]做占位符。

    SELECT ai_mask([model,] content, labels)

  • 参数说明：

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，需要脱敏的输入文本，支持字符类型（CHAR、VARCHAR、TEXT）。

    • labels：必填，需要脱敏的标签信息，标签数量须在1~20之间，支持ARRAY类型。

  • 返回值说明

    • 返回脱敏后的文本内容。

    • 若content参数值为NULL时，则返回NULL。

    • 若content参数值为空字符串（""）时，则返回空字符串。

    • 当labels参数值数量不正确，将报错。

  • 使用示例

    SELECT ai_mask(
  '用户王小明，身份证号：23030611111111，手机号：13888888888。',
  ARRAY['身份证', '手机号']);

    返回结果如下。

    ai_mask
-------
用户王小明，身份证号：[MASKED]，手机号：[MASKED]。

ai_fix_grammar

  • 描述：用于修复输入文本的语法错误。

    SELECT ai_fix_grammar([model,] content)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，需要修复语法的输入文本，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 返回修正后的文本内容。

    • 若content参数值为NULL时，则返回NULL。

    • 若content参数值为空字符串（""）时，则返回空字符串（""）。

  • 使用示例

    SELECT ai_fix_grammar('He dont know what to did.');

    返回结果如下。

    ai_fix_grammar
--------------
He doesn't know what to do.

ai_summarize

  • 描述：根据输入的文本，生成一段文本的摘要。

    SELECT ai_summarize([model,] content[, max_words])

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，输入文本，支持字符类型（CHAR、VARCHAR、TEXT）。

    • max_words：可选，大模型最多输出的字数，模型将依据该值尽量接近输出结果。默认值为50，若设置为0，则表示不做任何限制。

  • 返回值说明

    • 返回文本的摘要。

    • 若content参数值为NULL时，则返回NULL。

    • 若content参数值为空字符串（""）时，则返回空字符串（""）。

    • 若max_words若取值小于0时，将报错。

  • 使用示例

    SELECT ai_summarize('Hologres是阿里巴巴自主研发的一站式实时数仓引擎（Real-Time Data Warehouse），支持海量数据实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议和语法，支持大部分PostgreSQL函数），支持PB级数据多维分析（OLAP）与即席分析（Ad Hoc），支持高并发低延迟的在线数据服务（Serving），支持多种负载的细粒度隔离与企业级安全能力，与MaxCompute、Flink、DataWorks深度融合，提供企业级离在线一体化全栈数仓解决方案。', 15);

    返回结果如下。

    ai_summarize
------------
Hologres是阿里自主研发的实时数仓引擎，支持海量数据实时处理与多维分析。

ai_translate

  • 描述：将输入文本翻译成指定的语言。

    SELECT ai_translate([model,] content, to_lang)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，输入需翻译的文本，支持字符类型（CHAR、VARCHAR、TEXT）。

    • to_lang： 必填，目标语言Code。详情，请参见ISO-639。

  • 返回值说明

    • 返回翻译后的文本。

    • 若content参数值为NULL时，则返回NULL。

    • 若content参数值为空字符串（""）时，则返回空字符串（""）。

    • 若to_lang参数值非法时，将报错。

  • 使用示例

    SELECT ai_translate('Hologres是阿里巴巴自主研发的一站式实时数仓引擎（Real-Time Data Warehouse），支持海量数据实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议和语法，支持大部分PostgreSQL函数），支持PB级数据多维分析（OLAP）与即席分析（Ad Hoc），支持高并发低延迟的在线数据服务（Serving），支持多种负载的细粒度隔离与企业级安全能力，与MaxCompute、Flink、DataWorks深度融合，提供企业级离在线一体化全栈数仓解决方案。', 'en');

    返回结果如下。

    ai_translate
-----------
Hologres is a self-developed one-stop real-time data warehouse engine by Alibaba, supporting real-time writing, real-time updating, real-time processing, and real-time analysis of massive data. It supports standard SQL (compatible with PostgreSQL protocol and syntax, supporting most PostgreSQL functions), supports multi-dimensional analysis (OLAP) and ad-hoc analysis at the PB-level, supports high-concurrency, low-latency online data services (Serving), supports fine-grained isolation for multiple workloads and enterprise-level security capabilities, and is deeply integrated with MaxCompute, Flink, and DataWorks, providing an enterprise-level fully stacked data warehouse solution that integrates online and offline processing.

ai_similarity

  • 描述：计算两个输入文本的相似度。

    SELECT ai_similarity([model,] text1, text2)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • text1和text2：需要对比相似度的两个文本，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 返回区间[0, 1]之间的FLOAT类型的数值，值越大相似度越高。0表示完全不相似，1表示两个文本相等。

    • 若text1和text2参数中有一个值为NULL时，则返回0。

    • 若text1和text2参数值均为空字符串（""）时，则返回1。

    • 若text1和text2参数中一个值为空字符串（""），另外一个为非空字符串时，则返回0。

  • 使用示例

    CREATE TABLE products2 (
    product_name TEXT
);

INSERT INTO products2 (product_name) VALUES
  ('白色衬衫'), ('黑色西装裤'), ('休闲上衣'), ('运动外套'), ('白色连衣裙'),
  ('蓝牙耳机'), ('牛奶巧克力'), ('白色上衣'), ('男士T恤'), ('羽绒服');

SELECT product_name FROM products2 
  ORDER BY ai_similarity(product_name, '白色上衣') DESC LIMIT 5;

    返回结果如下。

    product_name
----------
白色上衣
白色衬衫
休闲上衣
白色连衣裙
男士T恤

ai_analyze_sentiment

  • 描述：对输入的文本进行情感分析。

    select ai_analyze_sentiment([model,] content)

  • 参数说明

    • model：可选，AI Function使用的模型名称。默认由系统根据已部署的模型自动分配最佳模型。如需更换模型，应先完成目标模型的部署，再修改系统表配置。具体操作，请参见修改AI Function对应的模型。

    • content：必填，输入的文本，支持字符类型（CHAR、VARCHAR、TEXT）。

  • 返回值说明

    • 返回分析之后的情感Labels，为字符类型。 不同的模型，返回的Labels内容有区别。

    • 若content参数值为NULL或者空字符串（""）时，则返回NULL。

  • 使用示例

    --大语言模型：
SELECT ai_analyze_sentiment('洞房花烛夜，金榜提名时。');
-- output example: positive

--使用iic/nlp_structbert_sentiment-classification_chinese-base模型
SELECT ai_analyze_sentiment('清明时节雨纷纷，路上行人欲断魂。');
-- output example: 负面

AI Function与模型

查看Function与模型的映射关系

Hologres提供list_ai_function_infos系统表，用于查看AI Function与模型的映射关系。在Hologres管控台部署模型后，该系统表会自动更新每个AI Function对用的模型，您可以通过AI Function调用对应的模型。

说明

不同AI Function需要适配特定类型的模型，例如：ai_embed适合Embedding模型、ai_classify适合大语言模型。若实例中仅部署了一种模型，可能会出现部分AI Function分配模型为空的情况。AI Function没有部署对应的模型时，将无法使用该AI function。

SELECT * FROM list_ai_function_infos();

返回结果如下。

    function_name     |    model_name    
----------------------+------------------
 ai_embed             | my_gte_embedding
 ai_classify          | my_qwen32b
 ai_extract           | my_qwen32b

修改AI Function对应的模型

AI Function与部署的模型有默认映射值，您可以通过如下方式修改AI Function对应的模型。修改后，使用AI Function时将会调用新的模型。

  • 全局修改

    SELECT set_ai_function_info('<function_name>', '');

    参数说明

    • function_name：AI Function名称，您可以在AI Function汇总表中查看AI Function名称。

    • model_name：已经部署的模型名称。您可登录Hologres管理控制台在AI节点页面，查看已部署的模型名称。

    说明

    当输入的AI Function名称和已部署模型名称不存在时，将会报错。

    使用示例

    SELECT set_ai_function_info('ai_embed', 'my_gte_embedding');

  • SESSION级别修改

    SESSION级别修改后，使用AI Function调用模型时，SESSION级别的配置会优先于全局修改（ai_function_info）的配置。

    --仅在该连接上生效
SET hg_experimental_ai_function_name_to_model_name_mapping='<function_name>:<model_name>[,<function_name1>:<model_name1>]';
上一篇：AI模型与部署下一篇：Proxima向量计算