Fråga en extern modell med ai_query()
Kommentar
Den här funktionen finns som allmänt tillgänglig förhandsversion. Om du vill köra frågor mot slutpunkter som hanterar externa modeller måste du registrera dig i den offentliga förhandsversionen. Fyll i och skicka registreringsformuläret för den offentliga förhandsversionen av AI Functions.
Den här artikeln visar hur du konfigurerar och frågar en extern modellslutpunkt med hjälp av den inbyggda Sql-funktionen ai_query()
Databricks . Exemplet använder stöd för externa modeller i Mosaic AI Model Serving för att fråga gpt-4
från OpenAI och utföra chattuppgifter. Mer information om den här AI-funktionen finns i AI Functions på Azure Databricks .
Krav
- Se kraven för funktionen ai_query SQL.
- En OpenAI API-nyckel.
- Lagra nyckeln i en Databricks-hemlighet. I det här exemplet lagrar du API-nyckeln i omfånget
my-external-model
och hemlighetenopenai
.
Skapa en extern modellslutpunkt
Följande skapar en extern modell som betjänar slutpunkten som hanterar OpenAI gpt-4
för en chattaktivitet.
Information om hur du skapar en personlig åtkomsttoken finns i Autentisering för Databricks-automatisering.
import requests
import json
personal_access_token = "your-personal-access-token"
headers = {
"Authorization": "Bearer " + personal_access_token,
}
host = "https://oregon.cloud.databricks.com/"
url = host + "api/2.0/serving-endpoints"
data = {
"name": "my-external-openai-chat",
"config": {
"served_entities": [
{
"name": "my_entity",
"external_model": {
"name": "gpt-4",
"provider": "openai",
"openai_config": {
"openai_api_key": "{{secrets/my-external-model/openai}}",
},
"task": "llm/v1/chat",
},
}
],
},
}
response = requests.post(url, headers=headers, json=data)
print("Status Code", response.status_code)
print("JSON Response ", json.dumps(json.loads(response.text), indent=4))
Fråga den externa modellen med ai_query()
I Databricks SQL-frågeredigeraren kan du skriva SQL-frågor för att köra frågor mot den externa modell som betjänar slutpunkten.
Exempelfrågor:
SELECT ai_query(
"my-external-openai-chat",
"What is a large language model?"
)
SELECT question, ai_query(
"my-external-openai-chat",
"You are a customer service agent. Answer the customer's question in 100 words: " || question
) AS answer
FROM
uc_catalog.schema.customer_questions
SELECT
sku_id,
product_name,
ai_query(
"my-external-openai-chat",
"You are a marketing expert for a winter holiday promotion targeting GenZ. Generate a promotional text in 30 words mentioning a 50% discount for product: " || product_name
)
FROM
uc_catalog.schema.retail_products
WHERE
inventory > 2 * forecasted_sales