Autonomous Database Select AI

Die Abbildung zeigt die Funktionsweise von Autonomous Database Select AI. Das Diagramm zeigt, wie Sie eine Unterhaltung mit Ihren Daten führen können, indem Sie über eine Schnittstelle, z. B. eine integrierte Entwicklungsumgebung oder eine Anwendung, eine Frage in natürlicher Sprache (per Text oder Stimme) stellen.

Autonomous Database Select AI verwendet dann ein großes Sprachmodell (LLM), um eine SQL-Abfrage zu erstellen, und führt die folgenden Aufgaben aus:

• 1) Ergänzt die natürlichsprachliche Frage mit Metadaten aus dem/den im Benutzerprofil angegebenen Schema(s).
• 2) Versorgt das LLM mit einem erweiterten Prompt.
• 3) Das LLM erstellt eine SQL-Abfrage an die Datenbank.
• 4) Die Abfrage wird ausgeführt, und das Ergebnis wird an den Benutzer gesendet.
• 5) Frühere Fragen werden für konversationsähnliche Benutzerinteraktionen aufbewahrt.

Schließlich erhält der Nutzer eine Antwort anhand der Daten seiner eigenen Organisation, die auf der bestehenden Datensicherheits-Richtlinie basiert.

Diese Abbildung zeigt, wie Autonomous Database Select AI funktioniert. Das Diagramm zeigt, wie Sie personalisierte Inhalte generieren, indem Sie eine Frage im Select AI-Eingabefeld stellen.

Ein Benutzer stößt einen Workflow über eine Anwendung an. Der Benutzer möchte zum Beispiel ein Werbeangebot erstellen, das auf den früheren Einkäufen eines Kunden basiert.

Die Anwendung nutzt Daten in Autonomous Database und erstellt personalisierte, zielgerichtete Werbeangebote mithilfe eines großen Sprachmodells (LLM), wobei folgende Schritte durchgeführt werden:

• 1) Der Kontext aus Autonomous Database (z. B. demografische Daten und Kaufverhalten der Kunden, Produkte, die beworben werden müssen, usw.) wird abgefragt.
• 2) Prompt-Aufgabenstellungen werden mit diesen Daten kombiniert (z.B. ähnliche Produkte aus der Liste der beworbenen Produkte empfehlen; eine personalisierte und überzeugende E-Mail mit den Empfehlungen schreiben)
• 3) Anschließend wird das LLM mit dem erweiterten Prompt gefüttert und das Ergebnis wiedergegeben.

Am Ende erhält der Benutzer ein attraktives E-Mail-Angebot mit personalisierten Produktempfehlungen, die auf Kundeninformationen und -verhalten sowie auf früheren Einkäufen basieren.