Autonomous Database Select AI

L'image montre le fonctionnement d'Autonomous Database Select AI. Le diagramme décrit la façon dont vous pouvez avoir une conversation avec vos données en posant une question en langage naturel via une interface, telle qu'un environnement de développement intégré ou une application, textuelle ou vocale.

Autonomous Database Select AI utilise ensuite un grand modèle de langage (LLM) pour générer une requête SQL et effectue les tâches suivantes :

• 1) Augmente la question en langage naturel avec les métadonnées du ou des schémas identifiés dans le profil de l'utilisateur.
• 2) Alimente le LLM avec une invite augmentée.
• 3) Le LLM génère une interrogation SQL sur la base de données.
• 4) La requête est exécutée et le résultat est envoyé à l'utilisateur.
• 5) Les questions précédentes sont conservées pour les interactions utilisateur de type conversation.

Enfin, l'utilisateur reçoit en retour une réponse provenant des données de son entreprise, en fonction de sa stratégie de sécurité des données existante.

Cette image présente le fonctionnement d'Autonomous Database Select AI. Le diagramme montre comment générer du contenu personnalisé simplement en posant une question dans l'invite Select AI.

Un utilisateur lance un workflow via une application. Par exemple, l'utilisateur souhaite créer une offre promotionnelle basée sur les achats précédents d'un client.

L'application utilise les données d'Autonomous Database et crée des offres promotionnelles ciblées personnalisées via un modèle de LLM (Large Language Model) comprenant les étapes suivantes :

• 1) Le contexte d'Autonomous Database (par exemple, les informations démographiques et le comportement d'achat des clients, les produits à promouvoir, etc.) est interrogé.
• 2) Des instructions de tâche rapides sont combinées avec ces données (par exemple, recommander des produits similaires de la liste de produits promus ; écrire un e-mail personnalisé et convaincant avec des recommandations)
• 3) Elle alimente ensuite le LLM avec l'invite augmentée et traite le résultat.

Le résultat final est fourni à l'utilisateur. Il inclut une offre promotionnelle convaincante par e-mail avec des recommandations de produits personnalisées basées sur les informations client, le comportement et les achats passés.