Sintesi
Come può un team di agenti interrogare tabelle e documenti in Oracle Autonomous AI Database 26ai?
La dimostrazione utilizza Oracle AI Accelerator per preparare due fonti: un dataset di recupero crediti in CSV e un rendiconto finanziario pubblico del Banco de Chile in PDF. Vengono creati un gruppo e un utente, abilitati i moduli e rivisti il dizionario delle colonne e i profili IA.
Select AI interroga gli importi richiesti raggruppati per stato. Select AI con RAG recupera informazioni dal PDF. Si esaminano poi il team, l’agente, l’attività e gli strumenti SQL e RAG di DBMS_CLOUD_AI_AGENT, e si prova una query che utilizza questo flusso all’interno del database.
La parte conclusiva presenta possibili automazioni future tramite funzioni, notifiche e altri strumenti, insieme a una panoramica di Oracle AI Data Platform. Queste possibilità vengono illustrate come estensioni dell’esempio.
Inizio
Viene presentato l’aggiornamento di Oracle AI Accelerator per le funzionalità di intelligenza artificiale di Oracle Autonomous AI Database 26ai. Il percorso combina query su dati strutturati, recupero di documenti e agenti.
Select AI e query in linguaggio naturale
Select AI permette di porre domande in linguaggio naturale e generare query SQL sulle tabelle. Questa funzionalità viene ripresa come punto di partenza prima di aggiungere documenti e un flusso di agenti.
Select AI con RAG e documenti
Il video spiega il recupero di informazioni da documenti archiviati in un bucket, come file PDF, TXT o HTML. La vettorizzazione permette di cercare contenuti per rispondere a domande e preparare riepiloghi; l’esempio successivo utilizza un PDF.
Agenti, attività, strumenti e team con DBMS_CLOUD_AI_AGENT
Vengono presentati DBMS_CLOUD_AI_AGENT e il rapporto tra team, agenti, attività e strumenti. La spiegazione del video descrive un’esecuzione sequenziale per orchestrare gli strumenti disponibili nell’esempio.
Creazione del gruppo e dell’utente
L’amministratore crea il gruppo SH e un nuovo utente dimostrativo. Vengono completati i dati dell’utente e assegnato il gruppo prima di abilitare i moduli necessari.
Abilitazione di Select AI, RAG e agenti
Per il nuovo utente vengono abilitati Select AI, Select AI con RAG e il modulo degli agenti. L’agente viene preparato per interagire con i due strumenti dell’esempio; quindi si salva la configurazione e si accede con questo utente.
Caricamento del dataset e del dizionario dei dati
Un dataset di recupero crediti in CSV viene importato nella base di conoscenza. Si evidenzia il dizionario delle colonne: le descrizioni forniscono contesto per interpretare i campi. Il caricamento passa attraverso un bucket prima della preparazione dei dati per Select AI.
Profili IA e configurazione dei modelli
Il video spiega che Select AI e Select AI con RAG utilizzano profili IA per definire l’accesso ai modelli e i relativi parametri. Il caricamento del dataset viene confermato prima di aggiungere la seconda fonte.
Caricamento del PDF per RAG
Viene aggiunto un documento PDF, se ne completa la descrizione e si attende il termine della preparazione. Il flusso utilizza il bucket e Select AI con RAG per rendere disponibile il contenuto del documento.
Query SQL sul dataset di recupero crediti
Nel modulo Select AI vengono esaminati la tabella e i commenti dei campi. Si chiedono gli importi richiesti raggruppati per stato. La dimostrazione osserva che il tempo di risposta dipende dalle risorse assegnate al database.
Query su un rendiconto finanziario in PDF
Viene interrogato il rendiconto finanziario pubblico del Banco de Chile caricato in precedenza. Select AI con RAG recupera informazioni dal database vettoriale e presenta una risposta basata sul documento.
Esame del team, dell’agente e dei suoi strumenti
Si identifica il team creato durante la configurazione dell’utente e se ne utilizza il nome per eseguire il flusso. Vengono esaminati l’agente, la sua attività e i due strumenti disponibili per interrogare dati strutturati e documenti.
Prova del flusso di agenti
Una domanda viene inviata al flusso di agenti all’interno del database. L’attività configurata orchestra gli strumenti disponibili per gestire la query; la chat funge da interfaccia dimostrativa.
Possibili automazioni e altri strumenti
Si discutono possibili estensioni: funzioni che modifichino dati al verificarsi di una condizione, navigazione web e notifiche tramite e-mail o Slack. Sono possibilità di automazione illustrate nella parte conclusiva, la cui implementazione non viene mostrata in questa prova.
Panoramica di Oracle AI Data Platform
Il video presenta una panoramica di Oracle AI Data Platform e del suo rapporto con il database autonomo, gli agenti e altre fonti di informazioni. Vengono discusse connessioni con bucket e fonti esterne in un ecosistema più ampio di dati e IA.
Passi successivi e conclusione
Il relatore annuncia che verranno condivise altre informazioni su queste integrazioni e conclude la dimostrazione.