前提條件

已創建或導入模型，且模型狀態為READY。具體操作，請參見模型創建和模型管理。

非時序類任務

語法

SELECT function_name(model_name, field1_name, field2_name, ..., params) [FROM table_name [WHERE clause]];

參數說明

• function_name：系統函數名稱。取值為ai_infer。ai_infer為執行非時序類任務時使用的推理函數。

• model_name：模型名稱。必選參數，類型為VARCHAR。

• field_name：目標字段參數。可能同時具有多個。具體說明如下表所示：

  任務類型	參數	是否必選	參數類型	說明
  特征提取	field1_name	是	VARCHAR	需要進行特征提取（向量化）的文本常量。
  文生圖	field1_name	是	VARCHAR	表（From條件中指定的表）中的文本列名或文本常量。
  語義檢索	field1_name	是	VARCHAR	需要檢索的文本常量。
  基礎問答	field1_name	是	VARCHAR	輸入的問題。
  檢索問答	field1_name	是	VARCHAR	輸入的問題。

• params：調整推理參數。可選參數。格式為：key1=value1, [key2=value2]。具體說明如下表所示：

  任務類型	參數	說明
  特征提取	normalize	是否對返回的向量進行歸一化處理。取值如下： true：默認值，是。 false：否。
  文生圖	無	無。
  語義檢索	score	是否返回語義相似度。取值如下： true：是。 false：否。
  	topK	檢索時返回最相似的數據條數。取值范圍為[1, 10000]，默認值為10。
  	efSearch	檢索時動態列表的長度，取值范圍為[1,1000]，默認值為100。efSearch的值越大，查詢精度越高，同時會消耗更多的性能，降低查詢速度。
  	threshold	檢索時返回數據需滿足語義相似度的最低閾值，取值范圍為[0, 1.0]，默認值為0.6。
  	returnChunk	是否返回文檔切片（Chunk）而不是原始語料（僅在模型創建時指定text_splitter參數為on時有效）。取值如下： true：是。 false：否。
  	extendChunk	在返回Chunk時指定進行前后擴展（根據Chunk的順序）的數量（僅在指定returnChunk參數為true且模型創建時指定text_splitter參數為on時有效）。取值范圍為[1，100]。
  	rrfK	指定混合檢索時使用的RRF算法中的常量K（僅在模型創建時混合檢索功能打開時生效），取值范圍為[1，100]。默認值為60。
  	verbose	是否返回詳細信息。取值如下： true：是。 false：否。
  基礎問答	無	無。
  檢索問答	topK	檢索時返回最相似的數據條數。取值范圍為[1, 10000]，默認值為10。
  	efSearch	檢索時動態列表的長度。取值范圍為[1,1000]，默認值為100。efSearch的值越大，查詢精度越高，同時會消耗更多的性能，降低查詢速度。
  	threshold	檢索時返回數據需滿足語義相似度的最低閾值。取值范圍為[0, 1.0]，默認值為0.6。
  	extendChunk	在檢索獲取Chunk時指定進行前后擴展（根據Chunk順序）的數量（僅在模型創建時指定text_splitter參數為on時有效）。取值范圍為[1，100]。
  	verbose	是否返回詳細信息。取值如下： true：是。 false：否。

返回值說明

示例

使用ai_infer函數進行模型推理。

SELECT `design_desc`, ai_infer('interior_design', `design_desc`) as 'design_image' FROM design_desc;

時序類任務

語法

SELECT function_name(field_name, model_name, params) FROM table_name [WHERE clause] SAMPLE BY time_interval;

參數說明

function_name：系統函數名稱，取值如下：

• FORECAST：時序預測函數。如何配置FORECAST函數中的field_name、model_name和params，請參見FORECAST函數（時序預測）。

• ANOMALY_DETECT：時序異常檢測函數。如何配置ANOMALY_DETECT函數中的field_name、model_name和params，請參見ANOMALY_DETECT函數（時序異常檢測）。

返回值說明

示例

SELECT device_id, region, `time`, raw(temperature) as temperature, anomaly_detect(temperature, ad_model) as detect_result from sensor WHERE time >= '2022-01-01 00:00:00' and time < '2022-01-01 00:01:00' SAMPLE BY 0;