चूंकि व्यवसाय प्रतिदिन बहुत अधिक मात्रा में डेटा उत्पन्न करते हैं, इसलिए इस सारी जानकारी से उपयोगी जानकारी निकालना कठिन हो सकता है, खासकर जटिल डेटासेट और डेटा की बहुत बड़ी मात्रा के साथ। लेकिन जनरेटिव AI के साथ, हम डेटा विश्लेषण को सुव्यवस्थित और स्वचालित कर सकते हैं, जिससे यह कुशल और सुलभ हो जाता है। इस लेख में, मैं आपको Google , OpenAI, और (DLP) का उपयोग करके AI सहायक को सेट अप और उपयोग करने का तरीका दिखाऊंगा। Langchain BigQuery डेटा हानि रोकथाम डेटा विश्लेषण उपयोग का मामला: BigQuery के साथ डेटा विश्लेषण को स्वचालित करना समाधान डिजाइन समाधान में लैंगचेन और ओपनएआई का उपयोग करके स्ट्रीमलिट ऐप सेट करना शामिल है जो डेटा विश्लेषण को स्वचालित करने के लिए बिगक्वेरी डेटासेट के साथ इंटरैक्ट करता है। यह एजेंट विशिष्ट कार्यों जैसे कि PII ग्राहक विशेषताओं को मास्क करना और डेटा को विज़ुअलाइज़ करना आदि के लिए कस्टम टूल का उपयोग करेगा। इसके अतिरिक्त, एजेंट को चैट इतिहास को बनाए रखने के लिए कॉन्फ़िगर किया जाएगा, जिससे प्रासंगिक रूप से सटीक प्रतिक्रियाएँ सुनिश्चित होंगी। समाधान संरचना का आरेख यहां दिया गया है: आइए एक परिदृश्य पर विचार करें जहां हमारे पास एक BigQuery डेटासेट है जिसमें निम्नलिखित तालिकाएं हैं: : इसमें ग्राहक डेटा होता है. ग्राहक तालिका : इसमें ग्राहक का संपर्क विवरण होता है। संपर्क तालिका : ग्राहकों को पतों से जोड़ती है। ग्राहक पता तालिका : इसमें पता संबंधी जानकारी होती है। पता तालिका : ETL बैच जॉब सारांश लॉग करता है जो ग्राहक प्रोफ़ाइल तालिकाओं में डेटा को काटता और लोड करता है जॉब आँकड़े तालिका सेट-अप लैंगचेन लैंगचेन क्या है? लैंगचेन एआई डेवलपर्स को भाषा मॉडल को बाहरी डेटा स्रोतों से जोड़ने के लिए उपकरण प्रदान करता है। यह ओपन-सोर्स है और एक सक्रिय समुदाय द्वारा समर्थित है। संगठन लैंगचेन का मुफ़्त उपयोग कर सकते हैं और फ्रेमवर्क में कुशल अन्य डेवलपर्स से सहायता प्राप्त कर सकते हैं। लैंगचेन का उपयोग करके डेटा विश्लेषण करने के लिए, हमें सबसे पहले लैंगचेन और ओपनएआई लाइब्रेरीज़ को इंस्टॉल करना होगा। यह आवश्यक लाइब्रेरीज़ को डाउनलोड करके और फिर उन्हें अपने प्रोजेक्ट में आयात करके किया जा सकता है। लैंगचेन स्थापित करें: pip install langchain matplotlib pandas streamlit pip install -qU langchain-openai langchain-community लैंगचेन मॉडल को परिभाषित करें, और बिगक्वेरी कनेक्शन सेट अप करें: import os import re import streamlit as st from google.cloud import dlp_v2 from google.cloud.dlp_v2 import types from langchain.agents import create_sql_agent from langchain_community.vectorstores import FAISS from langchain_core.example_selectors import SemanticSimilarityExampleSelector from langchain_core.messages import AIMessage from langchain_core.prompts import ( SystemMessagePromptTemplate, PromptTemplate, FewShotPromptTemplate, ) from langchain_core.prompts.chat import ( ChatPromptTemplate, HumanMessagePromptTemplate, MessagesPlaceholder, ) from langchain.memory import ConversationBufferMemory from langchain_experimental.utilities import PythonREPL from langchain_openai import ChatOpenAI, OpenAIEmbeddings from langchain.sql_database import SQLDatabase from langchain.tools import Tool service_account_file = f"{os.getcwd()}/service-account-key.json" os.environ["OPENAI_API_KEY"] = ( "xxxxxx" ) os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = service_account_file model = ChatOpenAI(model="gpt-4o", temperature=0) project = "lively-metrics-295911" dataset = "customer_profiles" sqlalchemy_url = ( f"bigquery://{project}/{dataset}?credentials_path={service_account_file}" ) db = SQLDatabase.from_uri(sqlalchemy_url) कस्टम उपकरण सेट अप करना अपने एजेंट की क्षमताओं को बढ़ाने के लिए, हम विशिष्ट कार्यों के लिए कस्टम टूल सेट कर सकते हैं, जैसे कि PII डेटा को मास्क करना और डेटा को विज़ुअलाइज़ करना। Google Cloud DLP के साथ PII को मास्क करना डेटा गोपनीयता महत्वपूर्ण है। आउटपुट में PII की सुरक्षा के लिए, हम Google क्लाउड डेटा लॉस प्रिवेंशन (DLP) का उपयोग कर सकते हैं। हम एक कस्टम टूल बनाएंगे जो प्रतिक्रिया में मौजूद किसी भी PII डेटा को छिपाने के लिए DLP API को कॉल करेगा। def mask_pii_data(text): dlp = dlp_v2.DlpServiceClient() project_id = project parent = f"projects/{project_id}" info_types = [ {"name": "EMAIL_ADDRESS"}, {"name": "PHONE_NUMBER"}, {"name": "DATE_OF_BIRTH"}, {"name": "LAST_NAME"}, {"name": "STREET_ADDRESS"}, {"name": "LOCATION"}, ] deidentify_config = types.DeidentifyConfig( info_type_transformations=types.InfoTypeTransformations( transformations=[ types.InfoTypeTransformations.InfoTypeTransformation( primitive_transformation=types.PrimitiveTransformation( character_mask_config=types.CharacterMaskConfig( masking_character="*", number_to_mask=0, reverse_order=False ) ) ) ] ) ) item = {"value": text} inspect_config = {"info_types": info_types} request = { "parent": parent, "inspect_config": inspect_config, "deidentify_config": deidentify_config, "item": item, } response = dlp.deidentify_content(request=request) return response.item.value पायथन आरईपीएल इसके बाद, LLM को पायथन का उपयोग करके डेटा विज़ुअलाइज़ेशन करने में सक्षम बनाने के लिए, हम पायथन आरईपीएल का लाभ उठाएंगे और अपने एजेंट के लिए एक कस्टम टूल परिभाषित करेंगे। python_repl = PythonREPL() अब, आइए एजेंट टूल बनाएं, जिसमें और mask_pii_data python_repl: def sql_agent_tools(): tools = [ Tool.from_function( func=mask_pii_data, name="mask_pii_data", description="Masks PII data in the input text using Google Cloud DLP.", ), Tool( name="python_repl", description=f"A Python shell. Use this to execute python commands. \ Input should be a valid python command. \ If you want to see the output of a value, \ you should print it out with `print(...)`.", func=python_repl.run, ), ] return tools कुछ उदाहरणों का उपयोग करना मॉडल को कुछ उदाहरण प्रदान करने से उसकी प्रतिक्रियाओं को निर्देशित करने और प्रदर्शन को बेहतर बनाने में मदद मिलती है। नमूना SQL क्वेरीज़ परिभाषित करें, # Example Queries sql_examples = [ { "input": "Count of Customers by Source System", "query": f""" SELECT source_system_name, COUNT(*) AS customer_count FROM `{project}.{dataset}.customer` GROUP BY source_system_name ORDER BY customer_count DESC; """, }, { "input": "Average Age of Customers by Gender", "query": f""" SELECT gender, AVG(EXTRACT(YEAR FROM CURRENT_DATE()) - EXTRACT(YEAR FROM dob)) AS average_age FROM `{project}.{dataset}.customer` GROUP BY gender; """, }, ... ] इसके बाद, कुछ-शॉट प्रॉम्प्ट टेम्पलेट में उदाहरण जोड़ें। example_selector = SemanticSimilarityExampleSelector.from_examples( sql_examples, OpenAIEmbeddings(), FAISS, k=2, input_keys=["input"], ) इसके बाद, उपसर्ग और प्रत्यय को परिभाषित करें, फिर सीधे फैक्ट्री विधि में पास करें। few_shot_prompt from_messages नोट: SUFFIX में एक वैरिएबल है, जिसे मैं अगले चरण में समझाऊंगा जब हम एजेंट बनाएंगे और मेमोरी जोड़ेंगे। {chat_history} PREFIX = """ You are a SQL expert. You have access to a BigQuery database. Identify which tables can be used to answer the user's question and write and execute a SQL query accordingly. Given an input question, create a syntactically correct SQL query to run against the dataset customer_profiles, then look at the results of the query and return the answer. Unless the user specifies a specific number of examples they wish to obtain, always limit your query to at most {top_k} results. You can order the results by a relevant column to return the most interesting examples in the database. Never query for all the columns from a specific table; only ask for the relevant columns given the question. You have access to tools for interacting with the database. Only use the information returned by these tools to construct your final answer. You MUST double check your query before executing it. If you get an error while executing a query, rewrite the query and try again.DO NOT make any DML statements (INSERT, UPDATE, DELETE, DROP etc.) to the database. If the question does not seem related to the database, just return "I don't know" as the answer. If the user asks for a visualization of the results, use the python_agent tool to create and display the visualization. After obtaining the results, you must use the mask_pii_data tool to mask the results before providing the final answer. """ SUFFIX = """Begin! {chat_history} Question: {input} Thought: I should look at the tables in the database to see what I can query. Then I should query the schema of the most relevant tables. {agent_scratchpad}""" few_shot_prompt = FewShotPromptTemplate( example_selector=example_selector, example_prompt=PromptTemplate.from_template( "User input: {input}\nSQL query: {query}" ), prefix=PREFIX, suffix="", input_variables=["input", "top_k"], example_separator="\n\n", ) messages = [ SystemMessagePromptTemplate(prompt=few_shot_prompt), MessagesPlaceholder(variable_name="chat_history"), HumanMessagePromptTemplate.from_template("{input}"), AIMessage(content=SUFFIX), MessagesPlaceholder(variable_name="agent_scratchpad"), ] prompt = ChatPromptTemplate.from_messages(messages) चरों का स्पष्टीकरण : उपयोगकर्ता का इनपुट या क्वेरी. इनपुट : मध्यवर्ती चरणों या विचारों के लिए एक अस्थायी भंडारण क्षेत्र। एजेंट_स्क्रैचपैड : संदर्भ बनाए रखने के लिए पिछले इंटरैक्शन का ट्रैक रखता है। चैट_इतिहास : यह सुनिश्चित करता है कि एजेंट पार्सिंग त्रुटियों को सुचारू रूप से संभाल सके और उनसे उबर सके। handle_parsing_errors : चैट इतिहास को संग्रहीत करने और पुनर्प्राप्त करने के लिए उपयोग किया जाने वाला मॉड्यूल। मेमोरी अब अंतिम चरण का समय है। आइये ऐप बनाएं! स्ट्रीमलिट के साथ एलएलएम ऐप बनाना हमारे द्वारा अभी-अभी निर्मित लैंगचेन एजेंट का परीक्षण करने के लिए एक इंटरैक्टिव इंटरफ़ेस बनाने के लिए, हम स्ट्रीमलिट का उपयोग कर सकते हैं। st.title("Data Analysis Assistant") if "history" not in st.session_state: st.session_state.history = [] user_input = st.text_input("Ask your question:") if st.button("Run Query"): if user_input: with st.spinner("Processing..."): st.session_state.history.append(f"User: {user_input}") response = agent_executor.run(input=user_input) if "sandbox:" in response: response = response.replace(f"sandbox:", "") match = re.search(r"\((.+\.png)\)", response) if match: image_file_path = match.group(1) if os.path.isfile(image_file_path): st.session_state.history.append({"image": image_file_path}) else: st.error("The specified image file does not exist.") else: st.session_state.history.append(f"Agent: {response}") st.experimental_rerun() else: st.error("Please enter a question.") for message in st.session_state.history: if isinstance(message, str): st.write(message) elif isinstance(message, dict) and "image" in message: st.image(message["image"]) हमने सब कुछ सेट कर लिया है। चलिए स्ट्रीमलिट ऐप चलाते हैं streamlit run app.py और कुछ विश्लेषणात्मक प्रश्न पूछकर इसका परीक्षण करें। निष्कर्ष लैंगचेन और ओपनएआई का लाभ उठाकर, हम जटिल डेटा विश्लेषण कार्यों को स्वचालित कर सकते हैं, जिससे बड़े डेटासेट से जानकारी प्राप्त करना बहुत आसान हो जाता है। यह दृष्टिकोण न केवल समय बचाता है बल्कि सटीक और सुसंगत विश्लेषण भी सुनिश्चित करता है। चाहे आप ग्राहक प्रोफ़ाइल, संपर्क जानकारी या नौकरी के आँकड़ों के साथ काम कर रहे हों, एक AI-संचालित डेटा विश्लेषण सहायक आपकी डेटा प्रोसेसिंग क्षमताओं में बहुत सुधार कर सकता है। पूर्ण स्रोत कोड के लिए, यहाँ जाएँ . GitHub रिपोजिटरी
