llm langchain sql demo

NLQ sur Amazon RDS à l'aide d'Amazon SageMaker, LangChain et LLM

Code source du prochain article de blog, Generative AI for Analytics : Performing Natural Language Queries on Amazon RDS using SageMaker, LangChain et LLM. Apprenez à utiliser la chaîne de base de données SQL et l'agent de LangChain avec de grands modèles de langage pour effectuer des requêtes en langage naturel (NLQ) d'Amazon RDS pour PostgreSQL.

Environnement Amazon SageMaker

Noyau : Base Python 3.0 (Python 3)

Type d'instance : ml.m5.medium

Utiliser dotenv

Vos fichiers .env devraient ressembler à ceci :

 # add required values, then rename this file to .env
# mv env.txt .env

# API Keys
OPENAI_API_KEY =<your_value_here>
ANTHROPIC_API_KEY =<your_value_here>

# Demo 1: Amazon RDS Connection 
RDS_ENDPOINT =<your_value_here>
RDS_PORT =<your_value_here>
RDS_USERNAME =<your_value_here>
RDS_PASSWORD =<your_value_here>
RDS_DB_NAME =<your_value_here>

# Demo 2: Amazon Redshift Connection 
REDSHIFT_HOST =<your_value_here>
REDSHIFT_PORT =<your_value_here>
REDSHIFT_USERNAME =<your_value_here>
REDSHIFT_PASSWORD =<your_value_here>
REDSHIFT_DATABASE =<your_value_here>

Vérification de la connexion RDS à partir du bloc-notes SageMaker

 # Amazon SageMaker terminal
yum install bind-utils -y

# Get your SageMaker Notebook environment IP
dig +short txt ch whoami.cloudflare @1.0.0.1

# Curl RDS database instance to check connectivity
curl -v ****** . ****** .us-east-1.rds.amazonaws.com:5432

Formatage du bloc-notes

jupyter-black a été utilisé pour formater les cahiers et l'application Steamlit.

pip install black " black[jupyter] "

black * .ipynb
black * .py

---

Le contenu de ce référentiel représente mon point de vue et non celui de mes employeurs passés ou actuels, y compris Amazon Web Services (AWS). Toutes les bibliothèques, modules, plugins et SDK tiers sont la propriété de leurs propriétaires respectifs.