关于我们

MindsDB 是一种联合查询引擎，专为需要回答来自一个或多个数据源（包括结构化和非结构化数据）的问题的人工智能代理和应用程序而设计。

开始使用

使用 Docker 或 Docker Desktop安装 MindsDB 。
连接您的数据— 连接并查询数百个不同的数据源。
准备您的数据— 使用 AI 和 ML 准备、组织和自动化数据转换，以满足您的需求。

使用案例

连接并准备好数据后，您可以利用 MindsDB 来实现以下用例：

使用案例	描述	Python SDK	SQL
抹布	可以从众多数据源填充的综合 RAG	（Python）	（SQL）
代理商	使代理能够回答有关 MindsDB 中结构化和非结构化数据的问题	（Python）	（SQL）
自动化	使用作业自动化人工智能数据工作流程	（Python）	（SQL）

例子

将人工智能代理连接到结构化和非结构化数据

一个常见的用例涉及将代理连接到数据。以下示例展示了如何将 AI 代理连接到数据库，以便它可以对结构化数据执行搜索：

首先我们连接数据源，在本例中我们连接 postgres 数据库（您可以通过 SQL 编辑器或 SDK 执行此操作）

 -- Step 1: Connect a data source to MindsDB
CREATE DATABASE demo_postgres_db
WITH ENGINE = " postgres " ,
PARAMETERS = {
    " user " : " demo_user " ,
    " password " : " demo_password " ,
    " host " : " samples.mindsdb.com " ,
    " port " : " 5432 " ,
    " database " : " demo " ,
    " schema " : " demo_data "
};

-- See some of the data in there
SELECT * FROM demo_postgres_db . car_sales ;

现在您可以创建一个代理来回答有关此数据库中非结构化信息的问题（让我们使用 Python SDK）

 import mindsdb_sdk

# connects to the default port (47334) on localhost 
server = mindsdb_sdk . connect ()

# create an agent (lets create one that can answer questions over car_sales table
agent = server . agents . create ( 'my_agent' )
agent . add_database (
    database = 'demo_postgres_db' ,
    tables = [ 'car_sales' ], # alternatively, all tables will be taken into account if none specified []
    description = 'The table "car_sales" contains car sales data' )

# send questions to the agent
agent = agents . get ( 'my_agent' )
answer = agent . completion ([{ 'question' : 'What cars do we have with normal transmission and gas?' }])
print ( answer . content )

您向代理添加更多数据，让我们添加一些非结构化数据：

 agent . add_file ( './cars_info.pdf' , 'Details about the cars' )
answer = agent . completion ([{ 'question' : 'What cars do we have with normal transmission and gas? also include valuable info for a buyer of these cars?' }])
print ( answer . content )