關於我們

MindsDB 是一種聯合查詢引擎，專為需要回答來自一個或多個資料來源（包括結構化和非結構化資料）的問題的人工智慧代理和應用程式而設計。

開始使用

使用 Docker 或 Docker Desktop安裝 MindsDB 。
連接您的資料— 連接並查詢數百個不同的資料來源。
準備您的資料— 使用 AI 和 ML 準備、組織和自動化資料轉換，以滿足您的需求。

使用案例

連接並準備好資料後，您可以利用 MindsDB 來實現以下用例：

使用案例	描述	Python SDK	SQL
抹布	可從眾多資料來源填入的綜合 RAG	（Python）	（SQL）
代理商	使代理能夠回答有關 MindsDB 中結構化和非結構化資料的問題	（Python）	（SQL）
自動化	使用作業自動化人工智慧資料工作流程	（Python）	（SQL）

例子

將人工智慧代理連接到結構化和非結構化數據

一個常見的用例涉及將代理連接到資料。以下範例展示如何將 AI 代理連接到資料庫，以便它可以對結構化資料執行搜尋：

首先我們連接資料來源，在本例中我們連接 postgres 資料庫（您可以透過 SQL 編輯器或 SDK 執行此操作）

 -- 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 ;

現在您可以建立一個代理來回答有關此資料庫中非結構化資訊的問題（讓我們使用 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 )

您為代理程式添加更多數據，讓我們添加一些非結構化數據：

 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 )