Datamodellen

Het is mogelijk om een AI-Model vragen te stellen over een gegevensstructuur en het AI-Model te laten antwoorden middels een SQL-Query. Voordat we het AI-Model een vraag kunnen stellen over eigen gegevens, zullen we het AI-model bekend moeten maken met het datamodel waarin onze gegevens zich bevinden. Het is voldoende om het AI-model de tabel- en kolomnamen van een datamodel te geven, mits de naamgeving voldoende duidelijk beschrijft welke gegevens de tabellen bevat.

DATA MODEL:
 
PROJECTS (PROJECT_CODE, ESTIMATED_HOURS, START_DATE, END_DATE)
PROJECT_ELEMENTS (PROJECT_CODE, PROJECT_ELEMENT_CODE, ESTIMATED_HOURS, START_DATE, END_DATE, HOUR_TARIFF)
EMPLOYEES (EMPLOYEE_CODE, HOURLY_COSTS)
RESOURCES (PROJECT_CODE, PROJECT_ELEMENT_CODE, EMPLOYEE_CODE, ESTIMATED_HOURS)
HOURS_WORKED (PROJECT_CODE, PROJECT_ELEMENT_CODE, EMPLOYEE_CODE, DATE, HOURS, DESCTIPTION)

Als het nodig is, kan het datamodel nog verduidelijkt worden met extra uitleg.

EXTRA INFORMATION:
Projects can contain one or more project elements.
When an employee is assigned to a project element, we call that a resource.
We can have estimated hours on the project level, the project element level, and the resource level.
When we want to calculate costs for the hours worked on a project, we multiply the hours worked by an employee by the hourly costs of the employee.
When we want to calculate the turnover of a project, we use the hour tariff at the project element level and multiply that with the hours worked by the employee for the project elements (actual turnover) or we multiply the hour tariff at the project element level and multiply this by the estimated hours at the project element level (estimated turnover).

In bovenstaand voorbeeld is zowel het datamodel als de beschrijving ervan in het Engels, maar een Nederlandse beschrijving zal door het AI-Model evengoed begrepen worden.

Datamodellen beheerscherm

Datamodellen kunnen gemaakt en beheerd worden in het datamodellen-beheerscherm.

Figuur 1: Het datamodellen beheerscherm.

Combineren van datamodel met prompt-tekstblok

Als we de informatie van het datamodel combineren met een prompt-tekstblok die duidelijk maakt voor welke database we een SQL-query willen ontvangen, dan kunnen we in natuurlijke taal een vraag stellen aan het AI-model en een bruikbare SQL-query als antwoord ontvangen.

Hieronder zien we de tekst van het prompt-tekstblok "MySQL_5-7".

Here are some views we have in our database. Please use this information to create a MySQL query for MySQL version 5.7. Make to use table aliases for all tables and use them for all column names. Make sure the names used in the query are in capitals.

Als we dit prompt-tekstblok "MySQL_5-7" gebruiken in combinatie met het "PROJECT_STRUCTURE" datamodel kunnen we het AI-Model een SQL-query laten genereren die we vervolgens op een database kunnen draaien om de bijbehorende gegevens op te halen.

Figuur 2: Datamodelvoorbeeld in het "Enkele prompt" scherm.

Prompt reeksen / call chains

In de documentatie van de prompt-reeksen (call chains) is te zien dat we een prompttemplate die  een SQL-query produceert kunnen combineren met speciale Tool-functies. Zo kunnen we een Tool-functie gebruiken om de SQL-query laten uitvoeren op een database. Weer een andere Tool functie kan vervolgens de records die de query oplevert als rapportage tonen op het scherm of opslaan als Excel bestand.