通过

ai_classify 函数

适用于：勾选标记为“是” Databricks SQL 勾选标记为“是” Databricks Runtime

重要

此功能符合 公共预览 版和 HIPAA 要求。

在预览期间：

  • 基础语言模型可以处理多种语言，但此 AI 函数针对英语进行了优化。
  • 请参阅 具有区域限制的功能 以了解 AI Functions 的区域可用性。

该 ai_classify() 函数根据提供的自定义标签对文本内容进行分类。 可以使用简单的标签名称进行基本分类，或者添加标签说明和说明，以提高客户支持路由、文档分类和内容分析等用例的准确性。

该函数接受来自其他 AI 函数的文本或 VARIANT 输出，例如 ai_parse_document启用可组合工作流。

有关要循环访问 ai_classify的 UI 版本，请参阅 “分类”。

要求

Apache 2.0 许可证

此时可能使用的基础模型根据 Apache 2.0 许可证（版权 © Apache Software Foundation）获得许可。 客户需负责确保遵守适用的模型许可条款。

Databricks 建议查看这些许可证，以确保遵守任何适用的条款。 如果模型在未来根据 Databricks 的内部基准表现更好，Databricks 可能会更改模型（以及本页中提供的适用许可证列表）。

支持此函数的模型是使用模型服务基础模型 API 提供的。 有关 Databricks 上可用的模型以及控制这些模型的使用的许可证和策略的信息，请参阅 适用的模型条款 。

如果将来出现根据 Databricks 的内部基准性能更好的模型，Databricks 可能会更改模型并更新文档。

  • 此函数仅在某些区域中可用，请参阅 AI 函数可用性。
  • 此函数在 SQL 经典版Azure Databricks不可用。
  • 查看 Databricks SQL 定价页。
  • 在 Databricks Runtime 15.1 及更高版本中，Databricks 笔记本（包括作为任务在 Databricks 工作流中运行的笔记本）支持此函数。
  • 批处理推理工作负荷需要 Databricks Runtime 15.4 ML LTS 来提高性能。

语法

ai_classify(
    content VARIANT | STRING,
    labels STRING,
    [options MAP<STRING, STRING>]
) RETURNS VARIANT

版本 1

ai_classify(
    content STRING,
    labels ARRAY<STRING>,
    [options MAP<STRING, STRING>]
) RETURNS STRING

参数

  • content：VARIANT 或 STRING 表达式。 接受以下任一：

  • labels：定义 STRING 分类标签的文本。 标签可以是：

    • 简单标签：标签名称的 JSON 数组。 
      ["urgent", "not_urgent"]
    • 带说明的标签：JSON 对象将标签名称映射到说明。 标签说明必须为 0-1000 个字符。 
      {
  "billing_error": "Payment, invoice, or refund issues",
  "product_defect": "Any malfunction, bug, or breakage",
  "account_issue": "Login failures, password resets"
}

    每个标签必须为 1-100 个字符。 labels 必须至少包含 2 个标签，且不超过 500 个标签。

  • options：包含配置选项的可选 MAP<STRING, STRING> 选项：

    • version：版本切换以支持迁移（"1.0" 对于 v1 行为， "2.0" 对于 v2 行为）。 默认值基于输入类型，但会回退到 "1.0"。
    • instructions：用于提高分类质量的任务和域的全局说明。 必须少于 20,000 个字符。
    • multilabel：设置为 "true" 在应用多个类别时返回多个标签。 默认值为 "false" （单标签分类）。

版本 1

  • content STRING：包含要分类的文本的表达式。

  • labels ARRAY<STRING>：具有预期输出分类标签的文本。 必须至少包含 2 个元素，且不得包含 20 个以上的元素。 每个标签必须为 1-50 个字符。

  • options：包含配置选项的可选 MAP<STRING, STRING> 选项：

    • version：版本切换以支持迁移（"1.0" 对于 v1 行为， "2.0" 对于 v2 行为）。 默认值基于输入类型，但会回退到 "1.0"。

返回

返回一个 VARIANT 包含：

{
  "response": ["label_name"], // Array with single label (or multiple if multilabel=true)
  "error_message": null // null on success, or error message on failure
}

该 response 字段包含：

  • 单标签模式 （默认值）：包含一个包含最佳匹配标签的元素的数组
  • 多标签模式 （multilabel: "true"）：应用多个类别时具有多个标签的数组
  • 标签名称与参数中 labels 提供的名称完全匹配

如果NULLcontent为NULL或无法对内容进行分类，则返回。

版本 1

返回一个 STRING。 该值与 labels 参数中提供的字符串之一匹配。

如果NULLcontent为NULL或无法对内容进行分类，则返回。

示例

简单标签 - 仅标签名称

> SELECT ai_classify(
    'My password is leaked.',
    '["urgent", "not_urgent"]'
  );
 {
   "response": ["urgent"],
   "error": null
 }

带说明的标签

> SELECT ai_classify(
    'Customer cannot complete checkout due to payment processing error.',
    '{
      "billing_error": "Payment, invoice, or refund issues",
      "product_defect": "Any malfunction, bug, or breakage",
      "account_issue": "Login failures, password resets",
      "feature_request": "Customer suggestions for improvements"
    }'
  );
 {
   "response": ["billing_error"],
   "error": null
 }

使用全局说明

> SELECT ai_classify(
    'User reports app crashes on startup after update.',
    '["critical", "high", "medium", "low"]',
    MAP('instructions', 'Classify bug severity based on user impact and frequency.')
  );
 {
   "response": ["critical"],
   "error": null
 }

多标签分类

> SELECT ai_classify(
    'Customer wants refund and reports product arrived broken.',
    '{
      "billing_issue": "Payment or refund requests",
      "product_defect": "Damaged or malfunctioning items",
      "shipping_issue": "Delivery problems"
    }',
    MAP('multilabel', 'true')
  );
 {
   "response": ["billing_issue", "product_defect"],
   "error": null
 }

可组合性 ai_parse_document

> WITH parsed_docs AS (
    SELECT
      path,
      ai_parse_document(
        content,
        MAP('version', '2.0')
      ) AS parsed_content
    FROM READ_FILES('/Volumes/support/tickets/', format => 'binaryFile')
  )
  SELECT
    path,
    ai_classify(
      parsed_content,
      '["billing_error", "product_defect", "account_issue", "feature_request"]',
      MAP('instructions', 'Customer support ticket classification.')
    ) AS ticket_category
  FROM parsed_docs;

批处理分类

> SELECT
    description,
    ai_classify(
      description,
      '["clothing", "shoes", "accessories", "furniture", "electronics"]'
    ) AS category
  FROM products
  LIMIT 10;

版本 1

> SELECT ai_classify("My password is leaked.", ARRAY("urgent", "not urgent"));
  urgent

> SELECT
    description,
    ai_classify(description, ARRAY('clothing', 'shoes', 'accessories', 'furniture')) AS category
  FROM
    products
  LIMIT 10;

局限性

版本 2 限制：

  • 此函数在 SQL 经典版Azure Databricks不可用。

  • 此函数不能与 视图一起使用。

  • 每个标签名称必须为 1-100 个字符。

  • 该 labels 参数必须包含 2 到 500 个唯一标签。

  • 每个标签说明必须为 0-1,000 个字符。

  • 最大上下文大小为 128,000 个令牌。

版本 1

版本 1 限制：

  • 此函数在 SQL 经典版Azure Databricks不可用。

  • 此函数不能与 视图一起使用。

  • 每个标签名称必须为 1 到 50 个字符。

  • 数组 labels 必须包含 2 到 20 个标签。

  • 输入 content 必须小于 128,000 个标记（约 300,000 个字符）。

  • Last updated on