태그 구성을 통한 자연어 쿼리 향상
AI 지침은 자연어 쿼리에 더 많은 비즈니스 컨텍스트를 추가합니다. 사용자를 안내하고 사용자의 요구와 기대에 보다 밀접하게 부합하는 응답을 촉진합니다.
AI 지침
AI 지침은 지식 그래프가 사용자 쿼리를 해석하고 데이터에 액세스하는 방법을 명확히 하는 데 도움이 됩니다. 사용자가 쿼리를 제출하면 노드, 속성 및 에지와 같은 적용 가능한 모든 수준의 관련 지침이 고려됩니다.
- 노드(엔터티/테이블) 수준
- 속성(열/속성) 수준
- 에지 (관계) 수준
항상 포함 플래그
항상 포함 플래그를 설정하는 옵션을 사용하면 사용자가 특정 지침을 무조건 고려해야 함을 나타낼 수 있습니다. 이는 달리 요청하지 않는 한 특정 자산 상태를 항상 제외하는 등 중요한 비즈니스 필터를 적용하는 데 유용합니다.
- 사용자 쿼리 구문에 관계없이 적용해야 하는 비즈니스에 중요한 필터에 항상 포함을 사용합니다.
- 관련된 경우에만 적용해야 하는 상황에 맞는 지침의 경우 항상 포함을 생략합니다.
- 플래그가 지정된 지침이 서로 충돌하거나 중복 결과를 생성하지 않는지 확인합니다.
다음 테이블은 AI 지침이 쿼리 정확도를 개선하고 더 나은 비즈니스 컨텍스트를 제공하는 일반적인 시나리오를 보여줍니다.
| 번호 | 지침 패턴 | 예제 쿼리 | AI 지침 없는 동작 | 샘플 AI 지침 | AI 지침에 따른 동작 |
|---|---|---|---|---|---|
| 1 | 잘못된 통과 경로 방지 | 뉴욕에 위치한 회사는 무엇입니까? | 지침이 추가되지 않으면 쿼리는 기본적으로 core_company에서 cmn_location 테이블로 이동하고 도시 필드를 필터링합니다. 그러나 사용 케이스에서 테이블의 도시 필드에서 위치를 쿼리해야 하는 경우 통과 경로에서 시스템을 안내하는 AI core_company 명령을 작성해야 합니다. | 테이블에 대한 테이블 지침 core_company 회사 -도시 쿼리의 경우 항상 core_company.city를 직접 사용하십시오. cmn_location를 통과하지 마십시오. 이 지침은 시스템에서 도시 기반 회사 쿼리에 cmn_location 경로를 사용하지 않도록 합니다. |
지침이 추가되면 쿼리가 테이블의 city 필드와 일치core_company city=New York을 필터링하고 일치하는 모든 회사를 반환합니다. |
| 2 | 열별 컨텍스트 제공 | 갈색 가방 세션BBS0000013 주최한 사람은 누구입니까? | AI 명령이 없으면 시스템은 host_s로 이동하지 않고 sys_id 반환합니다. 쿼리host_s 호스트에 관한 경우 이 열을 사용할 비즈니스 컨텍스트를 제공하려면 열에 지침을 추가해야 합니다. | 테이블 host_s 에 대한 열 지침 x_snc_brown_bags_sessions 갈 색 백 세션의 호스트에 s.host_s 또는 :host_s 관계를 사용하십시오. s.sys_created_by가 아님 |
지침이 추가되면 쿼리는 host_s 열의 이름을 올바르게 반환합니다. |
| 3 | 열별 컨텍스트 제공 | Kelsey Rodriguez의 현재 역할 재임 기간(개월)은 얼마입니까? | AI 지침이 없으면 임기 열에 대해 잘못된 정보를 제공할 수 있으므로 시스템이 정확한 결과를 제공하지 못할 수 있습니다. 시스템에서 이러한 쿼리에 대해 오른쪽 열을 참조하도록 안내하는 지침을 추가해야 합니다. | time_in_current_role 열에 대한 열 지침: 쿼리에 "현재 역할의 임기"가 포함된 경우 이 열의 우선순위를 지정합니다. |
지침이 추가되면 쿼리는 time_in_current_role 열의 시간을 올바르게 반환합니다. |
| 4 | 유사한 테이블의 경우 우선순위를 지정할 항목에 대한 컨텍스트 제공 | 골이 >0 지났던 Allison Hill의 보고서 이름을 알려주세요. |
AI 지침이 없는 경우 LLM은 이 정보가 저장되는 WDF 테이블로 이동하는 대신 "sys_user" 테이블을 직접 참조하여 사용자 상세 정보를 가져옵니다. 유사한 테이블이 있을 때 LLM이 올바른 테이블을 참조하도록 안내하는 지침을 추가해야 합니다. |
WDF 테이블의 테이블 지침 – "x_snc_wdf_user" "항상 sys_user 테이블과 기타 Glide 테이블보다 "x_snc_wdf_user"에 더 많은 우선순위를 부여합니다." |
지침이 추가되면 쿼리가 WDF 테이블을 올바르게 참조하고 결과를 반환합니다. |
| 5 | 유사한 테이블의 경우 우선순위를 지정할 항목에 대한 컨텍스트 제공 | 당신의 직책은 무엇입니까? |
AI 지침이 없는 경우 LLM은 이 정보가 저장되는sn_hr_core_profile" 테이블로 이동하는 대신 "sn_hr_core_job" 테이블을 직접 참조하여 작업 상세 정보를 가져옵니다. 유사한 테이블이 있을 때 LLM이 올바른 테이블을 참조하도록 안내하는 지침을 추가해야 합니다. |
테이블의 테이블 지침 – "sn_hr_core_profile" "사용자가 구체적으로 직함에 대해 질문할 때는 항상 "sn_hr_core_job"보다 "sn_hr_core_profile"에 더 많은 우선순위를 부여하십시오. |
지침이 추가되면 쿼리가 "sn_hr_core_profile" 테이블을 올바르게 참조하고 결과를 반환합니다. |
| 6 | 유사하거나 혼동되는 여러 선택 값 간의 모호성 해결 | 정규화된 상태의 하드웨어 모델은 무엇입니까? |
AI 지침이 없는 경우 LLM은 "정규화 상태" 열의 "정규화된" 선택 값을 참조하며, 이는 "정규화 상태" 필드에 5개의 선택 값(정규화됨, 제조업체 정규화됨, 수동으로 정규화됨, 부분적으로 정규화됨, 일치 항목을 찾을 수 없음)이 있으므로 LLM이 다른 선택 값을 사용할지 여부를 혼동할 수 있습니다. 정규화 상태에 포함할 모든 선택 항목을 LLM에 안내하는 지침을 추가해야 합니다. |
"열 - 정규화 상태"에 대한 열 지침: "선택 값이 "정규화됨, 제조업체 정규화됨, 수동으로 정규화됨" 중 하나일 때 항상 정규화 상태를 정규화됨으로 간주하십시오. |
지침이 추가되면 쿼리는 "정규화됨, 제조업체 정규화됨, 수동으로 정규화됨" 3개의 선택 항목을 모두 정규화된 상태로 올바르게 간주하고 결과를 반환합니다. |
AI 지침에 대한 베스트 프랙티스
AI 지침을 생성할 때 다음 가이드라인을 따라 최적의 성능과 정확성을 검증하십시오.
- 비즈니스 논리와 관련된 명확하고 모호하지 않으며 실행 가능한 지침을 작성합니다. 항상 올바른 테이블(노드), 열(속성) 및 관계(에지)를 참조합니다. 항상 포함하는 경우에만 실제 기본 비즈니스 동작을 적용하는 것과 같은 플래그를 사용합니다.
- 모호하거나 모순되는 지침은 피하십시오. 기본 데이터 모델과 일치하지 않는 지침은 시스템에 혼동을 야기하고 잘못된 결과를 초래할 수 있습니다. 예를 들어 열이나 조건을 지정하지 않는 "제조업체별 필터링"과 같은 지침은 모호합니다.
- 조건을 사용하여 논리가 적용되는 시기를 제어합니다. 논리를 보편적으로 적용하는 대신 명령이 적용되어야 하는 경우(예: 사용자가 호스트 정보를 요청하는 경우에만)를 명확하게 명시합니다.
- 지침의 초점을 맞추고 일반화합니다. 지침은 일회성 케이스를 해결하는 것이 아니라 유사한 쿼리에서 의도 해석을 안내해야 합니다.
- 다른 곳에서 이미 처리된 논리를 중복하지 마십시오. 상충을 피하기 위해 데이터 필터를 통해 이미 적용된 필터나 제약 조건을 다시 입력하지 마십시오.
동의어, 데이터 필터 및 숨겨진 열에 대한 지원
동의어 :
- 각 엔터티에는 최대 5개의 동의어가 있을 수 있습니다.
- 동의어는 일반적으로 사용되는 대체 용어에 대한 광범위한 범위를 촉진합니다.
- 관리 가능한 동의어 세트를 유지하면 쿼리 해결의 모호성이 줄어듭니다.
데이터 필터:
- 필터는 암호 생성 중이 아닌 생성 후에 적용됩니다.
- 동적 필터를 사용하면 사용자 컨텍스트에 따라 실시간으로 조정할 수 있습니다.
- 반환된 데이터의 정확성과 관련성이 향상됩니다. 코어 그래프 쿼리를 수정하지 않습니다.
숨겨진 열:
숨겨진 열은 쿼리할 수 없으며 결과에 나타나지 않습니다.
예를 들어 쿼리 결과에서 직원 번호를 숨기려면 sys_user 테이블에 대해 직원 번호를 숨겨진 열로 추가합니다.