Beispiele für Cortex Code CLI-Workflow¶

Unter diesem Thema finden Sie Workflow-Beispiele für gängige Aufgaben, damit Sie die Cortex Code CLI optimal nutzen können. Es umfasst die Erkennung von Daten, die Generierung synthetischer Daten, das Erstellen von Dashboards und das Erstellen von Cortex Agents.

Anwendungsfälle: Datenerkennung und Datenabfrage¶

Dieser Abschnitt führt Sie durch die Erstellung eines synthetischen Datasets und die Durchführung einer grundlegenden Analyse zur Erstellung eines Dashboards.

Mit einem Snowflake-Konto verbinden¶

cortex -c <your-demo-account>

Oder interaktiv verbinden:

> connect to <my demo account>

Daten ermitteln und untersuchen¶

Datenkatalog durchsuchen, Hinweise zur Datenherkunft erhalten und relevante Tabellen finden:

> Find all tables related to customers that I have write access to

Vergewissern Sie sich, dass Sie die richtige Rolle mit den richtigen Berechtigungen haben.¶

> What privileges does my role have on this database?

Zugriffsprobleme diagnostizieren und Rollenberechtigungen verstehen:

> Why am I getting a permissions error?

Synthetische Daten erzeugen¶

Hier finden Sie einige Beispiele für die Erzeugung synthetischer Daten für verschiedene Anwendungsfälle.

Betrugsanalyse für ein Finanztechnologieunternehmen:

> Generate realistic looking synthetic data into <database name>. Create a table of 10000
  financial transactions where ~0.5% of them are fraudulent. Include Amount, Location,
  Merchant, and Time. Make the fraudulent ones look suspicious based on location or amount.

Pharma-Testdaten:

> Make a dummy dataset for a clinical trial of a new blood pressure medication. List 100
  patients, their age, their dosage group (Placebo vs. 10mg), and their blood pressure
  readings over 4 weeks.

Daten zur Kundenabwanderung:

> Create a customer churn dataset for a telecom company showing customer usage for 100000
  customers. Include basic demographic data such as fake names, phone numbers, US city and
  state. Also include data usage (GB), call minutes, contract length, and whether they
  cancelled their service (churn). Ensure there's a customer_id column that's unique.
  Create the data locally and then upload it to Snowflake.

Ausführen grundlegender Abfragen auf diesen Daten¶

> Calculate the Churn Rate grouped by state and contract length. Order the results by the
  highest churn rate first so I can see the most risky regions and contract types.

> I want to identify the heaviest data users who are also churning.

Erstellen interaktiver Dashboards¶

Erstellen Sie Streamlit-Apps mit Diagrammen, Filtern und Interaktivität, und stellen Sie diese bereit.

Tipp

Öffnen Sie ein Beispiel-Dashboard, das Ihnen gefällt (oder suchen Sie online danach), und kopieren Sie es in Ihre Zwischenablage. Sie können Bilder direkt in Cortex Code als Designreferenzen einfügen (Strg+V).

> Build an interactive Streamlit dashboard on this data with state filters and use the
  conversation so far for examples of the kinds of charts to show. Use the attached image
  as a template for visuals and branding.

Wenn Sie überprüft haben, dass das Dashboard funktioniert und gut aussieht, laden Sie es in Snowflake hoch:

> Ensure that the Streamlit app will work with Snowflake and upload it to Snowflake.
  Give me a link to access the dashboard when it's done.

Herzlichen Glückwunsch! Sie sollten jetzt ein funktionierendes Streamlit-Dashboard haben, das das von Ihnen erstellte Dataset anzeigt.

Anwendungsfälle: Erstellen von Cortex Agents¶

Dieser Abschnitt führt Sie durch die Erstellung eines Cortex Agents, um Fragen zu Ihren Daten in Snowflake Intelligence zu beantworten. Wir ergänzen die vorhandenen synthetischen Daten mit Kundenanruftranskripten.

Erstellen einer semantischen Ansicht für Cortex Analyst¶

Erstellen Sie eine semantische Ansicht, damit Sie Cortex Analyst mit Ihren Daten verwenden können. Verwenden Sie die Standardwerte für alle Fragen, die gestellt werden:

> Write a Semantic View named DEMO_TELECOM_CHURN_ANALYTICS for Cortex Analyst based on
  this data. Use the semantic-view optimization skill.

Einen Cortex Search Service erstellen¶

Generieren Sie zunächst synthetische Daten, die Kundenanrufe beim Support enthalten:

> Generate a new table called customer_call_logs. Generate 50 realistic customer service
  transcripts (2-3 sentences each) as PDF files. Some should be angry complaints about
  coverage, others should be questions about billing. Then use the AI_PARSE_DOCUMENT
  function to extract the text and layout information from the PDFs into the TRANSCRIPT_TEXT
  column. Split text into chunks for better search quality.

Erstellen Sie dann einen Cortex Search Service, der die Transkripte indiziert:

> Create a Cortex Search Service named CALL_LOGS_SEARCH that indexes these transcripts.
  It should index the TRANSCRIPT_TEXT column and filter by CUSTOMER_ID.

Erstellen eines Cortex Agents¶

Erstellen eines Cortex Agents, der sowohl die Dienste Analyst und Search nutzt:

> Build a Cortex Agent that has access to two tools:
  - cortex_analyst: For querying the TELECOM_CUSTOMERS SQL table.
  - cortex_search: For searching the CALL_LOGS_SEARCH service.

  Write a system prompt for this agent:
  - Persona: You are a Senior Retention Specialist.
  - Routing Logic: If the user asks for 'metrics', 'counts', or 'averages', use the
    Analyst tool. If the user asks for 'sentiment', 'reasons', or 'summaries of calls',
    use the Search tool.
  - Output Format: Always verify the customer ID before answering. If the risk score is
    high, end the response with a recommended retention offer (e.g., 'Offer 10% discount').
  - Constraint: Never reveal the raw CHURN_RISK_SCORE to the user; interpret it as 'Low',
    'Medium', or 'High'.

Für Snowflake Intelligence bereitstellen¶

Stellen Sie den Agent in Snowflake Intelligence bereit:

> Let's deploy this agent to Snowflake Intelligence.

Herzlichen Glückwunsch! Sie haben erfolgreich einen Snowflake Intelligence-Agent erstellt und bereitgestellt.

Sie sollten nun in der Lage sein, in Snowflake Intelligence auf diesen Agent zuzugreifen und ihm Fragen wie die folgenden zu stellen:

„Worüber beschweren sich die Kunden bei ihren Anrufen?“
„Zeige mir Hochrisikokunden mit monatlichen Gebühren über 100 USD“

Siehe auch:¶

Cortex Code-CLI: Erste Schritte mit der Installation und ersten Prompts
Skills: Spezialisierte Skills für semantische Modelle, Agents und Dokumente
Cortex Analyst: Dokumentation zu Cortex Analyst