Exemples de workflow de la CLI Cortex Code¶

Cette rubrique fournit des exemples de workflow pour des tâches courantes afin de vous aider à tirer le meilleur parti de la CLI Cortex Code. Elle couvre la découverte des données, la génération de données synthétiques, la création de tableaux de bord et la création d’agents Cortex.

Cas d’utilisation : Découverte et interrogation de données¶

Cette section décrit la création d’un ensemble de données synthétique et l’exécution d’une analyse de base pour générer un tableau de bord.

Connectez-vous à un compte Snowflake¶

cortex -c <your-demo-account>

Ou connectez-vous de manière interactive :

> connect to <my demo account>

Découvrir et explorer des données¶

Effectuez une recherche dans votre catalogue de données, comprenez la lignée et trouvez les tables pertinentes :

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

Assurez-vous de disposer du rôle adéquat assorti des autorisations appropriées¶

> What privileges does my role have on this database?

Analyser les problèmes d’accès et comprendre les privilèges des rôles :

> Why am I getting a permissions error?

Générer des données synthétiques¶

Voici quelques exemples de génération de données synthétiques pour différents cas d’utilisation.

Analyse de la fraude pour une entreprise de fintech :

> 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.

Données issues d’essais cliniques :

> 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.

Données relatives au désabonnement des clients :

> 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.

Exécution de requêtes de base sur ces données¶

> 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.

Création de tableaux de bord interactifs¶

Créez et déployez des applications Streamlit avec des graphiques, des filtres et l’interactivité.

Astuce

Choisissez un exemple de tableau de bord (ou trouvez-en un en ligne) et copiez-le dans votre presse-papiers. Vous pouvez coller des images directement dans Cortex Code (Ctrl+V) en tant que références de conception.

> 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.

Une fois que vous avez vérifié que le tableau de bord fonctionne et semble correct, importez-le sur Snowflake :

> 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.

Félicitations ! Vous devriez maintenant disposer d’un tableau de bord Streamlit fonctionnel qui affiche l’ensemble de données que vous avez créé.

Cas d’utilisation : Création d’Agents Cortex¶

Cette section vous guide dans la création d’un Agent Cortex pour répondre à des questions sur vos données dans Snowflake Intelligence. Nous enrichirons les données synthétiques existantes avec des transcriptions d’appels clients.

Créer une vue sémantique pour Cortex Analyst¶

Créez une vue sémantique afin de pouvoir utiliser Cortex Analyst avec vos données. Utilisez les valeurs par défaut pour toutes les questions qu’il pose :

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

Créer un Cortex Search Service¶

Tout d’abord, générez des données synthétiques contenant les appels des services des clients :

> 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.

Créez ensuite un Cortex Search Service qui indexe les transcriptions :

> 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.

Créer un Agent Cortex¶

Créez un Agent Cortex qui utilise à la fois les services d’analyste et de recherche :

> 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'.

Déploiement sur Snowflake Intelligence¶

Déployer l’agent sur Snowflake Intelligence :

> Let's deploy this agent to Snowflake Intelligence.

Félicitations ! Vous avez correctement créé et déployé un agent Snowflake Intelligence.

Vous devriez maintenant être en mesure d’accéder à cet agent dans Snowflake Intelligence et de lui poser des questions telles que :

« De quoi se plaignent les clients lors de leurs appels ? »
« Montrez-moi les clients à haut risque dont les frais mensuels dépassent 100 $ »

Voir aussi :¶

CLI de Cortex Code: Commencer avec l’installation et les premières invites
Compétences: Compétences spécialisées pour les modèles sémantiques, les agents et les documents
Cortex Analyst: Documentation Cortex Analyst