Premiers pas avec Snowflake Intelligence¶

Conditions préalables¶

• Git installé

• Un compte Snowflake

• Accès au rôle ACCOUNTADMIN

Créer une base de données, un schéma et des tables et charger des données depuis AWS S3¶

Pour créer les éléments de base de l’agent d’entreprise, vous devez créer une base de données, un schéma et des tables et charger des données depuis AWS S3.

1. Clonez le dépôt GitHub Premiers pas avec Snowflake Intelligence sur votre machine locale :

   git clone https://github.com/Snowflake-Labs/sfguide-getting-started-with-snowflake-intelligence.git
   

   Copy

2. Connectez-vous à Snowsight.

3. Dans le menu de navigation, sélectionnez Projects » Workspaces.

4. Sélectionnez + Add new.

5. Sélectionnez SQL File.

6. Saisissez un nom pour l’application.

7. Ouvrez le fichier.

8. Copiez le contenu du fichier configuration.sql vers l’espace de travail.

9. Exécutez toutes les instructions dans l’ordre.

10. Exécutez les instructions SQL suivantes dans l’espace de travail :

    USE ROLE ACCOUNTADMIN;
    CREATE SNOWFLAKE INTELLIGENCE SNOWFLAKE_INTELLIGENCE_OBJECT_DEFAULT;
    GRANT USAGE ON SNOWFLAKE INTELLIGENCE SNOWFLAKE_INTELLIGENCE_OBJECT_DEFAULT TO ROLE snowflake_intelligence_admin;
    

    Copy

11. En option, exécutez l’instruction SQL suivante pour activer l’inférence inter-régions :

    ALTER ACCOUNT SET CORTEX_ENABLED_CROSS_REGION = 'ANY_REGION';
    

    Copy

12. Basculez le rôle de l’utilisateur dans Snowsight sur SNOWFLAKE_INTELLIGENCE_ADMIN.

Créer des outils à utiliser par l’agent¶

Créez les outils que l’agent utilisera.

Créez un outil d’analyste Cortex en chargeant un fichier de modèle sémantique.

1. Dans le menu de navigation, sélectionnez AI & ML » Cortex Analyst.

2. Sélectionnez Create new, puis sélectionnez Upload your YAML file.

3. Chargez marketing_campaigns.yaml à partir de votre machine locale.

4. Pour la base de données et le schéma, sélectionnez DASH_DB_SI.RETAIL.

5. Pour la zone de préparation, sélectionnez SEMANTIC_MODELS.

6. Sélectionnez Upload.

Créez un outil de recherche Cortex en créant un service de recherche.

1. Dans le menu de navigation, sélectionnez AI & ML » Cortex Search.

2. Sélectionnez Create.

3. Pour Service database and schema, sélectionnez DASH_DB_SI.RETAIL.

4. Pour Service name , saisissez Support_Cases, puis sélectionnez Next.

5. Dans la liste des sources de données, sélectionnez la table SUPPORT_CASES, puis sélectionnez Next.

6. Dans la liste des colonnes de recherche, sélectionnez TRANSCRIPT, puis sélectionnez Next.

7. Pour les colonnes d’attributs, sélectionnez TITLE et PRODUCT, puis sélectionnez Next.

8. Pour les colonnes à inclure, sélectionnez Select all, puis sélectionnez Next.

9. Pour l’entrepôt, sélectionnez DASH_WH_SI (si cet entrepôt n’est pas disponible, sélectionnez COMPUTE_WH), puis sélectionnez Create.

Créer un Agent Cortex¶

Pour créer l’agent qui utilisera les outils, procédez comme suit :

1. Dans le menu de navigation, sélectionnez AI & ML » Agents.

2. Sélectionnez Create agent.

3. Pour le schéma, utilisez SNOWFLAKE_INTELLIGENCE.AGENTS.

4. Pour le nom de l’objet d’agent, utilisez Sales_AI.

5. Pour le nom d’affichage, utilisez Sales AI.

6. Sélectionnez Create agent.

Ajouter les outils à l’agent¶

Ajoutez l’outil Cortex Analyst à l’agent.

1. Sur la page de l’agent, sélectionnez l’onglet Tools.

2. Accédez à l’entrée Cortex Analyst.

3. Sélectionnez + Add, puis sélectionnez Semantic model file.

4. Pour la base de données et le schéma, sélectionnez DASH_DB_SI.RETAIL.

5. Pour la zone de préparation, sélectionnez SEMANTIC_MODELS.

6. Sélectionnez marketing_campaigns.yaml pour le fichier du modèle sémantique.

7. Pour le nom, utilisez Sales_And_Marketing_Data.

8. Pour la description, utilisez ce qui suit :

   The Sales and Marketing Data model in DASH_DB_SI.RETAIL schema provides a complete view of retail business performance by connecting marketing campaigns, product information, sales data, and social media engagement. The model enables tracking of marketing campaign effectiveness through clicks and impressions, while linking to actual sales performance across different regions. Social media engagement is monitored through influencer activities and mentions, with all data connected through product categories and IDs. The temporal alignment across tables allows for comprehensive analysis of marketing impact on sales performance and social media engagement over time.
   

   Copy

9. Pour l’entrepôt, sélectionnez Custom, puis sélectionnez DASH_WH_SI.

10. Pour le délai d’expiration de la requête, utilisez 60.

11. Sélectionnez Add.

Ajoutez l’outil Cortex Search à l’agent.

1. Accédez à l’entrée Cortex Search Services.

2. Sélectionnez + Add.

3. Pour la base de données et le schéma, sélectionnez DASH_DB_SI.RETAIL.

4. Pour le service de recherche, sélectionnez DASH_DB_SI.RETAIL.Support_Cases.

5. Pour la colonne d’ID, utilisez ID.

6. Pour la colonne de titre, utilisez TITLE.

7. Pour le nom, utilisez Support_Cases.

8. Sélectionnez Add.

9. Sélectionnez l’onglet Orchestration.

10. Ajoutez les instructions d’orchestration suivantes :

    Whenever you can answer visually with a chart, always choose to generate a chart even if the user didn't specify to.
    

    Copy

11. Sélectionnez Save.

Utiliser Snowflake Intelligence¶

Interagissez avec l’agent depuis Snowflake Intelligence.

1. Accédez à Snowflake Intelligence en utilisant l’une des méthodes décrites dans Accéder à l’agent.

2. Sélectionnez l’agent nouvellement créé.

3. Saisissez les invites suivantes :

   • « Quels problèmes liés aux vestes ont été récemment signalés dans les tickets d’assistance client ? »

   • « Montre-moi l’évolution des ventes par catégorie de produits entre juin et août. »

   • « Pourquoi les ventes de vêtements de sport ont-elles autant augmenté en juillet ? »