Consulta ao Cortex Search Service¶
Quando você cria um Cortex Search Service, o sistema provisiona um ponto de extremidade de API para processar as consultas em baixa latência. Você pode usar três APIs para consultar um Cortex Search Service:
Parâmetros¶
Todas as APIs oferecem suporte ao mesmo conjunto de parâmetros de consulta:
Parâmetro |
Descrição |
|
---|---|---|
Obrigatório |
|
A consulta que será pesquisada na coluna de texto no serviço. |
Opcional |
|
Uma lista de colunas separadas por vírgulas a serem retornadas para cada resultado relevante na resposta. Essas colunas devem ser incluídas na consulta de origem do serviço. Se esse parâmetro não for fornecido, apenas a coluna de pesquisa será retornada na resposta. |
|
Um objeto de filtro para filtrar resultados com base nos dados nas colunas |
|
|
Objeto de configuração para personalizar o comportamento da classificação de pesquisa. Consulte Personalização da classificação de pesquisa para ver a sintaxe. |
|
|
Número máximo de resultados a serem retornados na resposta. O valor máximo aceito é 1000. Se não for fornecido, o valor padrão será 10. |
Sintaxe¶
Os seguintes exemplos mostram como consultar um Cortex Search Service usando todas as três superfícies:
import os
from snowflake.core import Root
from snowflake.snowpark import Session
# connect to Snowflake
CONNECTION_PARAMETERS = { ... }
session = Session.builder.configs(CONNECTION_PARAMETERS).create()
root = Root(session)
# fetch service
my_service = (root
.databases["<service_database>"]
.schemas["<service_schema>"]
.cortex_search_services["<service_name>"]
)
# query service
resp = my_service.search(
query="<query>",
columns=["<col1>", "<col2>"],
filter={"@eq": {"<column>": "<value>"} },
limit=5
)
print(resp.to_json())
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "<search_query>",
"columns": ["col1", "col2"],
"filter": <filter>,
"limit": <limit>
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'my_search_service',
'{
"query": "preview query",
"columns":[
"col1",
"col2"
],
"filter": {"@eq": {"col1": "filter value"} },
"limit":10
}'
)
)['results'] as results;
Configuração e autenticação¶
API de Python¶
Os Cortex Search Services podem ser consultados usando a versão 0.8.0 ou posterior das Snowflake Python APIs. Consulte Snowflake Python APIs: Gerenciamento de objetos Snowflake com Python para obter mais informações sobre as Snowflake Python APIs.
Instalação da biblioteca da Snowflake Python API¶
Primeiro, instale a versão mais recente do pacote Snowflake Python APIs de PyPI. Consulte Instalação da biblioteca Snowflake Python APIs para obter instruções sobre como instalar esse pacote de PyPI.
pip install snowflake -U
Conexão com o Snowflake¶
Conecte-se ao Snowflake usando uma Session
Snowpark ou um conector Python Connection
e crie um objeto Root
. Consulte Conexão ao Snowflake com as Snowflake Python APIs para obter mais instruções sobre como se conectar ao Snowflake. O exemplo a seguir usa o objeto Session
Snowpark e um dicionário Python para configuração.
import os
from snowflake.core import Root
from snowflake.snowpark import Session
CONNECTION_PARAMETERS = {
"account": os.environ["snowflake_account_demo"],
"user": os.environ["snowflake_user_demo"],
"password": os.environ["snowflake_password_demo"],
"role": "test_role",
"database": "test_database",
"warehouse": "test_warehouse",
"schema": "test_schema",
}
session = Session.builder.configs(CONNECTION_PARAMETERS).create()
root = Root(session)
Nota
A versão 0.8.0 ou posterior da biblioteca Snowflake Python APIs é necessária para consultar um Cortex Search Service.
REST API¶
O Cortex Search expõe um ponto de extremidade da API REST no conjunto de APIs REST do Snowflake. O ponto de extremidade REST gerado para um Cortex Search Service tem a seguinte estrutura:
https://<account_url>/api/v2/databases/<db_name>/schemas/<schema_name>/cortex-search-services/<service_name>:query
Onde:
<account_url>
: O URL da sua conta Snowflake. Consulte Como encontrar o nome da conta e organização de uma conta para obter instruções sobre como encontrar o URL da sua conta.<db_name>
: o banco de dados no qual o serviço reside.<schema_name>
: esquema no qual o serviço reside.<service_name>
: nome do serviço.:query
: o método a ser invocado no serviço. Neste caso, o métodoquery
.
Para obter detalhes adicionais, consulte a referência do RESTAPI do Cortex Search Service.
Autenticação¶
As Snowflake REST APIs oferecem suporte à autenticação por meio de tokens de acesso programático (Programmatic Access Tokens, PATs), autenticação com par de chaves usando JSON Web Tokens (JWTs) e OAuth. Para obter detalhes, consulte Autenticação das Snowflake REST APIs com Snowflake.
Função SQL SEARCH_PREVIEW¶
A função SNOWFLAKE.CORTEX.SEARCH_PREVIEW permite que você versão os resultados de consultas individuais em um Cortex Search Service de dentro de um ambiente SQL, como uma planilha ou uma célula do Snowflake Notebook. Essa função facilita a validação rápida de que um serviço está preenchido corretamente e gerando resultados razoáveis.
Importante
Esta função só opera em consultas de literal de cadeia de caracteres. Ela não aceita dados de texto em lote.
Essa função gera mais latência do que as APIs REST ou Python. Ela foi projetada para fins de teste/validação. Não a utilize para processar consultas de pesquisa em um aplicativo de usuário final que requer baixa latência.
Sintaxe do filtro¶
O Cortex Search oferece suporte à filtragem nas colunas ATTRIBUTES especificadas no comando CREATE CORTEX SEARCH SERVICE.
O Cortex Search oferece suporte a cinco operadores de correspondência:
ARRAY contains:
@contains
NUMERIC ou DATE/TIMESTAMP maior ou igual a:
@gte
NUMERIC ou DATE/TIMESTAMP menor ou igual a:
@lte
Igualdade de chave primária:
@primarykey
Esses operadores correspondentes podem ser compostos com vários operadores lógicos:
@and
@or
@not
Notas de uso¶
A correspondência com valores
NaN
(«não é um número») na consulta de origem é tratada conforme descrito em Valores especiais.Os valores numéricos de ponto fixo com mais de 19 dígitos (sem incluir zeros iniciais) não funcionam com
@eq
,@gte
ou@lte
e não serão retornados por esses operadores (embora ainda possam ser retornados pela consulta geral com o uso de@not
).Os filtros
TIMESTAMP
eDATE
aceitam valores no formato:YYYY-MM-DD
e, para datas com conhecimento de fuso horário:YYYY- MM-DD+HH:MM
. Se o deslocamento de fuso horário não for especificado, a data será interpretada em UTC.@primarykey
só é compatível com serviços configurados com uma chave primária. O valor do filtro deve ser um objeto JSON que mapeia cada coluna de chave primária para seu valor correspondente (ouNULL
).
Esses operadores podem ser combinados em um único objeto de filtro.
Exemplo¶
Filtro em linhas onde a coluna do tipo cadeia de caracteres
string_col
é igual ao valorvalue
.{ "@eq": { "string_col": "value" } }
Filtragem para uma linha com os valores de chave primária especificados
us-west-1
na colunaregion
eabc123
na colunaagent_id
:{ "@primarykey": { "region": "us-west-1", "agent_id": "abc123" } }
Filtro em linhas onde a coluna ARRAY
array_col
contém o valorvalue
.{ "@contains": { "array_col": "arr_value" } }
Filtragem de linhas em que a coluna NUMERIC
numeric_col
está entre 10,5 e 12,5 (inclusive):{ "@and": [ { "@gte": { "numeric_col": 10.5 } }, { "@lte": { "numeric_col": 12.5 } } ] }
Filtragem de linhas em que a coluna TIMESTAMP
timestamp_col
está entre2024-11-19
e2024-12-19
(inclusive).{ "@and": [ { "@gte": { "timestamp_col": "2024-11-19" } }, { "@lte": { "timestamp_col": "2024-12-19" } } ] }
Composição de filtros com operadores lógicos:
// Rows where the "array_col" column contains "arr_value" and the "string_col" column equals "value" { "@and": [ { "@contains": { "array_col": "arr_value" } }, { "@eq": { "string_col": "value" } } ] } // Rows where the "string_col" column does not equal "value" { "@not": { "@eq": { "string_col": "value" } } } // Rows where the "array_col" column contains at least one of "val1", "val2", or "val3" { "@or": [ { "@contains": { "array_col": "val1" } }, { "@contains": { "array_col": "val2" } }, { "@contains": { "array_col": "val3" } } ] }
Personalização da classificação de pesquisa¶
Por padrão, as consultas ao Cortex Search Services aproveitam a pesquisa semântica e a reclassificação para melhorar a relevância dos resultados da pesquisa. Você pode personalizar a pontuação e a classificação dos resultados da pesquisa de várias maneiras:
Aplicação de aumentos numéricos com base nas colunas de metadados numéricos
Aplicação de decréscimos de tempo com base nas colunas de metadados de carimbo de data/hora
Desabilitação da reclassificação para reduzir a latência da consulta
Aumentos numéricos e decréscimos de tempo¶
Você pode aumentar ou aplicar decréscimos nos resultados de pesquisa com base em metadados numéricos ou de carimbo de data/hora. Esse recurso é útil quando você tem metadados estruturados (por exemplo, sinais de popularidade ou recenticidade) por resultado que podem ajudar a determinar a relevância dos documentos no momento da consulta. Você pode especificar duas categorias de sinais de classificação ao fazer uma consulta:
Tipo |
Descrição |
Tipos de coluna aplicáveis |
Exemplo de campos de metadados (ilustrativo) |
---|---|---|---|
Aumento numérico |
Metadados numéricos que aumentam os resultados com mais atenção ou atividade. |
|
|
Decréscimo do tempo |
Metadados de data ou hora que aumentam os resultados mais recentes. A influência de sinais de recenticidade diminui com o tempo. |
|
Os metadados de aumento e decréscimo provêm de colunas na tabela de origem das quais um Cortex Search Service é criado. Você especifica as colunas de metadados que serão usadas para aumentar ou diminuir ao fazer a consulta, mas essas colunas devem ser incluídas durante a criação do Cortex Search Service.
Consulta a um serviço com sinais de aumento ou decréscimo
Ao consultar um Cortex Search Service, especifique as colunas a serem usadas para aumento ou redução nos campos opcionais numeric_boosts
e time_decays
no campo scoring_config.functions
. Você também pode especificar o peso de cada aumento ou decréscimo.
{
"scoring_config": {
"functions": {
"numeric_boosts": [
{
"column": "<column_name>",
"weight": <weight>
},
// ...
],
"time_decays": [
{
"column": "<column_name>",
"weight": <weight>,
"limit_hours": <limit_hours>
},
// ...
]
}
}
}
Propriedades:
numeric_boosts
(matriz, opcional):<numeric_boost_object>
(objeto, opcional):column_name
(string): especifica a coluna numérica à qual o reforço deve ser aplicado.weight
(float): especifica o peso ou a importância atribuída à coluna impulsionada no processo de classificação. Quando várias colunas são especificadas, um peso maior aumenta a influência do campo.
time_decays
(matriz, opcional):<time_decay_object>
(objeto, opcional):column_name
(string): especifica a coluna de data ou hora à qual o decréscimo deve ser aplicado.weight
(float): especifica o peso ou a importância atribuída à coluna com decréscimo no processo de classificação. Quando várias colunas são especificadas, um peso maior aumenta a influência do campo.limit_hours
(float): define o limite após o qual o tempo começa a ter menos efeito sobre a relevância ou a importância do documento. Por exemplo, um valor de 240 emlimit_hours
indica que os documentos com carimbos de data/hora com mais de 240 horas (10 dias) no passado a partir do carimbo de data/horanow
não recebem um aumento significativo, enquanto os documentos com um carimbo de data/hora nas últimas 240 horas devem receber um aumento mais significativo.now
(cadeia de caracteres, opcional): carimbo de data/hora de referência opcional a partir do qual os decréscimos são calculados no formato ISO-8601yyyy-MM-dd'T'HH:mm:ss.SSSXXX
. Por exemplo,"2025-02-19T14:30:45.123-08:00"
. O padrão é o carimbo de data/hora atual, se não for especificado.
Nota
Os aumentos numéricos são aplicados como médias ponderadas aos campos retornados, enquanto os decréscimos utilizam uma função logarítmica suavizada para rebaixar os valores menos recentes.
Os pesos são relativos nos campos de impulso ou decréscimos especificados. Se apenas um único campo for fornecido em uma matriz boosts
ou decays
, o valor de seu peso será irrelevante.
Se mais de um campo for fornecido, os pesos serão aplicados em relação uns aos outros. Um campo com peso de 10, por exemplo, afeta a classificação do registro duas vezes mais do que um campo com peso de 5.
Reclassificação¶
Por padrão, as consultas ao Cortex Search Services utilizam semantic reranking para melhorar a relevância dos resultados de pesquisa. Embora a reclassificação possa aumentar de forma mensurável a relevância do resultado, ele também pode aumentar visivelmente a latência da consulta. Você pode desativar a reclassificação em qualquer consulta do Cortex Search se descobrir que o benefício de qualidade proporcionado pela reclassificação pode ser sacrificado por velocidades de consulta mais rápidas em seu caso de uso comercial.
Nota
A desativação da reclassificação reduz a latência da consulta em 100 a 300 ms, em média, mas a redução exata da latência, bem como a magnitude da degradação da qualidade, varia de acordo com as cargas de trabalho. Avalie os resultados lado a lado, com e sem reclassificação, antes de decidir desativá-la nas consultas.
Consulta a um Cortex Search Service sem o reclassificador
Você pode desativar o mecanismo de classificação para uma consulta individual no momento da consulta no campo scoring_config.reranker
no seguinte formato:
{
"scoring_config": {
"reranker": "none"
}
Propriedades:
reranker
(cadeia de caracteres, opcional): parâmetro que pode ser definido como “none” se o mecanismo de classificação for desativado. Se for excluído ou nulo, será usado o mecanismo de classificação padrão.
Requisitos de controle de acesso¶
A função que está consultando o Cortex Search Service deve ter os seguintes privilégios para recuperar resultados:
Privilégio |
Objeto |
---|---|
USAGE |
O Cortex Search Service |
USAGE |
O banco de dados no qual o Cortex Search Service reside |
USAGE |
O esquema no qual o Cortex Search Service reside |
Consulta com direitos de proprietário¶
O Cortex Search Services realiza buscas com os direitos do proprietário e seguem o mesmo modelo de segurança de outros objetos Snowflake executados com os direitos do proprietário.
Em particular, isso significa que qualquer função com privilégios suficientes para consultar um Cortex Search Service pode consultar qualquer dado que o serviço tenha indexado, independentemente dos privilégios dessa função nos objetos subjacentes (como tabelas e exibições) referenciados na consulta de origem do serviço.
Por exemplo, para um Cortex Search Service que faz referência a uma tabela com políticas de mascaramento em nível de linha, os usuários consultores desse serviço poderão ver os resultados da pesquisa de linhas nas quais a função do proprietário tem permissão de leitura, mesmo que a função do usuário consultor não possa ler essas linhas na tabela de origem.
Tenha cuidado, por exemplo, ao conceder uma função com privilégios USAGE em um Cortex Search Service a outro usuário do Snowflake.
Limitações conhecidas¶
A consulta a um Cortex Search Service está sujeita às seguintes limitações:
Tamanho da resposta: o tamanho total da carga útil da resposta retornada de uma consulta de pesquisa para um serviço Cortex Search Service não deve exceder os seguintes limites:
REST API e Python API: 10 megabytes (MB)
Função SQL SEARCH_PREVIEW: 300 quilobytes (KB)
Exemplos¶
Esta seção apresenta exemplos abrangentes para consultar os Cortex Search Services em todos os três métodos de API.
Configuração para os exemplos¶
Os exemplos a seguir usam uma tabela chamada business_documents
com carimbo de data/hora e colunas numéricas para demonstrar vários recursos:
CREATE OR REPLACE TABLE business_documents (
document_contents VARCHAR,
last_modified_timestamp TIMESTAMP,
created_timestamp TIMESTAMP,
likes INT,
comments INT
);
INSERT INTO business_documents (document_contents, last_modified_timestamp, created_timestamp, likes, comments)
VALUES
('Quarterly financial report for Q1 2024: Revenue increased by 15%, with expenses stable.',
'2024-01-12 10:00:00', '2024-01-10 09:00:00', 10, 20),
('IT manual for employees: Instructions for usage of internal technologies, including hardware.',
'2024-02-10 15:00:00', '2024-02-05 14:30:00', 85, 10),
('Employee handbook 2024: Updated policies on remote work, health benefits, and company culture.',
'2024-02-10 15:00:00', '2024-02-05 14:30:00', 85, 10),
('Marketing strategy document: Target audience segmentation for upcoming product launch.',
'2024-03-15 12:00:00', '2024-03-12 11:15:00', 150, 32),
('Product roadmap 2024: Key milestones for tech product development, including the launch.',
'2024-04-22 17:30:00', '2024-04-20 16:00:00', 200, 45),
('Annual performance review process guidelines: Procedures for managers to conduct employee.',
'2024-05-02 09:30:00', '2024-05-01 08:45:00', 60, 5);
CREATE OR REPLACE CORTEX SEARCH SERVICE business_documents_css
ON document_contents
WAREHOUSE = <warehouse_name>
TARGET_LAG = '1 minute'
AS SELECT * FROM business_documents;
Exemplos de filtro¶
Consulta simples com filtro de igualdade¶
resp = business_documents_css.search(
query="technology",
columns=["DOCUMENT_CONTENTS", "LIKES"],
filter={"@eq": {"REGION": "US"}},
limit=5
)
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LIKES"],
"filter": {"@eq": {"REGION": "US"}},
"limit": 5
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'business_documents_css',
'{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LIKES"],
"filter": {"@eq": {"REGION": "US"}},
"limit": 5
}'
)
)['results'] as results;
Filtro de intervalo¶
resp = business_documents_css.search(
query="business",
columns=["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
filter={"@and": [
{"@gte": {"LIKES": 50}},
{"@lte": {"COMMENTS": 50}}
]},
limit=10
)
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "business",
"columns": ["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
"filter": {"@and": [
{"@gte": {"LIKES": 50}},
{"@lte": {"COMMENTS": 50}}
]},
"limit": 10
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'business_documents_css',
'{
"query": "business",
"columns": ["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
"filter": {"@and": [
{"@gte": {"LIKES": 50}},
{"@lte": {"COMMENTS": 50}}
]},
"limit": 10
}'
)
)['results'] as results;
Exemplos de pontuação¶
Aumentos numéricos¶
Aplique aumentos numéricos às colunas de curtidas e comentários, com o dobro do peso de aumento nos valores de comentários em relação aos valores de curtidas.
resp = business_documents_css.search(
query="technology",
columns=["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
scoring_config={
"functions": {
"numeric_boosts": [
{"column": "comments", "weight": 2},
{"column": "likes", "weight": 1}
]
}
}
)
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
"scoring_config": {
"functions": {
"numeric_boosts": [
{"column": "comments", "weight": 2},
{"column": "likes", "weight": 1}
]
}
}
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'business_documents_css',
'{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LIKES", "COMMENTS"],
"scoring_config": {
"functions": {
"numeric_boosts": [
{"column": "comments", "weight": 2},
{"column": "likes", "weight": 1}
]
}
}
}'
)
)['results'] as results;
Nos resultados, observe:
Com os aumentos, o documento «Product roadmap 2024:…» é o principal resultado devido ao seu grande número de curtidas e comentários, embora tenha uma relevância ligeiramente menor para a consulta «technology»
Sem os aumentos, o resultado principal da consulta é «IT manual for employees:…»
Decréscimos de tempo¶
Aplique decréscimos de tempo com base na coluna LAST_MODIFIED_TIMESTAMP, em que:
Os documentos com os valores LAST_MODIFIED_TIMESTAMP mais recentes, em relação ao carimbo de data/hora «now», são aumentados
Os documentos com um valor LAST_MODIFIED_TIMESTAMP superior a 240 horas a partir do carimbo de data/hora «now» recebem pouco aumento
resp = business_documents_css.search(
query="technology",
columns=["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
scoring_config={
"functions": {
"time_decays": [
{"column": "LAST_MODIFIED_TIMESTAMP", "weight": 1, "limit_hours": 240, "now": "2024-04-23T00:00:00.000-08:00"}
]
}
}
)
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
"scoring_config": {
"functions": {
"time_decays": [
{"column": "LAST_MODIFIED_TIMESTAMP", "weight": 1, "limit_hours": 240, "now": "2024-04-23T00:00:00.000-08:00"}
]
}
}
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'business_documents_css',
'{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
"scoring_config": {
"functions": {
"time_decays": [
{"column": "LAST_MODIFIED_TIMESTAMP", "weight": 1, "limit_hours": 240, "now": "2024-04-23T00:00:00.000-08:00"}
]
}
}
}'
)
)['results'] as results;
Nos resultados, observe:
Com os decréscimos, o documento «Product roadmap 2024:…» é o principal resultado devido à sua recenticidade em relação ao carimbo de data/hora «now», embora tenha uma relevância ligeiramente inferior para a consulta de «technology»
Sem os decréscimos, o resultado principal da consulta é «IT manual for employees:…»
Desabilitação da reclassificação¶
Para desabilitar a reclassificação:
resp = business_documents_css.search(
query="technology",
columns=["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
limit=5,
scoring_config={
"reranker": "none"
}
)
curl --location https://<ACCOUNT_URL>/api/v2/databases/<DB_NAME>/schemas/<SCHEMA_NAME>/cortex-search-services/<SERVICE_NAME>:query \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--header "Authorization: Bearer $PAT" \
--data '{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
"scoring_config": {
"reranker": "none"
}
}'
SELECT PARSE_JSON(
SNOWFLAKE.CORTEX.SEARCH_PREVIEW(
'business_documents_css',
'{
"query": "technology",
"columns": ["DOCUMENT_CONTENTS", "LAST_MODIFIED_TIMESTAMP"],
"scoring_config": {
"reranker": "none"
}
}'
)
)['results'] as results;
Dica
Para consultar um serviço com o mecanismo de classificação, omita o parâmetro "reranker": "none"
do objeto scoring_config
, pois a reclassificação é o comportamento padrão.