Introdução às Snowflake Intelligence

Este tópico apresenta informações sobre como começar a usar o Snowflake Intelligence com um exemplo simples de criação de um agente empresarial. Esse agente pode ser usado com o Snowflake Intelligence para responder a perguntas por meio de raciocínio com base em dados estruturados e não estruturados. Para acessar um guia mais detalhado, consulte Introdução ao Snowflake Intelligence.

Pré-requisitos

  • Git instalado

  • Uma conta Snowflake

  • Acesso à função ACCOUNTADMIN

Criação de um banco de dados, esquema e tabelas e carregamento de dados do AWS S3

Para criar os blocos de construção para o agente empresarial, você deve criar um banco de dados, um esquema e as tabelas e carregar os dados do AWS S3.

  1. Clone o repositório GitHub de acordo com as instruções em Getting Started with Snowflake Intelligence para sua máquina local:

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

  2. Faça login no Snowsight.

  3. No menu de navegação, selecione Projects » Workspaces.

  4. Selecione + Add new.

  5. Selecione SQL File.

  6. Insira um nome para o aplicativo.

  7. Abra o arquivo.

  8. Copie o conteúdo do arquivo setup.sql para o espaço de trabalho.

  9. Execute todas as instruções na ordem.

  10. Execute as seguintes instruções SQL no espaço de trabalho:

    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. Opcionalmente, execute a seguinte instrução SQL para permitir a inferência entre regiões:

    ALTER ACCOUNT SET CORTEX_ENABLED_CROSS_REGION = 'ANY_REGION';
    Copy

  12. Altere a função de usuário no Snowsight para SNOWFLAKE_INTELLIGENCE_ADMIN.

Criar ferramentas para o agente usar

Crie as ferramentas que o agente usará.

Crie uma ferramenta Cortex Analyst carregando um arquivo de modelo semântico.

  1. No menu de navegação, selecione AI & ML » Cortex Analyst.

  2. Selecione Create new e depois selecione Upload your YAML file.

  3. Carregue o marketing_campaigns.yaml da sua máquina local.

  4. Para o banco de dados e esquema, selecione DASH_DB_SI.RETAIL.

  5. Para a área de preparação, selecione SEMANTIC_MODELS.

  6. Selecione Upload.

Crie uma ferramenta Cortex Search criando um serviço de pesquisa.

  1. No menu de navegação, selecione AI & ML » Cortex Search.

  2. Selecione Create.

  3. Em Service database and schema, selecione DASH_DB_SI.RETAIL.

  4. Em Service name, insira Support_Cases e selecione Next.

  5. Na lista de fontes de dados, selecione a tabela SUPPORT_CASES e clique em Next.

  6. Na lista de colunas de pesquisa, selecione TRANSCRIPT e clique em Next.

  7. Para as colunas de atributo, selecione TITLE e PRODUCT e clique em Next.

  8. Para as colunas a serem incluídas, selecione Select all e clique em Next.

  9. Para o warehouse, selecione DASH_WH_SI (se esse warehouse não estiver disponível, selecione COMPUTE_WH) e clique em Create.

Criar um Cortex Agent

Para criar o agente que usará as ferramentas, siga estas etapas:

  1. No menu de navegação, selecione AI & ML » Agents.

  2. Selecione Create agent.

  3. Para o esquema, use SNOWFLAKE_INTELLIGENCE.AGENTS.

  4. Para o nome do objeto de agente, use Sales_AI.

  5. Para o nome de exibição, use Sales AI.

  6. Selecione Create agent.

Adicionar as ferramentas ao agente

Adicione a ferramenta Cortex Analyst ao agente.

  1. Na página do agente, selecione a guia Tools.

  2. Navegue até a entrada do Cortex Analyst.

  3. Selecione + Add e depois selecione Semantic model file.

  4. Para o banco de dados e esquema, selecione DASH_DB_SI.RETAIL.

  5. Para a área de preparação, selecione SEMANTIC_MODELS.

  6. Selecione marketing_campaigns.yaml para o arquivo do modelo semântico.

  7. Para o nome, use Sales_And_Marketing_Data.

  8. Para a descrição, use o seguinte:

    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. Para o warehouse, selecione Custom e, depois, DASH_WH_SI.

  10. Para o tempo limite da consulta, use 60.

  11. Selecione Add.

Adicione a ferramenta Cortex Search ao agente.

  1. Navegue até a entrada do Cortex Search Service.

  2. Selecione + Add.

  3. Para o banco de dados e esquema, selecione DASH_DB_SI.RETAIL.

  4. Para o serviço de pesquisa, selecione DASH_DB_SI.RETAIL.Support_Cases.

  5. Para a coluna ID, use ID.

  6. Para a coluna de título, use TITLE.

  7. Para o nome, use Support_Cases.

  8. Selecione Add.

  9. Selecione a guia Orchestration.

  10. Adicione as seguintes instruções de orquestração:

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

  11. Selecione Save.

Usar o Snowflake Intelligence

Interaja com o agente pelo Snowflake Intelligence.

  1. Navegue até o Snowflake Intelligence usando um dos métodos descritos em Acessar o agente.

  2. Selecione o agente recém-criado.

  3. Insira os seguintes prompts:

    • «Quais problemas com jaquetas foram relatados recentemente nos tíquetes de suporte ao cliente?»

    • «Mostre para mim a tendência de vendas por categoria de produto entre junho e agosto.»

    • «Por que as vendas de moda fitness cresceu tanto em julho?»