Snowflake 上的智能体 RAG | 技术实践

随着 AI 在各行业的持续影响，Snowflake 已经转变了其平台，将企业级治理与 AI 原生工作流以及统一的语义层融合在一起，以流畅、安全、智能的数据云形式交付。我对其最近推出的强大功能印象深刻，特别是它们如何简化复杂的能力，使其更适合企业级应用。

在本次演示中，我们将使用结构化和非结构化数据，并构建一个智能体，该智能体将在 Snowflake 平台内，利用 Cortex Analyst 和 Cortex Search 进行交互。

以下是高层次架构。

步骤 1：非结构化数据的摄取（解析和分块）

我们将在本教程中使用联邦公开市场委员会（FOMC）会议纪要的示例数据集。该数据集包含 12 份、每份 10 页的文档，记录了 2023 年和 2024 年 FOMC 会议的会议笔记。

步骤 2：结构化数据的摄取

我们将使用以下文件进行摄取并创建语义模型。

步骤 3：创建语义模型

完成后，将语义模型文件上传到 Snowflake 阶段。以下是文件内容的预览。

步骤 4：创建 Cortex Analyst 和 Cortex Search

 步骤 5：创建一个智能体，它将处理用户查询

这里是智能体根据查询将问题路由至结构化和非结构化数据的提取。

以上为全部内容。Snowflake 已经全面改造了其平台，打造了一个真正统一的数据、AI、ML 和分析基础，汇聚了治理数据与智能自动化，在这个平台上，从数据工程师到业务分析师的每个用户都能以简洁、可扩展且可靠的方式，充分利用现代 AI 的全部潜力。

原文地址：

https://www.linkedin.com/pulse/agentic-rag-snowflake-indrajit-singh-wtkzf/?trackingId=cW%2BjHhq9QpKGGQBDs1l1WA%3D%3D