QueryData te permite interactuar con los datos del grafo de propiedades en tu base de datos de Spanner con lenguaje conversacional y crear agentes de datos. QueryData genera consultas de Graph Query Language (GQL) a partir de preguntas en lenguaje natural basadas en el esquema de tus grafos de propiedades. Para mejorar la exactitud de tus casos de uso, también puedes proporcionar conjuntos de contexto, una colección de plantillas de consultas, facetas de consultas y búsquedas de valores que capturen tu lógica empresarial específica del dominio y las preguntas que hacen tus usuarios. Para obtener más información sobre los conjuntos de contexto, consulta la descripción general de los conjuntos de contexto.
Cuándo usar QueryData
QueryData para Spanner Graph es ideal para aplicaciones como las siguientes:
- Asistentes conversacionales sobre datos de grafos: Un asistente de asistencia o analista responde "¿Se devolvió dinero enviado desde la cuenta 7 en un plazo de 60 días?" haciendo que QueryData genere y ejecute la consulta de GQL de varios saltos.
- Copilotos de investigación para fraude, riesgo y cumplimiento: Los analistas exploran las redes de propiedad y transferencia a través de preguntas de seguimiento, mientras que un conjunto de contexto mantiene términos como transferencia de alto riesgo coherentes en cada respuesta.
- Agentes de razonamiento de gráficos de conocimiento: Los agentes creados con el ADK o un cliente de MCP llaman a QueryData como una herramienta para fundamentar su razonamiento en las relaciones almacenadas en tu gráfico, como las cuentas que controla una persona a través de intermediarios.
Conceptos básicos
Para traducir de forma confiable las preguntas conversacionales en consultas de GQL, QueryData se basa en los siguientes conceptos clave:
QueryData y la API de Conversational Analytics
El extremo QueryData de la API de Conversational Analytics es una herramienta de agente que permite la generación de consultas de lenguaje natural a GQL (NL2GQL) de manera programática para los grafos de propiedades de tu base de datos de Spanner. Dentro de una aplicación conversacional o un flujo de trabajo de varios agentes, el extremo QueryData controla la interpretación del esquema y la síntesis de consultas para los grafos de propiedades que enumeras en el campo graph_ids de cada solicitud. Tu arnés de agentes (como Antigravity, el Kit de desarrollo de agentes [ADK] o LangChain) administra el historial de conversaciones, el estado del usuario y la organización de herramientas para contextualizar la entrada del usuario antes de enviar una solicitud en lenguaje natural al extremo QueryData.
Conjuntos de contexto
Un conjunto de contexto es una colección de conocimientos específicos de la base de datos, patrones de consulta seleccionados y reglas empresariales asociadas con tu base de datos. En lugar de depender únicamente del conocimiento general del LLM o del esquema de grafo de propiedades sin procesar, QueryData usa conjuntos de contexto para comprender los matices de tu modelo de grafo y la terminología específica de la organización, como lo que tu empresa considera una transferencia de alto riesgo en un grafo de finanzas bancarias. En los ejemplos de esta guía, se usan el esquema de grafo de propiedades FinGraph y el conjunto de datos de muestra. Para crear el esquema FinGraph y, luego, insertar los datos de muestra, consulta Configura y consulta Spanner Graph.
Un conjunto de contextos contiene tres componentes básicos principales:
- Plantillas de consultas: Son pares seleccionados de preguntas representativas en lenguaje natural y sus consultas de GQL correspondientes previamente validadas. Las plantillas proporcionan ejemplos canónicos que definen cómo se asignan las intenciones empresariales específicas a las declaraciones de GQL (por ejemplo, cómo "¿Qué cuentas recibieron transferencias de la cuenta de Dana?" se asigna a una consulta de
GRAPH FinGraph MATCHque recorre los bordes deOwnsyTransfers). - Facetas de consulta: Cláusulas de GQL reutilizables (como patrones de grafos, condiciones de filtro, períodos, umbrales de importe o condiciones empresariales, como cuentas bloqueadas). Las facetas permiten que QueryData combine de forma dinámica varios criterios de filtrado en una consulta sin necesidad de plantillas independientes para cada combinación.
- Búsquedas de valores: Son consultas semánticas y de coincidencia de cadenas, escritas como declaraciones
SELECTsobreGRAPH_TABLE, que fundamentan las frases de valor en la pregunta de un usuario con los valores exactos almacenados en las propiedades de nodos y bordes. Las búsquedas de valores ayudan a resolver ambigüedades (por ejemplo, asignar "día lluvioso" al alias de la cuentaRainy Day Fundo "República Checa" al valor almacenadoCzech_Republic) con coincidencias exactas, similitud de cadenas o embeddings de vectores semánticos.
Cómo funciona QueryData
Cuando tu agente o aplicación envía una solicitud en lenguaje natural (como una pregunta de un usuario que el agente contextualizó con el historial de conversaciones o el estado del usuario), QueryData realiza los siguientes pasos:
- Resolución de valores: QueryData ejecuta consultas de búsqueda de valores en tu base de datos de Spanner para asignar frases de valor en la instrucción (como el nombre de una persona, el alias de una cuenta o un país) a valores de propiedades de nodos y bordes específicos.
- Coincidencia de intents y desambiguación: QueryData compara la solicitud contextualizada con las plantillas de consulta y las facetas seleccionadas que definiste en el conjunto de contexto. Si la solicitud no está bien especificada o es ambigua, QueryData puede devolver una pregunta de desambiguación para que tu agente o aplicación pueda pedirle al usuario que la aclare.
- Síntesis de consultas: Con el esquema de los gráficos de propiedades que se enumeran en
graph_ids, la estructura de la plantilla coincidente, las facetas aplicadas y los valores resueltos, QueryData sintetiza una consulta de GQL completa. - Ejecución de consultas: La consulta de GQL generada se ejecuta en tu base de datos de Spanner para mostrar resultados.
Crea y administra conjuntos de información contextual
Para crear y administrar conjuntos de contexto, haz lo siguiente:
- Contexto del autor: Define las plantillas de consulta, las facetas y las búsquedas de valores para tu grafo de propiedades. Para obtener más información, consulta Descripción general de los conjuntos de contexto. También puedes usar el agente de ingeniería de contexto para automatizar la creación de contexto.
- Administrar en la consola de Google Cloud : Crea y administra conjuntos de contexto en Spanner Studio para que estén disponibles para la generación de consultas.
- Integra con tus aplicaciones: Conecta tus aplicaciones o agentes de IA a QueryData con llamadas directas a la API de REST, con los grafos de propiedades de destino que se indican en
graph_ids.
¿Qué sigue?
- Obtén más información sobre los conjuntos de contexto para Spanner Graph.
- Aprende a probar QueryData para Spanner Graph.
- Sigue el instructivo para integrar QueryData en una aplicación.