腾讯云数据仓库 TCHouse-X AI Function 函数列表

三、2.1 调用形式

AI Function 作为普通标量 / 聚合 / 表函数使用，可出现在 SELECT、WHERE、GROUP BY、CTE 等任意 SQL 位置，可与 JOIN、UNION、窗口函数自由组合。

四、2.2 指定 Endpoint

除特别说明外，函数第一个参数为 endpoint，用于指定本次调用绑定的模型接入点。Endpoint 名称在“模型管理 > 模型连接”页查看，实例内唯一。

为避免每次调用都显式指定 Endpoint，支持在 Session 级设置默认 Endpoint：

SET DEFAULT_LLM_ENDPOINT = 'endpoint-minimax-m3';SET DEFAULT_EMBEDDING_ENDPOINT = 'endpoint-kinfra-emb-0.6b';SET DEFAULT_TIME_FORECAST_ENDPOINT = 'endpoint-chronos-2';

优先级：函数内显式指定的 endpoint 参数 > Session 级默认 Endpoint。未指定且未设置 Session 变量时，调用将失败。

注意：说明：

注意：向量化函数 AI_EMBED 必须绑定 Embedding 类 Endpoint；时序预测函数 AI.FORECAST 必须绑定时序预测类 Endpoint。类型不匹配会导致调用失败。

五、2.3 通过 OPTIONS 传入模型参数

函数支持通过 OPTIONS 传入一段 JSON 字符串，用于控制推理行为。最常用的是 kwargs，其中的字段会追加进模型请求体（OpenAI Chat Completions 兼容）。

SELECT AI_GENERATE( endpoint 'endpoint-minimax-m3', options '{"kwargs":{"temperature": 0.2, "top_p": 0.9, "max_tokens": 512}}', '为 AI 产品发布会写一段开场白');

除 kwargs 外，OPTIONS 还支持 max_qps、max_concurrency、max_retries、hint 以及推理优化相关参数，完整说明请参见 AI Function 高级能力说明。

六、3. 函数总览

七、4. 组合使用示例：构建舆情处理中心

本章用一个端到端示例演示 AI Function 的组合用法。场景是舆情处理：输入一张社交媒体原始评论表，先用 AI_FILTER 剔除谩骂等违规内容，再用 AI_SENTIMENT 只保留负面评论，最后对筛出的每一行用 AI_GENERATE 逐条生成客服回复。三步全部在一条 SQL 内完成，数据不出数仓，也不需要任何外部程序或调度。

示例分三步：4.1 准备数据集，4.2 编写并执行核心 SQL，4.3 查看执行结果。

八、4.1 数据集准备

— 步骤 1：创建演示库与原始评论表– 结构与业务系统落地的原始舆情数据一致：只保留平台、作者、正文等非结构化字段CREATE DATABASE IF NOT EXISTS d_llm_function_demo;DROP TABLE IF EXISTS d_llm_function_demo.t_social_media_raw;CREATE TABLE d_llm_function_demo.t_social_media_raw ( id INT COMMENT '唯一标识', source_platform STRING COMMENT '来源平台：微博、小红书、贴吧等', author_name STRING COMMENT '发布者昵称', content STRING NOT NULL COMMENT '原始非结构化评论内容') COMMENT '舆情处理中心-原始数据表';– 步骤 2：灌入 5 条样本，刻意覆盖四类典型情况– id=1 物流异常 ：负面、不违规 → 期望保留– id=2 谩骂辱骂 ：负面、违规 → 期望被 AI_FILTER 过滤– id=3 好评推荐 ：正面、不违规 → 期望被 AI_SENTIMENT 过滤– id=4 兼职广告 ：负面、不违规 → 期望保留– id=5 功能报障 ：负面、不违规 → 期望保留INSERT INTO d_llm_function_demo.t_social_media_raw VALUES(1, '微博', '快乐的小羊', '刚才在静安区世纪大道发生了快递车起火，我的包裹号是 SF142335……'),(2, '小红书', '避雷达人', '这种垃圾产品也敢卖 2999 元？退钱！张三你这个经理是怎么当的？'),(3, '朋友圈', '科技狂热者', '收到新款手机了，质感无敌！上海发货速度就是快，推荐大家购买。'),(4, '贴吧', '兼职助手', '诚招兼职，加微信：wx_12345，月入过万不是梦，详询 18900001111。'),(5, 'App','用户9527', '登录一直提示系统错误，重启也没用。我身份证号是 310115199001011234。');

九、4.2 核心 SQL

逻辑：过滤违规 → 情感分析 → 生成回复。

— 一条 SQL 完成“违规过滤 → 情感筛选 → 回复生成”SELECT id, — 对通过筛选的每一行拼一段指令交给大模型生成客服回复，每行一次调用 AI_GENERATE( endpoint 'system-minimax-m3', CONCAT('针对该问题生成技术回复：', content) ) AS 预制回复FROM d_llm_function_demo.t_social_media_rawWHERE — 语义合规审计：返回 TRUE 表示命中策略（本例为谩骂），取 FALSE 即保留未违规内容 AI_FILTER(endpoint 'system-minimax-m3', '{} 是谩骂的', content) = FALSE — 情感极性：只保留 negative，正面与中性评论不进入回复队列 AND AI_SENTIMENT(endpoint 'system-minimax-m3', content) = 'negative';

十、4.3 执行结果

逐行筛选过程

把 4.2 的 WHERE 条件直接放到 SELECT 里执行，可以看到每一步的判定结果：

最终输出（以下为一次执行的真实输出，仅供示意，生成式模型的输出每次不完全一致）：

十二、5.1 AI_GENERATE

指令驱动的内容生成。基于提示词工程实现逻辑续写、创意润色及多风格文案创作。

返回类型：STRING。

SELECT AI_GENERATE( endpoint 'endpoint-minimax-m3', '为 AI 产品发布会写一段开场白');

预期输出：

"未来已来。今天，我们共同见证 AI 重塑世界的起点……"

结合表数据的批量调用示例：

SELECT product_id, product_name, AI_GENERATE( endpoint 'endpoint-minimax-m3', '为以下商品撰写一段 50 字以内的电商详情页文案：' || product_name ) AS marketing_copyFROM product_catalogWHERE category = '数码';

十三、5.2 AI_FIXGRAMMAR

文本语法与规范修正。智能识别并修复句法结构、拼写错误及表达偏差。

返回类型：STRING。

SELECT AI_FIXGRAMMAR( endpoint 'endpoint-minimax-m3', 'The data are incorrect.');

预期输出：

"The data is incorrect."

十四、5.3 AI_SUMMARIZE

语义聚焦性摘要。通过语义聚类提取核心观点，在限定长度内实现长篇幅信息的高度浓缩。

返回类型：STRING。

SELECT AI_SUMMARIZE( endpoint 'endpoint-minimax-m3', '我家的后面有一个很大的园，相传叫作百草园。……', 50);

预期输出：

"我家后园曾叫百草园，现已卖给朱家多年，虽只剩野草，却是儿时乐园。"

注意：说明：

注意：max_len 为引导性建议值。英文按空格分隔的单词计数；中文无天然分词边界，1 个汉字可近似视为 1 个词。模型会尽量控制输出长度，不做强制截断。

十五、5.4 AI_SUMMARIZE_AGG

多行文本信息聚合摘要。将多行文本按行进行语义聚合，输出一个汇总语义后的统一摘要文本。调用方式与其他聚合函数（如 SUM、AVG）一致，支持 GROUP BY。

返回类型：STRING。

WITH reviews AS ( SELECT '这家餐厅太棒了，食物美味，服务周到。' AS review UNION ALL SELECT '太棒了！我超爱他们的披萨！' UNION ALL SELECT '食物不错，但服务一般般。' UNION ALL SELECT '普通的食物和普通的服务')SELECT AI_SUMMARIZE_AGG(endpoint 'endpoint-minimax-m3', review)FROM reviews;

预期输出：

"用户主要需求包括：增加深色模式、优化搜索、数据导出功能、通知设置个性化以及简化界面设计。"

十六、5.5 AI_TRANSLATE

跨语言语义映射。在保留原文语义权重的基础上，实现多语种间的流畅对齐与文化适配。

返回类型：STRING。

SELECT AI_TRANSLATE( endpoint 'endpoint-minimax-m3', 'Hello world!', 'zh-CN');

预期输出：

"你好，世界！"

注意：说明：

注意：t_lang、s_lang 无强制格式约束，支持“中文”/“zh”/“zh-CN”等多种写法。建议参考 ISO 639-1 或 BCP 47 标准传入。

十八、6.1 AI_SENTIMENT

情感极性识别。深度分析主观文本，输出情感正负倾向。

返回类型：STRING，取值为 positive / negative / neutral / mixed。

SELECT AI_SENTIMENT( endpoint 'endpoint-minimax-m3', '这物流慢得离谱');

预期输出：

"negative"

十九、6.2 AI_CLASSIFY

零样本语义分类。基于语义锚点将文本映射至预定义标签体系，无需额外训练。支持多标签模式。

返回类型：单标签为 STRING，多标签为 ARRAY<STRING>。

单标签示例：

SELECT AI_CLASSIFY( endpoint 'endpoint-minimax-m3', '无法登录账号', array('投诉', '咨询'));

预期输出：

"投诉"

多标签示例：

SELECT ai_classify( endpoint 'endpoint-minimax-m3', '快递送得快，但商品有瑕疵，客服态度还不错', array['物流速度', '包装质量', '商品质量', '客服服务', '性价比'], true);

预期输出：

['物流速度', '客服服务']

20、6.3 AI_SIMILARITY

语义相似度度量。由生成式模型判定两个文本的相似度，返回 0 至 1 之间的关联度数值，数值越高表示关联度越大。

返回类型：DOUBLE。

SELECT AI_SIMILARITY( endpoint 'endpoint-minimax-m3', '我想退钱', '申请退款');

预期输出：

0.9

21、6.4 AI_FILTER

合规性风险审计。根据自定义安全策略判定内容是否触碰违规红线，输出布尔值。

返回类型：BOOLEAN。

单文本示例：

SELECT AI_FILTER( endpoint 'endpoint-minimax-m3', '{} 是色情暴力的', '怎么才能像大神一样优秀呢');

预期输出：

false

双文本（JOIN 语义）示例：

SELECT AI_FILTER( endpoint 'endpoint-minimax-m3', '{} 是色情的，{} 是暴力的', '怎么才能像大神一样优秀呢', '今天雨下的很大');

注意：说明：

注意：多参数形态的 AI_FILTER 具备 JOIN 语义，优化器会为其选择专门的 LLM NESTLOOP JOIN 执行，并可自动批处理以降低调用次数。详见 AI Function 高级能力说明。

23、7.1 AI_EXTRACT

结构化字段抽取。从非结构化文本中识别并捕获特定维度的关键信息，支持多种输入 / 输出形式。

entities 支持的四种形式：

返回类型：JSON / STRUCT。

·形式一：标签数组

SELECT AI_EXTRACT( endpoint 'endpoint-minimax-m3', '我是一名来自清华大学计算机专业的研究生', array('学校', '专业'));

预期输出：

{"学校": "清华大学", "专业": "计算机"}

·形式二：struct schema

SELECT ai_extract( endpoint 'endpoint-minimax-m3', '我的名字是张三，年龄为25岁', struct<姓名:string, 年龄:int>);

预期输出：

{姓名: "张三", 年龄: 25}

·形式三：JSON Schema 字符串

SELECT ai_extract( endpoint 'endpoint-minimax-m3', '李四居住在上海，是一名软件工程师', '{"type": "object", "properties": { "姓名": {"type": "string", "description": "人员的全名"}, "地点": {"type": "string", "description": "城市或国家"}, "年龄": {"type": ["integer", "null"], "description": "人员的年龄"}, "职业": {"type": ["string", "null"], "description": "人员的职业"} }}');

预期输出：

{"姓名": "李四", "地点": "上海", "年龄": null, "职业": "软件工程师"}

注意：说明：

注意：JSON Schema 形式可更细粒度地约束字段类型与描述，建议参考 JSON Schema 2020-12 标准编写。

24、7.2 AI_MASK

隐私数据脱敏。基于预设标签自动定位敏感数据，采用 [MASKED] 掩码进行置换遮蔽。

返回类型：STRING。

SELECT AI_MASK( endpoint 'endpoint-minimax-m3', '我叫张三，手机 13800000000，邮箱 zhangsan@example.com', array('name', 'phone', 'email'));

预期输出：

"我叫 [MASKED]，手机 [MASKED]，邮箱 [MASKED]"

26、8.1 AI_EMBED

将文本编码为定长向量（embedding），用于语义检索、聚类、相似度对比等下游任务。

返回类型：ARRAY<FLOAT>。

SELECT AI_EMBED( endpoint 'endpoint-kinfra-emb-0.6b', '申请退款');

预期输出：

[0.0123, -0.0451, …, 0.0087]

注意：说明：

注意：向量维度由 Endpoint 所绑定的模型决定（例如 1024 维）。同一批数据请使用同一个 Embedding Endpoint 编码，避免不同模型产出的向量混用导致相似度不可比。

28、9.1 AI.FORECAST

基于历史时间序列预测未来时间点的值，输出预测值及置信区间。支持按 id_cols 分组进行多序列并发预测，支持通过 feature_cols 引入外生特征。

返回类型：TABLE。

SELECT *FROM AI.FORECAST( ENDPOINT 'endpoint-chronos-2', OPTIONS '{"prediction_length": 7, "confidence_level": 0.9}', TABLE sales, data_col => 'gmv', timestamp_col => 'ds', id_cols => ARRAY['store_id'], feature_cols => ARRAY['is_promo']);

预期输出：

注意：说明：

注意：若指定 id_cols，结果列前会追加对应分组列；若 OPTIONS 中 output_historical_time_series=true，结果末尾会追加 time_series_type 列。