대본 기획 도우미▸ 
AI 앱 
AI 뉴스 
Vanna AI: SQL 생성 및 관계형 데이터베이스 관리 시스템용 RAG 프레임워크
Vanna AI: SQL 생성 및 관계형 데이터베이스 관리 시스템용 RAG 프레임워크소개
Vanna ai란 무엇인가요?
vanna는 SQL 생성 전용 RAG 프레임워크로, PostgreSQL, MySQL, Oracle 등 다양한 관계형 데이터베이스 관리 시스템(RDBMS)을 지원합니다. vanna는 데이터베이스의 테이블 구조를 자동으로 가져올 수 있으며, 자체 학습 기능을 갖추고 있어 올바른 SQL 쿼리 관계를 저장할 수 있습니다.
Vanna AI 기능 특징
자연어를 SQL로 변환: 사용자가 자연어 질문을 직접 입력하면, Vanna AI가 이를 해당 SQL 쿼리문으로 변환해주므로 사용자가 복잡한 SQL 문법을 익힐 필요가 없습니다.
높은 정확성: RAG 모델의 시맨틱 검색 및 컨텍스트 강화를 통해 Vanna AI는 SQL 생성의 정확성을 크게 향상시켰으며, 특히 복잡한 데이터셋에서 뛰어난 성능을 보입니다.
자체 학습 능력: Vanna AI는 성공적으로 실행된 쿼리를 바탕으로 자동으로 학습할 수 있으며, 사용자가 피드백을 제공하여 모델을 최적화함으로써 정확성을 점진적으로 높일 수 있습니다.
보안성: 사용자의 데이터베이스 내용은 LLM이나 벡터 데이터베이스로 전송되지 않으며, SQL 실행은 전적으로 로컬 환경에서 이루어져 데이터 보안을 보장합니다.
지원 데이터베이스: Snowflake, BigQuery, PostgreSQL 등 다양한 SQL 데이터베이스를 지원하여, 사용자가 여러 데이터베이스에 쉽게 연결하여 쿼리를 수행할 수 있습니다.
유연한 프런트엔드 선택: Jupyter Notebook, Slackbot, 웹 애플리케이션, Streamlit 애플리케이션 또는 사용자 지정 프런트엔드를 사용하여 Vanna AI와 상호 작용할 수 있습니다.
Vanna AI 적용 시나리오
비즈니스 인텔리전스: 비즈니스 분석가가 영업, 고객, 재고 등의 데이터를 신속하게 조회하고 분석하도록 도와, 더 빠르고 정확한 데이터 기반 의사결정을 촉진합니다.
금융 분석: 금융 전문가가 복잡한 재무 데이터 분석 및 리스크 평가 작업을 수행하도록 지원합니다.
의료 연구: 의료 연구원이 대량의 임상 데이터에서 가치 있는 정보를 추출할 수 있도록 합니다.
교육 분야: 학생과 교육자가 교육 데이터를 더 잘 이해하고 분석할 수 있도록 도와줍니다.
시장 조사: 시장 연구자에게 소비자 행동과 시장 동향을 신속하게 분석할 수 있는 도구를 제공합니다.
Vanna AI 설치 방법
1. Vanna 설치
pip install vanna
2. Vanna 가져오기 및 초기화
from vanna.openai.openai_chat import OpenAI_Chat
from vanna.chromadb.chromadb_vector import ChromaDB_VectorStore
class MyVanna(ChromaDB_VectorStore, OpenAI_Chat):
def __init__(self, config=None):
ChromaDB_VectorStore.__init__(self, config=config)
OpenAI_Chat.__init__(self, config=config)
vn = MyVanna(config={'api_key': 'sk-...', 'model': 'gpt-4-...'})3. Vanna 학습시키기
vn.train(ddl="CREATE TABLE IF NOT EXISTS my_table (...)") vn.train(documentation="Our business defines XYZ as ...") vn.train(sql="SELECT name, age FROM my_table WHERE ...")
4. Vanna를 사용하여 쿼리하기
result = vn.ask("What are the top 10 customers by sales?")
GitHub 코드 저장소: https://github.com/vanna-ai/vannaGitHub 코드 저장소:https://github.com/vanna-ai/vanna
