SnowflakeTableRetriever

连接到 Snowflake 数据库以执行 SQL 查询。


pipeline 中的最常见位置	在 `PromptBuilder` 之前
必需的初始化变量	“user”: 用户的登录名 “account”: Snowflake 账户标识符 “api_key”: Snowflake 账户密码。可以通过`SNOWFLAKE_API_KEY` 环境变量设置
强制运行变量	“query”: 要执行的 SQL 查询
输出变量	“dataframe”: 结果 Pandas DataFrame 格式的表
API 参考	Snowflake
GitHub 链接	https://github.com/deepset-ai/haystack-core-integrations/tree/main/integrations/snowflake

概述

该SnowflakeTableRetriever 连接到 Snowflake 数据库并通过 SQL 查询检索数据。然后，它返回一个 Pandas DataFrame 和一个 Markdown 格式的表。

要开始使用该集成，请通过以下方式安装它：

pip install snowflake-haystack

用法

单独使用

from haystack_integrations.components.retrievers.snowflake import SnowflakeTableRetriever

snowflake = SnowflakeRetriever(
    user="<ACCOUNT-USER>",
    account="<ACCOUNT-IDENTIFIER>",
    api_key=Secret.from_env_var("SNOWFLAKE_API_KEY"),
    warehouse="<WAREHOUSE-NAME>",
)

snowflake.run(query="""select * from table limit 10;"""")

在 pipeline 中

在下面的管道示例中，PromptBuilder 使用从SnowflakeTableRetriever 收到的表来创建提示模板并将其传递给 LLM。

from haystack import Pipeline
from haystack.utils import Secret
from haystack.components.builders import PromptBuilder
from haystack.components.generators import OpenAIGenerator
from haystack_integrations.components.retrievers.snowflake import SnowflakeTableRetriever

executor = SnowflakeTableRetriever(
    user="<ACCOUNT-USER>",
    account="<ACCOUNT-IDENTIFIER>",
    api_key=Secret.from_env_var("SNOWFLAKE_API_KEY"),
    warehouse="<WAREHOUSE-NAME>",
)

pipeline = Pipeline()
pipeline.add_component("builder", PromptBuilder(template="Describe this table: {{ table }}"))
pipeline.add_component("snowflake", executor)
pipeline.add_component("llm", OpenAIGenerator(model="gpt-4o"))

pipeline.connect("snowflake.table", "builder.table")
pipeline.connect("builder", "llm")

pipeline.run(data={"query": "select employee, salary from table limit 10;"})

更新于大约 1 年前