LangChain 自动化

目标用户

- 供应链分析师：需要快速获取运输数据并进行分析。
- 数据科学家：希望通过自动化工具提高数据查询效率。
- 业务决策者：需要及时获取关键的运输指标以支持决策。
- 开发人员：希望集成 AI 助手以简化数据查询流程。

解决的问题

- 高效的数据查询：通过 AI 助手自动执行 SQL 查询，快速获取运输数据结果。
- 减少人工操作时间：手动触发工作流，简化数据分析过程。
- 提高数据准确性：通过自动化减少人为错误，确保数据结果的可靠性。

工作流步骤

1. 触发器：用户通过聊天窗口手动触发工作流。
2. AI 控制塔代理：接收用户请求并生成 SQL 查询。
3. 查询工具调用：将生成的查询发送至 BigQuery 数据库。
4. 查询数据库：执行 SQL 查询并获取结果。
5. 结果返回：将查询结果返回至 AI 控制塔代理，进行格式化处理。
6. 用户交互：将结果通过聊天窗口反馈给用户。

自定义指南

- 修改聊天模型：在 OpenAI Chat Model 节点中更改模型名称和参数以适应不同需求。
- 更新系统消息：在 AI Control Tower Agent 节点中调整系统消息，以适应特定的业务逻辑和数据表结构。
- 调整 BigQuery 设置：在 Query Database 节点中输入正确的项目 ID 和 SQL 查询，以确保连接到正确的数据库。
- 扩展工作流：可以复制节点并调整参数，以便与其他工作流集成，增加更多功能。