WrenAI: Make Your Data RAG-Ready. Get Explainable Answers By Asking Questions

By Jimmy Yeh

議題

WrenAI: Make Your Data RAG-Ready. Get Explainable Answers By Asking Questions

TR412-1 [[ new Date( '2024-08-03 02:00:00+00:00' ).toLocaleDateString('ja', {year: 'numeric', month: '2-digit', day: '2-digit'}) ]] [[ new Date( '2024-08-03 02:00:00+00:00' ).toLocaleTimeString('zh-Hant', {hour12: false, hour: '2-digit', minute:'2-digit'}) ]] ~ [[ new Date( '2024-08-03 02:30:00+00:00' ).toLocaleTimeString('zh-Hant', {hour12: false, hour: '2-digit', minute:'2-digit'}) ]] 中文 Chinese
加入行事曆 加入關注 加入關注 已關注

WrenAI 介紹

WrenAI 是你的 AI 數據助手,幫助你無需撰寫 SQL 就能更快地獲取結果和見解,而且它是開源的!

為什麼我們開發了 WrenAI?

我們在為客戶提供服務時發現,數據團隊不斷收到臨時數據需求會導致一系列問題,比如專注力和生產力下降、壓力和倦怠感增加,以及資源利用效率低下。

為什麼 WrenAI 特別?

WrenAI 想要落實 RAG Text-to-SQL 的架構在開源社群上,讓這項技術可以普及到各個國家各行各業的使用者,幫助加速數據轉型與提升企業生產力,以下為我們的三大獨特設計:

  • Semantics modeling & Indexing (索引): WrenAI 獨特設計了 "Modeling Definition Language"(MDL) 能夠讓 LLM 去理解資料結構以及企業內部的語意,讓 LLM 更貼近企業的營運情境,讓使用者問與答更精準。
  • Augmentation (增強): 透過 WrenAI 的 MDL 設計,去強化LLM的 Text-to-SQL 能力讓 LLM 能夠增強上下文的理解能力,能夠有效的降低幻覺出現。
  • Generation (生成): WrenAI SQL 生成的過程中提供使用者來回確認的流程設計,以及在 SQL 產生後進行 SQL 驗證與校正,讓 SQL 生成更精準。

未來功能規劃(僅列舉部分)

  • LLM系統釐清使用者詢問
  • 使用者反饋
  • LLM系統表現評估

講者

Jimmy Yeh

Jimmy Yeh

I am working on a problem that humans have been attempting to solve for 50 years.

Software Product Engineer in Canner

Miscellaneous Open Source Topics 綜合議程 - 各種開源議題 3QHYHG general (30mins)