Google 称,把文本送出数据库调用外部模型,会让敏感数据跨越多个网络边界、带来合规风险,还会推高 token 成本;AlloyDB 新增的 ai.classify 和 ai.extract 两个 SQL 函数,让分类与 JSON 提取直接在库内完成。两个函数解决的是不同问题——ai.classify 输出类别标签,ai.extract 输出结构化 JSON;输入定义方式也不同,前者支持 few-shot 提示,后者接受 JSON schema 或字段列表。这两个函数目前以预览形式发布,集成在 google_ml_integration 扩展(1.6.1 及以上版本)中,运行于 PostgreSQL 18,并通过智能批处理(smart batching)提供生产级的可扩展性和性能。

维度 ai.classify ai.extract
核心功能 将文本归入用户自定义的类别标签 将非结构化文本转换为匹配目标 schema 的结构化 JSON
输出模式 单标签(single)返回最佳类别;多标签(multi)返回所有匹配类别 输出符合 JSON schema 或纯文本字段列表的 JSON 数据
输入定义方式 类别可用简单标签列表,或用二维数组为每个标签附加描述;支持 few-shot 提示 schema 可用标准 JSON schema 或纯文本字段列表
执行模式 单行(TEXT)、数组(TEXT[])、游标(REFCURSOR) 单行、数组、游标批处理(overloaded function signatures)
智能批处理支持 在 SQL WHERE 子句中使用时自动分组为优化的微批次 在 SQL WHERE 子句中使用时自动分组为优化的微批次
行业应用示例 客户反馈分类(customer feedback) 医疗:从临床笔记提取患者姓名、症状、处方药物;金融:提取供应商信息、发票日期、行项目总额;法律:提取管辖法律、责任上限、终止通知期限;房地产:提取物业类型、卧室数量、价格区间;知识图谱:提取实体和关系以填充 PostgreSQL Property Graph(PGQ)结构

表中信息均来自 Google Cloud 官方博客《Introducing new AI functions for AlloyDB: ai.classify and ai.extract》。

功能定位的差异

Google 在博文中称,ai.classify 和 ai.extract 解决的是两类不同的文本处理任务。ai.classify 面向分类场景,用户提供一组标签,函数返回文本所属的一个或多个类别;ai.extract 面向信息提取场景,用户提供目标 schema,函数将自由文本转换为结构化 JSON。博文以客户反馈分类和临床笔记字段提取分别作为两个函数的示例。ai.extract 的描述中明确提到”transforms unstructured text into structured JSON data matching your target schema”,并强调其在内部处理系统指令,省去编写提示模板和响应解析器的工作。

输入定义灵活性的差异

Google 介绍,两个函数在输入定义方式上各有侧重。ai.classify 允许用户以简单标签列表定义类别,也可以使用二维数组为每个标签附加描述以引导模型上下文,还支持通过内联示例进行 few-shot 提示。ai.extract 则接受标准 JSON schema 或纯文本字段列表作为目标结构定义。两者都提供了单行(TEXT)、数组(TEXT[])和游标(REFCURSOR)三种执行模式。

智能批处理与性能优化

据 Google 官方博客,逐行运行 AI 评估会拖慢查询执行速度,AlloyDB 通过智能批处理解决这一问题。当 ai.classify 或 ai.extract 出现在 SQL WHERE 子句中时,数据库引擎自动将输入分组为优化的微批次,再发送至 Gemini Enterprise Agent Platform 模型。Google 称智能批处理带来两项改进:相比逐行评估,查询执行的推理速度更快;通过优化输入提示开销,减少模型总 token 消耗。该文还提到,后续计划在高级成本优化、行级溯源追踪以及将查询下推扩展到 WHERE 子句之外等方面继续增强 AlloyDB 的数据库内 AI 能力。

主题分类:技术与产业

参考资料

  1. Introducing new AI functions for AlloyDB: ai.classify and ai.extract — Google Cloud, 日期未标注