flealdba/26ai_mvp_poc
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects 1 Releases Wiki Activity

Upload files to "/"

Browse Source
This commit is contained in:
flealdba
2026-05-08 13:14:56 +00:00
parent ae793071ec
commit ebb7c3decf
3 changed files with 476 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

245
fnc_26ai_html.sql Normal file
View File

@@ -0,0 +1,245 @@
create or replace FUNCTION fnc_26ai_html(p_query VARCHAR2,
p_top_k IN NUMBER default 20,
p_credential in varchar2 default 'OCI_CRED' )
RETURN CLOB IS
/*
Criado por: fernando.leal@oracle.com
Data: Oct/2025
Objetivo: demonstrar casos de uso do Oracle AI Database 26ai
v1 - geracao de codigo HTML a partir de dados obtidos com SelectAI - leal
begin
dbms_cloud_ai.create_profile(
profile_name => 'PROF_26AI_HTML_V1',
attributes =>
'{"provider": "oci",
"credential_name": "OCI_CRED",
"oci_compartment_id": "ocid1.compartment.oc1..aaaaaaaakvd4bq4b3n7yn3gjjqzfhsl62dec44tjvi2iwa3sugw5frgfpzea",
"region": "us-chicago-1",
"model": "meta.llama-4-maverick-17b-128e-instruct-fp8",
"oci_apiformat": "GENERIC",
"object_list": [
{"owner": "AICHAT1", "name":"TB_26AI_HTML"}
],
"comments": true,
"annotations": true,
"temperature": 0.1
}'
);
end;
*/
v_pre_prompt clob;
v_prompt clob;
params_genai CLOB;
output CLOB;
v_response clob;
v_response_sql clob;
v_pre_prompt2 clob;
v_select_ai_preprompt varchar2(4000) := ' . Não adicione nenhum filtro de data a menos que seja solicitado.';
v_select_ai_profile varchar2(20) := 'PROF_26AI_HTML_V1';
--
-- Modo debug
--
v_select_ai_debug_flag varchar2(1) := 'N';
BEGIN
begin
SELECT DBMS_CLOUD_AI.GENERATE(prompt => p_query || v_select_ai_preprompt ,
profile_name => v_select_ai_profile,
action => 'runsql') response
into v_response;
if v_select_ai_debug_flag = 'Y' then
SELECT DBMS_CLOUD_AI.GENERATE(prompt => p_query || v_select_ai_preprompt ,
profile_name => v_select_ai_profile,
action => 'showsql') response
into v_response_sql;
end if; -- fim v_select_ai_debug_flag
if v_response like 'Sorry%' or v_response like 'No data found%' then
v_response := '--' ;
end if;
exception
when others then
v_response := '-' ;
end;
--
-- pre requisito sao as credenciais definidas com nome OCI_CRED criadas a partir de dbms_vector.create_credential
--
-- para montar request body abaixo: https://docs.oracle.com/en-us/iaas/api/#/en/generative-ai-inference/20231130/datatypes/GenerateTextDetails
--
params_genai := '{
"provider" : "ocigenai",
"credential_name" : "' || p_credential || '",
"url" : "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/chat",
"model": "meta.llama-4-maverick-17b-128e-instruct-fp8"}'; --
-- augmented prompt atraves do vetor criado no banco
v_pre_prompt := 'Você é um Desenvolvedor Front-End especialista em HTML5 semântico e acessível (WCAG).
Seu objetivo é criar estruturas HTML que sejam bem organizadas, lógicas e otimizadas para motores de busca (SEO).
#### REGRA: somente o HTML deve ser retornado.
#### EXEMPLO:
<!DOCTYPE html>
<html lang="pt-br">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Data Dashboard</title>
<link href="https://cdn.jsdelivr.net/npm/bootstrap@5.1.3/dist/css/bootstrap.min.css" rel="stylesheet" integrity="sha384-1BmE4kWBq78iYhFldvKuhfTAU6auU8tT94WrHftjDbrCEXSU1oBoqyl2QvZ6jIW3" crossorigin="anonymous">
<script src="https://cdn.jsdelivr.net/npm/bootstrap@5.1.3/dist/js/bootstrap.bundle.min.js" integrity="sha384-ka7Sk0Gln4gmtz2MlQnikT1wXgYsOg+OMhuP+IlRH9sENBO0LRn5q+8nbTov4+1p" crossorigin="anonymous"></script>
<script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
<style>
body {
font-family: Arial, sans-serif;
}
.main-color {
color: #007bff;
}
.chart-container {
width: 100%;
height: 400px;
}
</style>
</head>
<body>
<div class="container-fluid p-4">
<h1 class="main-color">Data Dashboard</h1>
<h4 class="text-secondary">Overview of Data</h4>
<div class="row mt-4">
<div class="col-md-3">
<div class="card border-0 shadow">
<div class="card-body text-center">
<h5 class="card-title">Total Transações</h5>
<h2 class="main-color">63,459,400</h2>
</div>
</div>
</div>
<div class="col-md-3">
<div class="card border-0 shadow">
<div class="card-body text-center">
<h5 class="card-title">Modalidades</h5>
<h2 class="main-color">5</h2>
</div>
</div>
</div>
<div class="col-md-3">
<div class="card border-0 shadow">
<div class="card-body text-center">
<h5 class="card-title">Mês/Ano</h5>
<h2 class="main-color">9</h2>
</div>
</div>
</div>
<div class="col-md-3">
<div class="card border-0 shadow">
<div class="card-body text-center">
<h5 class="card-title">Total Meses</h5>
<h2 class="main-color">9</h2>
</div>
</div>
</div>
</div>
<div class="row mt-4">
<div class="col-md-12">
<div class="card border-0 shadow">
<div class="card-body">
<canvas class="chart-container" id="lineChart"></canvas>
</div>
</div>
</div>
</div>
<div class="row mt-4">
<div class="col-md-12">
<div class="card border-0 shadow">
<div class="card-body">
<table id="table" class="table table-striped">
<thead>
<tr>
<th>ID</th>
<th>MES_ANO</th>
<th>MODAL</th>
<th>TRANSACOES</th>
</tr>
</thead>
<tbody>
<tr>
<td>1</td>
<td>12025</td>
<td>BRT</td>
<td>642,600</td>
</tr>
<tr>
<td>2</td>
<td>12025</td>
<td>Ônibus</td>
<td>1,800,000</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>
</div>
<script>
const data = [
{''ID'': 1, ''MES_ANO'': ''12025'', ''MODAL'': ''BRT'', ''TRANSACOES'': 642600},
{''ID'': 2, ''MES_ANO'': ''12025'', ''MODAL'': ''Ônibus'', ''TRANSACOES'': 1800000},
{''ID'': 3, ''MES_ANO'': ''12025'', ''MODAL'': ''Van'', ''TRANSACOES'': 167300},
{''ID'': 4, ''MES_ANO'': ''92025'', ''MODAL'': ''VLT'', ''TRANSACOES'': 984400}
];
new Chart(document.getElementById(''lineChart'').getContext(''2d''), {
type: ''line'',
data: {
labels: data.map(item => `${item.MES_ANO} - ${item.MODAL}`),
datasets: [{
label: ''Transações'',
data: data.map(item => item.TRANSACOES),
backgroundColor: ''rgba(0, 123, 255, 0.2)'',
borderColor: ''rgba(0, 123, 255, 1)'',
borderWidth: 1
}]
},
options: {
scales: {
y: {
beginAtZero: true
}
}
}
});
</script>
</body>
</html>
#### TAREFA 1: GERAÇÃO DE CÓDIGO HTML ####
Se a entrada do usuário for uma solicitação para criar um dashboard, sua saída DEVE seguir o seguinte formato:
- A saída conterá APENAS o código HTML.
- Crie insigths dos dados, exiba de forma com foco na inovação para surpreender o usuário.
- Não inclua explicações, texto introdutório, saudações ou blocos de Markdown como ```html.
- O código deve ser bem formatado, com indentação clara e usar tags semânticas (como <main>, <article>, <nav>, etc.).
- O insigth principal deve ser sempre exibido.
#### Sugestões:
1- Para prompt como "qual volume de transacao por mes?" traga no insigth o valor total do período.
2- Para prompt como "qual volume de transação por modalidade?" traga no insight o maior valor e menor valor encontrado entre as modalidades.
Dados que devem ser utilizados na criação do dashborad HTML: ';
v_pre_prompt2 := '{ "role": "user","content": "Dados": ' || v_response || ' "Pergunta": ' || p_query || '"}' ; -- sem ]'
v_prompt := v_pre_prompt || v_pre_prompt2 || ']';
output := dbms_vector_chain.utl_to_generate_text( replace(replace(replace(replace(v_prompt,chr(10),null),chr(13),null),'"',''),'''','') , json(params_genai));
RETURN output;
END;
/

176
fnc_26ai_query_insights_list.sql Normal file
View File

@@ -0,0 +1,176 @@
create or replace function FNC_26ai_query_INSIGHTS_LIST(p_query_id IN VARCHAR2,
p_comp_id in varchar2,
p_credential in varchar2 default 'OCI_CRED')
return t_26ai_array pipelined parallel_enable
as
l_sql VARCHAR2(4000) ;
l_cursor_id INTEGER;
l_desc_tab dbms_sql.desc_tab;
l_col_cnt INTEGER;
v_labels clob;
v_label_char varchar2(400);
v_label_number varchar2(400);
v_label_date varchar2(400);
v_str_to_llm clob;
v_insigths clob;
v_has number ;
-- funcao pipeline de retorno
v_id number := 0 ;
v_array t_26ai_array := t_26ai_array();
v_ignore_group varchar2(1);
begin
begin
select query_text
into l_sql
from TB_26AI_QUERY_HISTORY
where query_id = p_query_id;
v_has := 1;
exception
when no_data_found then
v_has := 0 ;
dbms_output.put_line(' Registro nao existente para a query ');
end;
if v_has = 1 then
--
-- rotina de identificacao de grupos (data types) baseado nos tipos de dados nas colunas da consulta
--
BEGIN
v_ignore_group := 'N';
l_cursor_id := DBMS_SQL.OPEN_CURSOR;
dbms_sql.parse(l_cursor_id, l_sql, dbms_sql.native);
dbms_sql.describe_columns(l_cursor_id, l_col_cnt, l_desc_tab);
FOR i IN 1..l_col_cnt LOOP
if l_desc_tab(i).col_type not in (2,12) then -- varchar2
v_str_to_llm := v_str_to_llm || 'Column ' || i || ' Data Type VARCHAR2: ' || l_desc_tab(i).col_name || ', ';
v_label_char := v_label_char || l_desc_tab(i).col_name || ', ';
elsif l_desc_tab(i).col_type = 2 then -- number
v_str_to_llm := v_str_to_llm || 'Column ' || i || ' Data Type NUMBER: ' || l_desc_tab(i).col_name || ', ';
v_label_number := v_label_number || l_desc_tab(i).col_name || ', ';
elsif l_desc_tab(i).col_type = 12 then -- date
v_str_to_llm := v_str_to_llm || 'Column ' || i || ' Data Type DATE: ' || l_desc_tab(i).col_name || ', ';
v_label_date := v_label_date || l_desc_tab(i).col_name || ', ';
end if;
END LOOP;
v_labels := 'Colunas: (' || v_label_char || v_label_number || v_label_date || ')';
v_labels := replace(v_labels,', )',')');
EXCEPTION
WHEN OTHERS THEN
v_ignore_group := 'Y';
dbms_output.put_line( sqlerrm );
END;
v_insigths := FNC_26AI_RAG('O SQL executado no Oracle para referência: ' || l_sql || '.' ||
'Colunas e data types: ' || v_str_to_llm || '.' ||
' As colunas são classificadas de 2 tipos:' ||
' Quantificadores: São entidades, fazem a contagem de alguma informação, são as colunas de agru-padores. Ela é a informação para ser analisar.' ||
' O "Geral" será sempre implícito.' ||
' Totalizadores: Fazem a totalização de uma informação, baseada na soma, média, mínimo, máximo, etc.' ||
' O treinamento da IA precisa ser feito para que ela compreenda que colunas de tabelas que:' ||
' As que iniciam com "cd_" e que são PK, são quantificadores/entidades.' ||
' As que iniciam com "dt_" e tem tipo date/datetime/timestamp são informações de uma data, que se pode quebar a informação em dia, mês, ano e dia da semana' ||
' As que iniciam com "qt_" ou possuem "quantidade", "qtde" e são de tipos numéricos (inteiro ou decimais) são informações totalizadoras.' ||
' As que iniciam com "vl" ou possuem "valor" e são de tipos numéricos (inteiro ou decimais) são in-formações totalizadoras.' ||
' Basicamente terá um padrão de nomes. Comentários nas colunas no banco podem ajudar na formatação do resultado do insight, conforme visto mais adiante.' ||
' Os totalizadores compostos são totais extraídos da soma de várias colunas Totalizadoras. Por exemplo, uma consulta que possui as colunas "icms", "ipi", "pis", "cofins" ' ||
' irão possuir os totalizadores conforme vistos antes, com agrupamentos também conforme vistos antes. No entanto, poderá haver também um totalizador composto chamado ' ||
' "Valor dos impostos" que será o resultado da soma desses 4 impostos. Esse totalizador composto é também pode aplicar totalizações pelas colunas Quantificadores ' ||
' (Valor de impostos por geral, Valor de impostos por cd_material, etc).' ||
' Tipos de insights' ||
' Os exemplos anteriores baseiam-se em totalizações por soma, média, mínimo e máximo. Esses exemplos foram simplificados para compreendimento do funcionamento.' ||
' Avançando nesse sentido, para que os insights possam gerar informações de alto nível, outros cálculos de estatística descritiva podem ser adicionados, como média, ' ||
' mediana, moda e desvio padrão, bem como técnicas estatísticas de detecção de anomalias, como granularidades horária, diária, semanais e mensais, além de muitas' ||
' outras utilizadas normalmente em dashboard de BI’s.' ||
' Considerando os exemplos que vimos anteriormente, poderão ser gerados insights automáticos para fornecer informações que responderiam as seguintes análises:' ||
' Qual material eu mais movimento?' ||
' Qual dia da semana mais movimento materiais?' ||
' Qual a variação percentual entre o valor mínimo e o máximo do material "X"?' ||
' Qual o maior desvio entre a quantidade do material "Y";' ||
' Qual o maior e menor intervalo de tempo de movimentação de um material?' ||
' Exemplo de insight:' ||
' ID: 1' ||
' Insight: Contagem por cd_material' ||
' Informação: count(*)' ||
' Como: group by cd_material' ||
' Por exemplo: para o Oracle SQL "SELECT CD_MOVIMENTO, DT_MOVIMENTO, CD_MATERIAL, QUANTIDADE, VALOR FROM ESMOVIME" ' ||
' Temos: ' ||
' QUANTIFICADOR: select CD_MOVIMENTO, count(*) FROM ESMOVIME group by CD_MOVIMENTO ' ||
' TOTALIZADOR: select max(QUANTIDADE), min(QUANTIDADE), avg(QUANTIDADE), sum(QUANTIDADE) FROM ESMOVIME ' ||
' Gere insigths deste tipo, incluindo composicao de colunas para que seja possivel gerar maior numero de insigths possivel: ' ||
case
when v_ignore_group = 'N' then
' Composição de colunas VARCHAR2: ' || v_label_char || ' ' ||
' Composição de colunas NUMBER: ' || v_label_number || ' ' ||
' Composição de colunas DATE: ' || v_label_date
end ||
' O resultado deve ser um documento em JSON, com atributos: "tipo" (totalizador ou quantificador), ' ||
' "descricao" (se será uma contagem, soma, média, e sobre qual colunas ou colunas), "insigth", "informacao" ' ||
' (descrição de como realizar o insight), "sql" (comando). ' ||
' Exemplo de JSON e sua estrutura: ' ||
'{ "tipo": "quantificador", ' ||
' "descricao": "Contagem por CD_MOVIMENTO", ' ||
' "insight": "Contagem de movimentos", ' ||
' "informacao": "Count(*)", ' ||
' "sql": "SELECT CD_MOVIMENTO, COUNT(*) FROM ESMOVIME GROUP BY CD_MOVIMENTO" } ' ||
' Certifique-se de que o JSON gerado não contenha comentários, caracteres extras ou ' ||
' qualquer outro elemento que invalide o JSON.', p_credential,p_comp_id);
else -- v_has = 0
dbms_output.put_line(' Insights ja existem para SQL ' || p_query_id );
end if;
dbms_output.put_line(v_insigths);
-- retorno da funcao pipeline
for r1 in ( SELECT jt.tipo, jt.descricao, jt.insight, jt.informacao, jt.sql_query, p_query_id, sysdate
FROM JSON_TABLE(
replace( substr( v_insigths,
instr( v_insigths , '```' ) + 3,
instr( v_insigths , '```',1,2) - instr( v_insigths , '```' ,1,1) - 3
) , 'json', '')
,
'$[*]' COLUMNS (
tipo VARCHAR2(50) PATH '$.tipo',
descricao VARCHAR2(255) PATH '$.descricao',
insight VARCHAR2(255) PATH '$.insight',
informacao VARCHAR2(255) PATH '$.informacao',
sql_query VARCHAR2(1000) PATH '$.sql'
)
) jt ) loop
v_id := v_id + 1;
v_array.extend;
v_array(v_array.last) := t_26ai_insight_record(v_id,
r1.tipo ,
r1.descricao ,
r1.insight ,
r1.informacao ,
r1.sql_query,
p_query_id,
sysdate);
PIPE ROW( v_array(v_id) );
end loop;
end;
/

55
fnc_26ai_rag.sql Normal file
View File

@@ -0,0 +1,55 @@
create or replace FUNCTION FNC_26ai_rag (p_ai_prompt IN clob,
p_oci_cred IN VARCHAR2 default 'OCI_CRED',
p_comp in varchar2
)
RETURN CLOB AS
/*
Criado por: fernando.leal@oracle.com
Data: Oct/2025
Objetivo: demonstrar casos de uso do Oracle AI Database 26ai
v1 - funcao global de RAG com Llama4 - leal
*/
v_gen_ai_endpoint varchar2(500) := 'https://inference.generativeai.us-chicago-1.oci.oraclecloud.com';
v_gen_ai_model varchar2(500) := 'meta.llama-4-maverick-17b-128e-instruct-fp8';
resp dbms_cloud_types.RESP;
BEGIN
resp := dbms_cloud.send_request(
credential_name => p_oci_cred,
uri => v_gen_ai_endpoint || '/20231130/actions/chat',
method => dbms_cloud.METHOD_POST,
body => utl_raw.cast_to_raw(json_object(
'compartmentId' value p_comp,
'servingMode' value
(json_object(
'modelId' value v_gen_ai_model,
'servingType' value 'ON_DEMAND'
)),
'chatRequest' value
(json_object(
'apiFormat' value 'GENERIC',
'messages' value
(json_array(JSON_OBJECT(
'role' value 'USER',
'content' value
(json_array(JSON_OBJECT(
'type' value 'TEXT',
'text' value p_ai_prompt
)))
))),
'temperature' value 0.1,
'topK' value -1
))
))
);
RETURN json_value( dbms_cloud.get_response_text(resp) , '$.chatResponse.choices[0].message.content[0].text') ;
-- cuidado: removido 'maxTokens' value 1000 em 14-11-25 leal
EXCEPTION
WHEN OTHERS THEN
RETURN 'Não foi possível gerar um texto com base nas informações.';
END;
/