168 lines
6.9 KiB
SQL
168 lines
6.9 KiB
SQL
create or replace FUNCTION fnc_26ai_rag_telecom(p_query VARCHAR2,
|
|
p_top_k IN NUMBER,
|
|
p_new_session in number,
|
|
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 - funcao de RAG para TELECOM - leal
|
|
|
|
|
|
begin
|
|
dbms_cloud_ai.create_profile(
|
|
profile_name => 'PROF_TELECOM_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": "V_26AI_REMARK"},
|
|
{"owner": "AICHAT1", "name": "V_26AI_MASTER"},
|
|
{"owner": "AICHAT1", "name": "V_26AI_CLIENTE_FIXA_MOVEL_CONSOLIDADO"}
|
|
],
|
|
"comments": true,
|
|
"temperature": 0.1
|
|
}'
|
|
);
|
|
end;
|
|
/
|
|
|
|
|
|
*/
|
|
v_response_vector CLOB;
|
|
v_pre_prompt clob;
|
|
v_prompt clob;
|
|
params_genai CLOB;
|
|
output CLOB;
|
|
query_vec VECTOR;
|
|
|
|
v_has number;
|
|
v_assistant clob;
|
|
|
|
v_i number :=0 ;
|
|
|
|
v_response_selectai 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_TELECOM_V1';
|
|
|
|
BEGIN
|
|
|
|
-- embedding do prompt para dedicated
|
|
query_vec := to_vector( fnc_26ai_embed ( p_string => p_query ,p_emb_type=>'COHERE') ); -- neste tenancy nao temos o DEDICATED - leal 17-10-25
|
|
|
|
for message_cursor in (
|
|
select lv.id as DOCID,
|
|
lv.EMBED_DATA as BODY,
|
|
vector_distance(lv.embed_vector, query_vec, cosine ) AS SCORE,
|
|
null txt_aug
|
|
from TB_26AI_TELECOM_VECTOR_DATA lv
|
|
order by SCORE
|
|
FETCH EXACT FIRST p_top_k ROWS ONLY
|
|
) loop
|
|
|
|
v_i := message_cursor.SCORE;
|
|
v_response_vector := v_response_vector || '"' || replace(replace(replace(replace(message_cursor.BODY || ': ' || message_cursor.txt_aug,chr(10),null),chr(13),null),'"',''),'''','') || '",' ;
|
|
|
|
END LOOP;
|
|
|
|
|
|
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_selectai;
|
|
|
|
if v_response_selectai like 'Sorry%' or v_response_selectai like 'No data found%' then
|
|
v_response_selectai := '--' ;
|
|
end if;
|
|
exception
|
|
when others then
|
|
v_response_selectai := '-' ;
|
|
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 := '"messages": [
|
|
{
|
|
"role": "system",
|
|
"content": "Objetivo
|
|
Transformar perguntas em análises qualitativas ou quantitativas e acionáveis para os executivos, cobrindo todos os motivos de contato.
|
|
Instruções
|
|
Escopo
|
|
• Responda apenas sobre chamadas e motivos de contato no call center.
|
|
• Se a pergunta não estiver nesse escopo, retorne com recusa educada.
|
|
Processo
|
|
• Classifique os resultados em temas: Técnico; Contas; Retenção; Vendas; Comercial/Atendimento.
|
|
• Extraia sinais relevantes: qualidade de serviço, motivos dominantes de contato, intenções de cancelamento, menções a concorrentes, objeções de preço, falhas de processo, elogios, risco qualitativo de churn.
|
|
• Analise sentimento (positivo, negativo, neutro) e emoções (raiva, frustração, ansiedade, alívio).
|
|
• Avalie pitch de vendas quando aplicável.
|
|
• Sintetize sempre em linguagem executiva.
|
|
• Nunca invente números; se usar contagens, declare a amostra.
|
|
• Nunca traga informações como "Não há dados suficientes para montar um gráfico"
|
|
Formato da resposta (não use Markdown)
|
|
• A saída deve ser obrigatoriamente em listas e tópicos, nunca em parágrafos corridos.
|
|
• Estrutura fixa da resposta:
|
|
• Título curto com o insight principal.
|
|
• Resumo executivo: exatamente 3 bullets (curtos, diretos).
|
|
• Principais insights: lista não ordenada (•) para destaques gerais.
|
|
• Rankings ou comparações: lista ordenada (1, 2, 3).
|
|
• É proibido escrever respostas fora desse formato.
|
|
• Use negrito para informações críticas e itálico para sinais preliminares ou hipóteses.
|
|
Guardrails
|
|
• Nunca exponha PII.
|
|
• Não reporte métricas individuais de agentes.
|
|
• Se não houver evidências suficientes, declare claramente essa limitação no mesmo formato de lista.
|
|
• Nunca cite "Não há necessidade de gráfico, pois os dados podem ser facilmente compreendidos na lista ordenada acima."
|
|
Linguagem
|
|
• Sempre em português claro, executivo e direto.
|
|
• Evite jargões técnicos.
|
|
• Estruture como briefing para diretoria.
|
|
• Valores monetários em BRL.",';
|
|
|
|
|
|
v_pre_prompt2 := '{ "role": "user","content": "Contexto Chamadas:"' || v_response_vector || ' "Contexto BI": ' || v_response_selectai || ' "Pergunta": ' || p_query || '"}' ; -- sem ]'
|
|
|
|
v_prompt := v_pre_prompt || v_pre_prompt2 || ']';
|
|
|
|
begin
|
|
output := dbms_vector_chain.utl_to_generate_text( replace(replace(replace(replace(v_prompt,chr(10),null),chr(13),null),'"',''),'''','') , json(params_genai));
|
|
exception
|
|
when others then
|
|
begin
|
|
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));
|
|
exception
|
|
when others then
|
|
v_prompt := v_pre_prompt;
|
|
output := dbms_vector_chain.utl_to_generate_text( replace(replace(replace(replace(v_prompt,chr(10),null),chr(13),null),'"',''),'''','') , json(params_genai));
|
|
end ;
|
|
end;
|
|
|
|
--output := FNC_AI_LLAMA( replace(replace(replace(replace(messages,chr(10),null),chr(13),null),'"',''),'''','') ,'OCI_CRED');
|
|
RETURN output;
|
|
|
|
END;
|
|
/ |