MindsDB
访问网站
扫码查看
复制链接

AI的中央查询引擎，用SQL向所有数据提问

标签：AI查询引擎 , MindsDB , RAG , SQL查询 , 中央查询引擎 , 大语言模型 , 数据库AI , 联合数据

MindsDB

AI工作效率 / AI数据分析2 次浏览

综合介绍

MindsDB是一个开源的AI中央查询引擎，它的定位是成为连接所有数据和所有AI模型的唯一入口。平台的核心设计思想是让你能够通过标准的SQL语句，直接向分布在不同系统（如多个数据库、数据仓库、SaaS应用）中的海量数据进行提问，并获得由AI驱动的答案。它将复杂的AI模型（无论是用于预测的传统模型，还是来自OpenAI、Hugging Face的大语言模型）和数据源无缝整合。开发者不再需要关心如何访问分散的数据或调用不同模型的API，只需像查询本地数据库一样，用SQL就能完成从数据分析、业务预测到智能问答的全部工作。

功能列表

  • 中央查询接口：提供一个统一的SQL接口，用于查询所有连接的数据源和AI模型，充当AI任务的中央控制台。
  • 数据联合查询：无需移动或复制数据，即可实时地跨越多个异构数据源（如PostgreSQL + Snowflake + Google Analytics）执行联合查询。
  • AI即服务：将各种AI模型封装为服务，通过SQL即可调用，极大简化了在应用中集成AI的流程。
  • AI智能体 (Agents)：允许创建和管理AI智能体，这些智能体可以被赋予特定技能和数据访问权限，用于自主完成复杂的分析和问答任务。
  • 广泛的生态集成：支持连接超过200种数据源，并能无缝集成Hugging Face、OpenAI、Anthropic、LangChain等主流AI平台和框架的模型。
  • 企业级知识库：能够索引和理解非结构化的文档（PDFs, Word等），构建可供AI智能体使用的企业内部知识库，实现精准的RAG（检索增强生成）问答。
  • 任务自动化：内置任务调度系统（JOBS），可以自动化执行数据同步、模型微调、定时报告生成等工作流。

使用帮助

MindsDB的核心是让你用SQL来指挥和控制AI。整个工作流程可以简化为连接、查询、获得结果这三个步骤。

第一步：安装与启动

Docker提供了最简单、最可靠的启动方式，屏蔽了环境配置的复杂性。

  1. 通过Docker启动服务在终端执行以下命令来启动MindsDB： 
    docker run -p 47334:47334 -p 47335:47335 mindsdb/mindsdb

    服务启动后，47334是Web编辑器和API接口，47335是MySQL兼容接口。

  2. 访问控制台在浏览器中打开 http://localhost:47334，进入MindsDB的SQL编辑器，这是你的中央控制台。

第二步：连接一切

在控制台里，你需要连接你的数据源和你想使用的AI模型。

  1. 连接数据源假设你的销售数据在PostgreSQL，而用户数据在MySQL。你需要为它们分别创建连接： 
    -- 连接PostgreSQL销售数据库
CREATE DATABASE sales_db WITH ENGINE = 'postgres', PARAMETERS = { ... };
-- 连接MySQL用户数据库
CREATE DATABASE user_db WITH ENGINE = 'mysql', PARAMETERS = { ... };
  2. 连接AI模型引擎如果你打算使用Hugging Face上的开源模型，可以这样创建一个AI引擎： 
    CREATE ML_ENGINE hf_engine FROM huggingface;

    同样地，你也可以连接OpenAI、Anthropic等其他AI提供商。

第三步：用SQL向所有数据提问

连接完成后，就可以开始用SQL执行各种AI任务了。

示例1：跨数据库的联合查询与预测你想知道用户的注册来源（在user_db）如何影响其购买行为（在sales_db）。

-- 创建一个模型，联合两个数据库的数据进行训练
CREATE MODEL sales_predictor
FROM (
SELECT s.*, u.registration_source
FROM sales_db.transactions AS s
JOIN user_db.users AS u ON s.user_id = u.id
)
PREDICT s.purchase_amount;
-- 对新用户进行购买力预测
SELECT M.purchase_amount
FROM mindsdb.sales_predictor AS M
WHERE M.registration_source = 'google';

示例2：创建一个“无所不知”的AI智能体这个智能体可以同时访问多个数据源来回答问题。

-- 创建一个可以访问所有数据库的智能体
CREATE AGENT universal_analyst
USING
model = 'gpt-4-turbo',
engine = 'openai_engine',
databases = ['sales_db', 'user_db']; -- 授权访问的数据库
-- 用自然语言向智能体提问
SELECT response
FROM mindsdb.universal_analyst
WHERE question = '上周通过社交媒体注册的用户贡献了多少销售额？';

MindsDB会自动理解你的问题，从正确的数据库中提取数据，并让AI模型给出分析和答案。

应用场景

  1. 统一的商业智能（BI）平台替代传统BI工具，分析师可以直接用自然语言或SQL向MindsDB提问，获得跨越公司所有数据系统的综合性洞察，而无需等待数据团队准备数据。
  2. 企业大脑（Enterprise Brain）创建一个中央AI智能体，连接公司所有的数据库、文档和SaaS应用（如Salesforce, Jira）。任何员工都可以向它提问，例如“上个季度最重要的三个产品功能更新是什么？”或“华东区的顶级销售是谁？”，获得即时且准确的回答。
  3. 实时个性化推荐将用户的实时行为流（来自Kafka）和历史画像（来自数据库）连接到MindsDB。通过一个SQL查询，即可实时调用推荐模型，为每个用户生成高度个性化的内容或商品推荐。
  4. 智能自动化运维连接服务器日志、应用性能监控（APM）等数据源。创建一个AI智能体，用于监控系统异常。当出现问题时，可以直接问它：“分析一下过去15分钟的错误日志，找出导致服务降级的根本原因。”

QA

  1. MindsDB的“中央查询引擎”具体指什么？它指的是MindsDB作为一个统一的入口，无论你的数据存储在多少个不同的地方，AI模型有多少种，你都只需要通过MindsDB这一个平台，用SQL这一种语言来查询它们，就像一个中央调度系统。
  2. 它会把我的所有数据都复制到一个地方吗？不会。这是MindsDB的核心优势之一（联合查询）。它在执行查询时，会实时地去各个原始数据源拉取所需数据进行计算，数据本身始终保留在原处，这保证了数据的安全性和实时性。
  3. MindsDB和数据库有什么关系？你可以把MindsDB看作是架在所有数据库之上的一个“智能层”或“代理”。它本身不是数据库，但它能让你用操作数据库的方式来使用AI和所有数据。
  4. “用SQL向数据提问”和普通的SQL查询有什么不同？普通的SQL查询只能获取和处理结构化数据。而通过MindsDB，你的SQL查询可以调用AI模型，从而能够处理非结构化数据、进行预测、获得分析洞察，甚至直接用自然语言提问。你的SELECT语句不仅能查数据，还能查“答案”。
微信微博Email复制链接