Swiggy's Hermes: Merevolusi Akses Data dengan AI Generatif

Dalam landskap yang didorong oleh data hari ini, Swiggy, perkhidmatan penghantaran makanan India yang terkemuka, memanfaatkan kuasa AI generatif melalui alat inovatifnya, Hermes. Direka untuk mempercepatkan akses dan tafsiran data, Hermes memberi kuasa kepada pelbagai pasukan Swiggy untuk membuat keputusan yang lebih cepat dan lebih tepat. Tidak seperti banyak alat AI yang memberi tumpuan kepada ringkasan teks, Hermes cemerlang dalam menyampaikan data berangka yang tepat dan pandangan terperinci penting untuk strategi perniagaan. Sama ada menilai kesan gangguan rangkaian atau menganalisis maklum balas pelanggan, Hermes membolehkan pekerja Swiggy menimbulkan pertanyaan bahasa semulajadi dan menerima pertanyaan SQL segera dan hasilnya dalam Slack. Ini menghapuskan keperluan untuk kepakaran teknikal yang luas, mendemokrasikan akses data di seluruh organisasi.

Ciri -ciri utama Hermes:

• Menyelaraskan akses data dan tafsiran untuk semua pasukan.
• Memudahkan pertanyaan bahasa semulajadi dengan pertanyaan SQL segera dan penghantaran hasil dalam Slack.
• Hermes v2, lelaran terkini, menggunakan pendekatan yang dibahagikan untuk ketepatan dan kecekapan yang lebih baik.
• Memanfaatkan asas pengetahuan dan generasi pengambilan semula (RAG) untuk pemahaman kontekstual yang dipertingkatkan.
• Secara meluas diterima pakai di seluruh Swiggy, dengan ketara mengurangkan masa pengambilan data.
• Memberi kuasa kepada pelbagai pasukan, termasuk pengurus produk, saintis data, dan penganalisis, dengan halangan teknikal yang minimum.

Jadual Kandungan:

• Cabaran data Swiggy
• Hermes v1: Pelaksanaan awal
• Hermes v2: Peningkatan dan Penambahbaikan
• Saluran paip model AI generatif
• Saluran paip model halus
• Masa depan Hermes di Swiggy
• Perspektif kami
• Soalan yang sering ditanya

Cabaran Data Swiggy:

Swiggy menghadapi halangan organisasi yang sama: menyediakan akses data yang lancar kepada pekerja di pelbagai jabatan tanpa bergantung pada pakar teknikal. Kaedah tradisional, yang melibatkan pertanyaan SQL yang kompleks dan campur tangan penganalisis, membuktikan masa yang memakan dan tidak cekap, menghalang pengambilan keputusan tepat pada masanya.

Hermes v1: asas yang kukuh:

Versi pertama Hermes menggunakan varian GPT-3.5. Walaupun berjaya, ia menekankan keperluan untuk penyelesaian yang lebih disesuaikan untuk mengendalikan pertanyaan kompleks dan dataset besar. Ini membawa kepada peralihan reka bentuk utama: memasuki Hermes ke dalam unit perniagaan yang berbeza ("Charters"), masing -masing dengan metadata sendiri dan kes penggunaan khusus.

Hermes v2: Pendekatan yang lebih halus:

Hermes v2 menangani batasan pendahulunya dengan seni bina yang halus:

• Antara Muka Pengguna: Slack kekal sebagai antara muka utama untuk menanyakan dan menerima hasil.
• Middleware (AWS Lambda): Mengendalikan komunikasi antara antara muka pengguna dan model AI.
• Model AI Generatif: Menjana pertanyaan SQL dan melaksanakannya melalui pekerjaan Databricks.
• RAG Pangkalan Pengetahuan: Menyediakan konteks penting dan memastikan penjanaan pertanyaan yang tepat.

Paip model AI generatif:

Kekuatan teras Hermes V2 terletak pada asas pengetahuan dan pendekatan RAG. Ini membolehkan model memahami struktur data khusus Swiggy dan menghasilkan pertanyaan SQL yang tepat.

Pangkalan pengetahuan adalah penting untuk pemahaman kontekstual, disambiguasi, ketepatan, dan skalabilitas.

Paip model halus:

Talian paip yang lebih baik di Hermes v2 memecah pengguna diminta ke peringkat:

1. Metrik Pengambilan: Mengenal pasti metrik yang berkaitan.
2. Jadual dan Lajur Pengambilan: Mengesan jadual dan lajur yang diperlukan.
3. Retrieval SQL beberapa-tembakan: Menggunakan pertanyaan rujukan untuk membimbing penjanaan.
4. Penciptaan segera berstruktur: Menyusun maklumat untuk LLM.
5. Pengesahan pertanyaan: Mengesahkan dan membetulkan pertanyaan SQL.

Pengambilan dan kesan:

Hermes telah diterima pakai secara meluas, memproses ribuan pertanyaan setiap hari dengan masa tindak balas purata di bawah dua minit. Impaknya merangkumi pelbagai pasukan, dengan ketara meningkatkan produktiviti dan membuat keputusan yang didorong oleh data.

Masa Depan Hermes di Swiggy:

Swiggy terus memperbaiki Hermes, menggabungkan maklum balas pengguna dan menolak sempadan kebolehcapaian data berkuasa AI.

Perspektif kami:

Hermes Swiggy mencontohkan potensi transformasi AI generatif dalam pengurusan data. Pendekatannya yang disesuaikan mempamerkan bagaimana AI dapat memperkasakan pasukan dan meningkatkan kecekapan operasi.

Kesimpulan:

Kejayaan Swiggy dengan Hermes menyoroti kepentingan data yang boleh diakses dan boleh diambil tindakan. Hermes v2 menetapkan standard baru untuk mendemokrasikan akses data dan mempercepatkan membuat keputusan.

(Bahagian soalan yang sering ditanya tetap sama seperti dalam input asal.)

Atas ialah kandungan terperinci Hermes Swiggy: Penyelesaian AI untuk keputusan yang didorong oleh data yang lancar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!