Позавчера вышла предварительная версия SQL Server 2025.

What's new in SQL Server 2025 Preview.

Из особо интересного:
1. SQL Server 2025 – Standard Developer edition
Теперь будут 2 дев редакции сервера.

2. JSON INDEX: CREATE JSON INDEX.

3. Enterprise AI Without the Learning Curve
Новый тип данных VECTOR и возможность использовать ИИ модели прямо из T_SQL.

-- Step 1: Create an External Model used for embedding generation ----------------------
CREATE EXTERNAL MODEL ollama
WITH (
    LOCATION = 'https://model-web:443/api/embed',
 API_FORMAT = 'Ollama',
 MODEL_TYPE = EMBEDDINGS,
 MODEL = 'nomic-embed-text'
);
GO


-- Step 2: Altering a Table to Add Vector Embeddings Column ----------------------------
USE [AdventureWorks2025]
GO
ALTER TABLE [SalesLT].[Product]
ADD embeddings VECTOR(768), chunk NVARCHAR(2000);
GO


-- Step 3: CREATE THE EMBEDDINGS (This demo is based off the MS SQL 2025 demo repository)
UPDATE p
SET 
 [chunk] = p.Name + ' ' + ISNULL(p.Color, 'No Color') + ' ' + c.Name + ' ' + m.Name + ' ' + ISNULL(d.Description, ''),
 [embeddings] = AI_GENERATE_EMBEDDINGS(p.Name + ' ' + ISNULL(p.Color, 'No Color') + ' ' + c.Name + ' ' + m.Name + ' ' + ISNULL(d.Description, '') USE MODEL ollama)
FROM [SalesLT].[Product] p
JOIN [SalesLT].[ProductCategory] c ON p.ProductCategoryID = c.ProductCategoryID
JOIN [SalesLT].[ProductModel] m ON p.ProductModelID = m.ProductModelID
LEFT JOIN [SalesLT].[vProductAndDescription] d ON p.ProductID = d.ProductID AND d.Culture = 'en'
WHERE p.embeddings IS NULL;


-- Step 4: Performing a vector similarity search ----------------------------------------
DECLARE @search_text NVARCHAR(MAX) = 'I am looking for a red bike and I dont want to spend a lot';
DECLARE @search_vector VECTOR(768) = AI_GENERATE_EMBEDDINGS(@search_text USE MODEL ollama);

SELECT TOP(4)
    p.ProductID,
    p.Name,
    p.chunk,
    vector_distance('cosine', @search_vector, p.embeddings) AS distance
FROM [SalesLT].[Product] p
ORDER BY distance;
GO

Но не знаю взлетит ли вызвать из бд ИИ модель? Лучше, наверное, из сервера приложений или другого клиента, но посмотрим. Вызов внешних сервисов из бд как бы не очень популярен.
Чем лучше в этом случае будет обращение к модели?

Здравствуйте, BlackEric, Вы писали:

BE>Но не знаю взлетит ли вызвать из бд ИИ модель? Лучше, наверное, из сервера приложений или другого клиента, но посмотрим. Вызов внешних сервисов из бд как бы не очень популярен.
BE>Чем лучше в этом случае будет обращение к модели?

VECTOR обычно большой (десятки-сотни килобайт). Чтобы не гонять параметры типа VECTOR по сети (хотя можно конечно)
Смысл насколько я понимаю в "нечетком поиске по смыслу" где можно сделать выборку по расстоянию между векторами

https://www.youtube.com/watch?v=RksCLw2OU_M