资源介绍
视频数量：23个
总时长：45分
课程介绍：
Snowflake Cortex AI SQL 基础实战课
你有没有想过，在不离开数据仓库的前提下，直接用 SQL 语法完成情感分析、文档摘要、客户预测这些 AI 任务？这门课要解决的，就是这个问题。Snowflake Cortex AI SQL 是 Snowflake 推出的一套内置 AI 功能，让你用最熟悉的 SQL 语言就能调用大语言模型、处理多模态文档、构建语义视图，甚至搭建完整的 AI 应用。整个课程一共二十三个视频，总时长四十五分钟，节奏紧凑，内容扎实，适合想要在数据仓库里直接落地 AI 能力的数据分析师、数据工程师和 SQL 开发者。
一、AI 与 Cortex AI 的基本概念
课程的第一部分先帮你把基础打牢。Snowflake 的数据超级英雄讲师会带你认识什么是 AI、什么是 Cortex AI，以及什么是 Snowflake 的智能层。你会了解到 AIready 数据的含义，也就是什么样的数据状态适合直接喂给 AI 模型。搞清楚这些底层逻辑之后，后面的实操才不会变成机械的复制粘贴。课程还介绍了 Snowflake 自带的内置大语言模型，也就是 Arctic LLM，以及 Cortex AI SQL 的基本调用方式。学完这一章，你会明白为什么不需要把数据搬到外部 API 也能跑 AI 任务，以及 Snowflake 在数据安全方面相比其他方案的优势。
二、用 Cortex AI SQL 调用内置大模型
第二部分进入正式实操。你会学到怎么用 Cortex AI SQL 直接调用 Snowflake 自带的大语言模型，包括 AI Complete、AI Classify、AI Filter 等常用函数。更重要的是，课程专门讲了一个容易被忽略的细节：token 计数。在跑 AI 查询之前先估算 token 用量，能帮你提前判断成本，避免跑完查询才发现账单超出预期。课程配有配套的 Notebook 练习，跟着操作就能掌握从基础调用到成本预估的完整流程。
三、预测客户支付行为
第三部分教你用 Cortex AI SQL 做客户行为预测。比如你想知道客户对某款产品的定价是否满意，是否愿意支付更高的价格，这类问题都可以通过自然语言提示词配合 AI Complete 来实现。课程会演示怎么结合客户评论、历史购买数据和地理信息，生成本地化的价格预测。你还会学到怎么用 AI Filter 筛选负面评论、怎么用 AI Classify 做情感分类，最后通过 Snowflake Streams 和 Tasks 把整个流程自动化，每周自动更新预测结果。这部分内容非常实用，尤其适合做电商或订阅制业务的数据团队。
四、构建语义视图评估客户退货
第四部分进入语义模型的领域。语义模型是把技术性的数据库表结构翻译成业务语言的一层抽象，定义了客户、订单、产品这些业务实体，以及它们之间的关系和指标。课程先讲语义模型的底层概念，包括事实、维度、指标、过滤器这些组件，以及怎么用 YAML 文件来定义模型。接着教你用 Cortex AI SQL 创建语义视图，专门用于评估客户退货情况。语义视图和 Cortex Analyst 配合使用时，业务人员可以直接用自然语言提问，比如"上个月的退货率是多少"，系统会自动生成准确的 SQL 查询。这一章配有完整的实验 Notebook，动手做一遍就能理解语义视图的价值。
五、用 Excel 查询语义视图
第五部分是一个看似简单但实际需要不少配置才能跑通的环节：在 Excel 里直接查询 Snowflake 的语义视图。课程演示了从 Excel 连接到 Snowflake 的完整步骤，包括 ODBC 驱动安装、连接配置、身份验证等。虽然这一章标注为可选内容，但如果你所在的公司里有很多业务人员习惯用 Excel 而不熟悉 SQL，这一章会帮你打通工具链，让更多人能直接受益于语义模型。
六、多模态文档解析与查询
第六部分讲多模态文档的处理。什么是多模态文档？说白了就是同时包含文本、图像、表格等不同内容类型的 PDF 或图片文件。课程会告诉你，文档解析这一步有多关键——同样的 PDF 文件，解析质量不同，后续问答的准确率可能差出好几倍。你会学到怎么用 Cortex AI SQL 对 PDF 文档发起自然语言提问，比如直接问一份自行车产品手册里某个参数是什么。课程提供了实际的 PDF 文件供你练习，整个流程跑下来，你会发现原来 AI 读文档这件事已经可以做到这么好用。
七、从已有数据中发现指标
第七部分教你一个很省事的技能：自动发现数据里已有的指标。想象一下，你接手了一个新数据仓库，里面几十张表、上百个字段，你不知道哪些字段已经被定义为业务指标。课程演示了怎么用 Cortex AI SQL 自动扫描你的数据资产，识别出潜在的业务指标，省去人工梳理的时间。这个功能对于刚加入新团队或者接手新项目的数据从业者特别有用，能帮你快速摸清数据底数。
八、构建基于富化数据的 Cortex 搜索服务
第八部分聚焦在搜索能力上。课程先介绍什么是 Cortex Search，然后教你创建经过富化和预推理处理的客户留存洞察数据。为什么要做富化和预推理？因为直接对原始数据做搜索往往效果一般，提前把关键信息提取出来、做好分类标注，搜索结果的准确性和相关性会大幅提升。课程以客户留存为应用场景，带你完整走一遍从数据准备到搜索服务搭建的全流程。
九、用 Cortex AI SQL 创建调用 ML 函数的数据代理
第九部分是技术含量较高的一章。你会学到什么是数据代理（Data Agent），以及怎么在 SQL 环境下创建和训练一个机器学习模型。听起来有点硬核，但课程的设计是从基础开始讲的，逐步引导你把训练好的 ML 模型封装成一个数据代理，让其他应用可以通过 SQL 直接调用预测能力。这一章适合那些想在 SQL 体系内集成机器学习功能的开发者。
十、用 Streamlit 在 Snowflake 中搭建 AI 应用
第十部分进入应用层。课程先简单介绍 Streamlit 是什么，然后带你一步步创建一个嵌入在 Snowflake 里的 AI 应用。整个过程不需要额外部署服务器，因为 Streamlit 直接运行在 Snowflake 的环境里。你可以在应用里调用前面学到的各种 Cortex AI SQL 功能，比如情感分析、文档问答、语义查询，然后做成一个界面友好的内部工具。这一步完成后，你手里已经有了一个可以给业务团队演示的 AI 原型。
十一、AI 成本拆解与控制
第十一章单独讲成本问题，因为 AI 功能用起来虽然方便，但如果不注意控制，花钱的速度可能超出预期。课程详细拆解了 Snowflake 是怎么计算 AI 费用的，包括 token 用量、模型调用次数、不同模型的价格差异等。你会学到怎么查询自己当前的 AI 支出，以及哪些优化手段能有效降低成本。课程配有专门的成本查询实验 Notebook，让你学会主动监控 AI 费用而不是等到月底才看到账单。
十二、课程收尾与清理建议
最后一章是恭喜你完成课程，并提醒你在不用的时候及时清理 Snowflake 环境，避免产生不必要的持续性费用。
这门课适合三类人：第一类是日常写 SQL 的数据分析师，想在现有工作流里加入 AI 能力但不想学习 Python 或者额外搭建服务；第二类是数据工程师，需要在数据仓库层面集成 AI 功能，为下游业务提供统一接口；第三类是技术管理者或产品经理，想快速验证 AI 在业务场景中的落地效果。课程的总时长虽然只有四十五分钟，但每个视频都配有可操作的 Notebook 实验和 HTML 实验页面，看完跟着做一遍，基本就能在自己的工作环境里复现所有功能。从概念到实操，从单点功能到完整应用搭建，这条学习路径设计得很清晰。