在 BigQuery 中用 SQL 做机器学习与生成式…

当你需要在 BigQuery 里直接用 SQL 完成时间序列预测、异常检测、关键驱动分析、语义/向量搜索、文本分类、摘要、翻译、因果效应评估等 AI/ML 任务时使用。

适用场景

解决思路

1. 使用 AI.FORECAST 进行时间序列预测
2. 使用 AI.KEY_DRIVERS（TVF）识别关键驱动因素
3. 使用 AI.DETECT_ANOMALIES 检测异常
4. 使用 AI.GENERATE 调用 LLM 生成文本
5. 使用 AI.AGG 进行多行语义聚合与摘要
6. 使用 AI.CAUSAL_EFFECT 量化干预对时间序列的影响
7. 使用 AI.CLASSIFY 对文本进行分类
8. 使用 AI.EVALUATE 评估模型
9. 使用 AI.GENERATE_EMBEDDING 生成嵌入向量
10. 使用 AI.GENERATE_TABLE 进行表值形式的 AI 生成
11. 使用 AI.IF 评估语义条件（按语义条件过滤）
12. 使用 AI.SCORE 对数据打分
13. 使用 AI.SEARCH 进行语义搜索
14. 使用 AI.SIMILARITY 计算语义相似度
15. 使用 Remote Models 对接 Vertex AI 远程模型
16. 使用 CONTRIBUTION_ANALYSIS 找出变化的贡献因素与关键驱动（需先创建 MODEL 实体）
17. 使用 ML.CORRELATION 计算列间相关性，可按维度切片
18. 使用 ML.DETECT_CHANGE_POINTS 检测时间序列中的结构性断点或持续偏移
19. 使用 ML.SEASONALITY 提取时间序列的季节性成分
20. 使用 ML.TREND 提取时间序列的长期趋势成分
21. 使用 VECTOR_SEARCH 进行向量搜索（遵循其最佳实践）
22. 参考各函数的 references 目录文档（如 ai_forecast.md、ai_search.md、vector_search.md 等）获取具体用法
23. 如需核心 BigQuery 概念、资源管理、CLI 与客户端库，参考 BigQuery Basics Skill

适用边界 · 注意事项

• 不要用于通用的 BigQuery 数据集、表或作业管理请求
• 需要先有 BigQuery 与 Vertex AI 环境（依赖特定云厂商）