查询前查看数据集
查看项目 [项目] 的数据集 [数据集]，说明哪些表和列能回答 [问题]。
google_bigquery
Google BigQuery AI 员工
Leina 连接 Google BigQuery，帮你检查数据集、用 SQL 解答数据问题。在团队聊天中交代任务，Leina 完成工作，再把结果带回来。
连接 Google BigQuery，选择要共享的内容，就可以交代第一项任务。
Leina + Google BigQuery 结果示例
你
在 [项目] 和 [地区] 使用 [订单表] 比较上月各销售渠道的已完成订单，不修改数据。
Leina
已查询指定月份的已完成订单，并按渠道汇总。
BigQuery · 渠道分布
已完成订单
两个渠道使用相同月份和订单口径。
- 线上商城
- 180 个已完成订单。
- 电商平台
- 120 个已完成订单。
什么是 Google BigQuery AI 智能体？
BigQuery AI 智能体可以检查数据表，围绕明确的业务问题执行查询，并总结完成后的结果。
你指定资料来源和保存位置。Leina 使用连接有权访问的内容完成任务，再把结果交给你检查。
Google BigQuery
BigQuery 是 Google Cloud 用于分析查询的数据仓库。
-
明确问题
指定项目、数据表、地区和时段。
-
执行分析
检查列定义并查询相关记录。
-
核对结果
说明查询结果及统计范围。
可以交给 Leina 的 Google BigQuery 任务
复制示例，补充具体信息，然后在已接入的团队聊天中发给 Leina。
用 SQL 回答数据问题
在项目 [项目]、地区 [地区] 中，使用表 [表] 回答 [日期范围] 的 [问题]，执行只读查询并汇总完成后的结果。
google_bigquery
将查询结果保存到 Google Sheets
在 BigQuery 项目 [项目]、地区 [地区] 中，使用 [表] 汇总 [日期范围] 的 [问题]。将完成的摘要保存到 [电子表格链接] 的工作表 [名称]，仅替换 [目标单元格范围]。
google_bigquery + Google Sheets
下一项 Google BigQuery 工作，从一条消息开始。
连接工具，交代任务，查看结果
在团队聊天中告诉 Leina 你的需求，说明数据来源、保存位置和预期结果。
-
连接账号
连接任务涉及的工具，让 Leina 访问需要的内容。
-
尝试一个任务
提供资料来源、结果的保存位置，以及你希望完成的工作。
-
核对结果
查看任务结果，并核对应用中的变更。
让 Leina 在 Google BigQuery 中动手完成工作
把这些日常工作交给你的 AI 员工。
List Projects
列出 BigQuery 可访问的 Google Cloud 项目。
List Datasets
列出 Google Cloud 项目中的 BigQuery 数据集。
Get Dataset
检索 BigQuery 数据集元数据。
List Tables
列出数据集中的 BigQuery 表。
Get Table
检索 BigQuery 表元数据，包括架构（如果可用）。
List Table Data
列出 BigQuery 表中的行。
Query
运行 BigQuery SQL 查询并返回第一页结果。
Get Query Results
轮询 BigQuery 查询作业并返回一页结果。
Get Job
检索 BigQuery 作业元数据。
List Jobs
列出 Google Cloud 项目中的 BigQuery 作业。
Cancel Job
取消 BigQuery 作业。
Start Query Job
启动异步 BigQuery 查询作业。
Start Load Job From Gcs
从 Cloud Storage 对象启动异步 BigQuery 加载作业。
Start Extract Job To Gcs
启动一个异步 BigQuery 提取作业到 Cloud Storage 对象。
Create Dataset
创建 BigQuery 数据集。
Patch Dataset
修补 BigQuery 数据集元数据。
Update Dataset
用提供的数据集资源字段替换 BigQuery 数据集元数据。
Delete Dataset
删除 BigQuery 数据集，可选地删除包含的表（当明确请求时）。
Create Table
创建 BigQuery 表。
Patch Table
修补 BigQuery 表元数据。
Update Table
用提供的表资源字段替换 BigQuery 表元数据。
Delete Table
从数据集中删除 BigQuery 表。
Insert All
将一小批行插入 BigQuery 表。
List Routines
列出数据集中的 BigQuery 例程。
Get Routine
检索 BigQuery 例程元数据。
Create Routine
创建 BigQuery 例程，例如用户定义函数或存储过程。
Update Routine
替换 BigQuery 例程元数据和定义字段。
Delete Routine
从数据集中删除 BigQuery 例程。
List Models
列出数据集中的 BigQuery ML 模型。
Get Model
检索 BigQuery ML 模型元数据。
Patch Model
修补 BigQuery ML 模型元数据，例如友好名称、描述或标签。
Delete Model
从数据集中删除 BigQuery ML 模型。
把 Google BigQuery 和其他工作工具连起来
告诉 Leina 用哪些资料，以及结果保存在哪里。
为你的 AI 员工连接更多工具
连接工作中使用的 App，让 Leina 获取任务需要的信息，继续推进工作。
Leina结果示例 已查询指定月份的已完成订单，并按渠道汇总。
已完成订单
关于 Google BigQuery 和 Leina，你可能还想知道
可以先检查查询再执行吗？
可以，要求先试运行检查 SQL，再决定是否执行。
助手需要哪些权限？
已连接账号需要能读取所选数据表，并在项目中运行查询任务。
让 Leina 成为你的 Google BigQuery AI 员工
从手头的一项工作开始。告诉 Leina，你想要什么样的结果。
连接 Google BigQuery，选择要共享的内容，就可以交代第一项任务。