概要

Snowflake 内にあるテーブルに対して，テーブルのメタ情報を作成する処理（semantic-model-generator）と，その情報を用いてテーブルを自然言語で問い合わせを行う処理（cortex-analyst）を構築する．構築方法は，Streamlit in Snowflake（SiS）を用いるやり方とローカルのPythoを用いてStreamlitを用いるやり方があるが，今回は前者のやり方について解説する．

前提条件

Streamlit in Snowflake（SiS）で処理が完結
ACCOUNTADMINの権限があること
SnowflakeからGitリポジトリにアクセスできること，できなければ別の手段でGitリポジトリにあるファイルをSnowflakeの内部ステージにアップロードできること

大まかな流れ

テーブルのメタ情報を作成する処理（semantic-model-generator）の実装
テーブルを自然言語で問い合わせを行う処理（cortex-analyst）の実装

1. テーブルのメタ情報を作成する処理の実装

2. テーブルを自然言語で問い合わせを行う処理の実装

cortex-analyst にアクセス
create_snowflake_objects.sql を実行
cortex-analyst のアプリを動作させるためのデータベースやスキーマ，ステージ，テストテーブルを作成
- ROLE の切り替えが発生するため，すべて選択して実行はできない．そのため，基本的には1行ごとに実行する．
- SECURITYADMIN やSYSADMIN 等必要な権限に切り替えながら実行する．必要に応じてロールは変更して実行すること．cortex_user_role についても，別のロールに置き換えても良い．
- 部分は権限を付与したいアカウント名を指定して書き換えること．
- テストテーブル（daily_revenue，product_dim，region_dim）は本番環境では不要．不要の場合，次および次々の手順はスキップしても良い．
daily_revenue.csv，product.csv，region.csv，revenue_timeseries.yaml（3つのテーブルのメタデータ）のファイルを内部ステージにアップロード（スキップ可）
cortex_search_create.sql を実行（スキップ可）
テストテーブルにdaily_revenue.csv，product.csv，region.csv をロード
Streamlit in Snowflake（SiS）でcortex_analyst_sis_demo_app.py を実行