AI_GENERATE_EMBEDDINGS (Transact-SQL)

Se aplica a: SQL Server 2025 (17.x) , Azure SQL Database, Azure SQL Managed Instance, Base de datos SQL en Microsoft Fabric

La AI_GENERATE_EMBEDDINGS función crea incrustaciones (matrices vectoriales) utilizando una definición precreada de modelo de IA almacenada en la base de datos.

Sintaxis

Convenciones de sintaxis de Transact-SQL

AI_GENERATE_EMBEDDINGS ( source USE MODEL model_identifier [ PARAMETERS optional_json_request_body_parameters ] )

Argumentos

de origen

Una expresión de cualquier tipo de carácter, como nvarchar, varchar, nchar o char.

model_identifier

El nombre de un modelo externo definido como un EMBEDDINGS tipo que se utiliza para crear el array vectorial de incrustaciones.

Para obtener más información, vea CREATE EXTERNAL MODEL.

optional_json_request_body_parameters

Una lista válida de parámetros adicionales en formato JSON. La función añade estos parámetros al cuerpo del mensaje de solicitud REST antes de enviarlo a la ubicación final del modelo externo. Estos parámetros dependen de lo que soporte y acepte el endpoint del modelo externo.

Tipos de retorno

AI_GENERATE_EMBEDDINGS devuelve una tabla de una sola columna cuyas filas son las matrices de vectores de inserción generadas que se devuelven como JSON.

Formato de devolución

El formato del JSON devuelto es el siguiente:

[
    0.0023929428,
    0.00034713413,
    -0.0023142276,
    -0.025654867,
    -0.011492423,
    0.0010358924,
    -0.014836246,
    0.0035484824,
    0.000045630233,
    -0.027581815,
    0.023816079,
    0.005012586,
    -0.027732948,
    -0.010088143,
    ...
    -0.014571763
]

Observaciones

AI_GENERATE_EMBEDDINGSestá disponible en Instancia administrada de Azure SQL con la directiva de actualizaciónalways-up-to-date.

Prerrequisitos

Para utilizar AI_GENERATE_EMBEDDINGS, asegúrate de cumplir los siguientes requisitos:

Activa sp_invoke_external_endpoint la base de datos con el siguiente comando:
```
EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;
```
Nota:

En Azure SQL Database y SQL Database en Fabric, la external rest endpoint enabled opción de configuración del sistema está activada por defecto.

Para más información sobre cómo crear endpoints de embebida, revisa el proceso para Azure OpenAI en Fundición de IA de Azure Models, OpenAI u Ollama.

Crea un modelo externo del EMBEDDINGS tipo, accesible a través de las subvenciones, roles y permisos adecuados.

Parámetros opcionales

Usa el optional_json_request_body_parameters parámetro en AI_GENERATE_EMBEDDINGS cuando necesites añadir un parámetro de endpoint al cuerpo del mensaje de solicitud de embeddings. Añadir un parámetro opcional anula el valor en tiempo de ejecución si la definición del modelo incluye ese parámetro.

Por ejemplo, si el modelo externo contiene el parámetro para dimensions fijado en 1.536, puedes pasar ese parámetro optional_json_request_body_parameters en tiempo de ejecución con un nuevo valor.

En el ejemplo siguiente, el dimensions parámetro del modelo se invalida:

json_object("dimensions":755)

El valor al optional_json_request_body_parameters que pasas debe ser JSON válido.

Eventos extendidos (XEvent)

AI_GENERATE_EMBEDDINGS tiene un evento extendido (ai_generate_embeddings_summary) que puedes activar para la resolución de problemas. Contiene información sobre la solicitud y respuesta REST, como el código de estado, cualquier error que haya encontrado y el nombre del modelo utilizado. El evento external_rest_endpoint_summary extendido contiene información adicional que puede ayudar en la resolución de problemas y depuración de solicitudes REST.

Ejemplos

Un. Creación de incrustaciones con una instrucción SELECT

El siguiente ejemplo muestra cómo usar la AI_GENERATE_EMBEDDINGS función con una sentencia select que devuelve resultados en un array JSON.

SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel)
FROM myTable;

B. Creación de incrustaciones con una instrucción SELECT mediante AI_GENERATE_CHUNKS

El siguiente ejemplo muestra cómo usar la AI_GENERATE_EMBEDDINGS función con la función AI_GENERATE_CHUNKS para pasar texto dividido en tamaños de fragmento especificados con una sentencia select que devuelve los resultados de un array vectorial.

SELECT id,
       title,
       large_text,
       AI_GENERATE_EMBEDDINGS(c.chunk_text USE MODEL MyAzureOpenAIModel)
FROM myTable
CROSS APPLY AI_GENERATE_CHUNKS (
    SOURCE = large_text,
    CHUNK_TYPE = FIXED,
    CHUNK_SIZE = 10
) AS c;

C. Creación de incrustaciones con una actualización de tabla

En el ejemplo siguiente se muestra cómo usar la AI_GENERATE_EMBEDDINGS función con una instrucción de actualización de tabla para devolver los resultados de la matriz vectorial en una columna de tipo de datos vectorial.

UPDATE t
    SET myEmbeddings = AI_GENERATE_EMBEDDINGS(t.text USE MODEL MyAzureOpenAIModel)
FROM myTable AS t;

D. Crear incrustaciones con una instrucción SELECT y PARAMETERS

En el ejemplo siguiente se muestra cómo usar la AI_GENERATE_EMBEDDINGS función con una instrucción select y pasar parámetros opcionales al punto de conexión, que devuelve los resultados de la matriz vectorial.

DECLARE @params JSON = N'{"dimensions":768}'
SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS @params)
FROM myTable;

E. Generación de embedos de reintentos con `retry_count` opción PARÁMETROS

Si la llamada de inserción encuentra códigos de estado HTTP que indican problemas temporales, puede configurar la solicitud para volver a intentarlo automáticamente.

Para especificar el número de intentos, añade el siguiente JSON a la PARAMETERS opción. Este valor debe ser un entero positivo entre cero (0) y diez (10) inclusive, y no puede ser NULL.

Nota:

Si se especifica un retry_count valor en la AI_GENERATE_EMBEDDINGS consulta, anula el retry_count (si está definido) en la configuración del modelo externo.

DECLARE @params JSON = N'{"sql_rest_options":{"retry_count":10}} '
SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS @params)
FROM myTable;

F. Un ejemplo completo con creación de modelos, fragmentación y generación de incrustaciones

Clave de API de Azure OpenAI
Identidad administrada

El siguiente ejemplo demuestra un proceso integral para hacer que tus datos estén listos para IA usando Azure OpenAI API Key:

Utiliza CREAR MODELO EXTERNO para registrar tu modelo de incrustación y hacerlo accesible.
Divide el conjunto de datos en partes más pequeñas con AI_GENERATE_CHUNKS, para que los datos encajen dentro de la ventana contextual del modelo y mejore la precisión de la recuperación.
Genera incrustaciones usando AI_GENERATE_EMBEDDINGS.
Inserta los resultados en una tabla con un tipo de dato vectorial.

Nota:

Reemplace <password> por una contraseña válida.

Activa la invocación externa del endpoint REST en el servidor de base de datos:

EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;
GO

Crea una clave maestra de base de datos:

IF NOT EXISTS (SELECT *
               FROM sys.symmetric_keys
               WHERE [name] = '##MS_DatabaseMasterKey##')
    BEGIN
        CREATE MASTER KEY ENCRYPTION BY PASSWORD = N'<password>';
    END
GO

Crea credenciales de acceso a Azure OpenAI usando una clave:

CREATE DATABASE SCOPED CREDENTIAL [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
    WITH IDENTITY = 'HTTPEndpointHeaders', secret = '{"api-key":"YOUR_AZURE_OPENAI_KEY"}';
GO

Crear un modelo externo para llamar al endpoint REST de embeddings de Azure OpenAI:

CREATE EXTERNAL MODEL MyAzureOpenAIModel
WITH (
      LOCATION = 'https://my-azure-openai-endpoint.cognitiveservices.azure.com/openai/deployments/text-embedding-ada-002/embeddings?api-version=2023-05-15',
      API_FORMAT = 'Azure OpenAI',
      MODEL_TYPE = EMBEDDINGS,
      MODEL = 'text-embedding-ada-002',
      CREDENTIAL = [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
);

Crea una tabla con texto para fragmentar e insertar datos:

CREATE TABLE textchunk
(
    text_id INT IDENTITY (1, 1) PRIMARY KEY,
    text_to_chunk NVARCHAR (MAX)
);
GO

INSERT INTO textchunk (text_to_chunk)
VALUES ('All day long we seemed to dawdle through a land which was full of beauty of every kind. Sometimes we saw little towns or castles on the top of steep hills such as we see in old missals; sometimes we ran by rivers and streams which seemed from the wide stony margin on each side of them to be subject to great floods.'),
       ('My Friend, Welcome to the Carpathians. I am anxiously expecting you. Sleep well to-night. At three to-morrow the diligence will start for Bukovina; a place on it is kept for you. At the Borgo Pass my carriage will await you and will bring you to me. I trust that your journey from London has been a happy one, and that you will enjoy your stay in my beautiful land. Your friend, DRACULA')
GO

Crea una nueva tabla para contener el texto fragmentado y las incrustaciones vectoriales:

CREATE TABLE text_embeddings
(
    embeddings_id INT IDENTITY (1, 1) PRIMARY KEY,
    chunked_text NVARCHAR (MAX),
    vector_embeddings VECTOR(1536)
);

Inserta el texto fragmentado y las incrustaciones vectoriales en la tabla text_embeddings usando AI_GENERATE_CHUNKS y AI_GENERATE_EMBEDDINGS:

INSERT INTO text_embeddings (chunked_text, vector_embeddings)
SELECT c.chunk,
       AI_GENERATE_EMBEDDINGS(c.chunk USE MODEL MyAzureOpenAIModel)
FROM textchunk AS t
CROSS APPLY AI_GENERATE_CHUNKS (
    SOURCE = t.text_to_chunk,
    CHUNK_TYPE = FIXED,
    CHUNK_SIZE = 100
) AS c;

Visualización de los resultados

SELECT *
FROM text_embeddings;

El siguiente ejemplo demuestra un proceso de extremo a extremo para hacer que tus datos estén listos para IA usando Identidad Gestionada:

Habilitar la identidad gestionada. Esta opción se aplica a despliegues de SQL Server Azure Arc y Azure Máquinas Virtuales (VM).
Utiliza CREAR MODELO EXTERNO con Azure OpenAI usando Identidad Gestionada para registrar tu modelo de incrustación y hacerlo accesible usando Identidad Gestionada.
Divide el conjunto de datos en partes más pequeñas con AI_GENERATE_CHUNKS, para que los datos encajen dentro de la ventana contextual del modelo y mejore la precisión de la recuperación.
Genera incrustaciones usando AI_GENERATE_EMBEDDINGS.
Inserta los resultados en una tabla con un tipo de dato vectorial.

Nota:

Sustituye <password> por una contraseña válida.

Habilitar la identidad gestionada para la autenticación:

EXECUTE sp_configure 'allow server scoped db credentials', 1;
RECONFIGURE WITH OVERRIDE;

Activa la invocación externa del endpoint REST en el servidor de base de datos:

EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;
GO

Crea una clave maestra de base de datos:

IF NOT EXISTS (SELECT *
               FROM sys.symmetric_keys
               WHERE [name] = '##MS_DatabaseMasterKey##')
    BEGIN
        CREATE MASTER KEY ENCRYPTION BY PASSWORD = N'<password>';
    END
GO

Crea credenciales de acceso a Azure OpenAI usando una clave:

CREATE DATABASE SCOPED CREDENTIAL [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
    WITH IDENTITY = 'Managed Identity', secret = '{"resourceid":"https://cognitiveservices.azure.com"}';
GO

Crear un modelo externo para llamar al endpoint REST de embeddings de Azure OpenAI:

CREATE EXTERNAL MODEL MyAzureOpenAIModel
WITH (
      LOCATION = 'https://my-azure-openai-endpoint.cognitiveservices.azure.com/openai/deployments/text-embedding-ada-002/embeddings?api-version=2023-05-15',
      API_FORMAT = 'Azure OpenAI',
      MODEL_TYPE = EMBEDDINGS,
      MODEL = 'text-embedding-ada-002',
      CREDENTIAL = [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
);

Crea una tabla con texto para fragmentar e insertar datos:

CREATE TABLE textchunk
(
    text_id INT IDENTITY (1, 1) PRIMARY KEY,
    text_to_chunk NVARCHAR (MAX)
);
GO

INSERT INTO textchunk (text_to_chunk)
VALUES ('All day long we seemed to dawdle through a land which was full of beauty of every kind. Sometimes we saw little towns or castles on the top of steep hills such as we see in old missals; sometimes we ran by rivers and streams which seemed from the wide stony margin on each side of them to be subject to great floods.'),
       ('My Friend, Welcome to the Carpathians. I am anxiously expecting you. Sleep well to-night. At three to-morrow the diligence will start for Bukovina; a place on it is kept for you. At the Borgo Pass my carriage will await you and will bring you to me. I trust that your journey from London has been a happy one, and that you will enjoy your stay in my beautiful land. Your friend, DRACULA')
GO

Crea una nueva tabla para contener el texto fragmentado y las incrustaciones vectoriales:

CREATE TABLE text_embeddings
(
    embeddings_id INT IDENTITY (1, 1) PRIMARY KEY,
    chunked_text NVARCHAR (MAX),
    vector_embeddings VECTOR(1536)
);

Inserta el texto fragmentado y las incrustaciones vectoriales en la tabla text_embeddings usando AI_GENERATE_CHUNKS y AI_GENERATE_EMBEDDINGS:

INSERT INTO text_embeddings (chunked_text, vector_embeddings)
SELECT c.chunk,
       AI_GENERATE_EMBEDDINGS(c.chunk USE MODEL MyAzureOpenAIModel)
FROM textchunk AS t
CROSS APPLY AI_GENERATE_CHUNKS (
    SOURCE = t.text_to_chunk,
    CHUNK_TYPE = FIXED,
    CHUNK_SIZE = 100
) AS c;

Consulta los resultados:

SELECT *
FROM text_embeddings;

Comentarios

¿Le ha resultado útil esta página?

Last updated on 2026-06-24

AI_GENERATE_EMBEDDINGS (Transact-SQL)

Sintaxis

Argumentos

de origen

model_identifier

optional_json_request_body_parameters

Tipos de retorno

Formato de devolución

Observaciones

Prerrequisitos

Parámetros opcionales

Eventos extendidos (XEvent)

Ejemplos

Un. Creación de incrustaciones con una instrucción SELECT

B. Creación de incrustaciones con una instrucción SELECT mediante AI_GENERATE_CHUNKS

C. Creación de incrustaciones con una actualización de tabla

D. Crear incrustaciones con una instrucción SELECT y PARAMETERS

E. Generación de embedos de reintentos con retry_count opción PARÁMETROS

F. Un ejemplo completo con creación de modelos, fragmentación y generación de incrustaciones

Contenido relacionado

Comentarios

Recursos adicionales

E. Generación de embedos de reintentos con `retry_count` opción PARÁMETROS