PRIMING GENERATIVE AI MODEL LEVERAGING DIRECTED ACYCLIC GRAPH-DRIVEN NOTEBOOK ENVIRONMENT

An application receives a natural language query from a user into a cell of a notebook environment and responsively determines a set of precedent cells and a profile of the user. The application determines a portion of the data warehouse graph that corresponds to the natural language query. The application primes the large language model with priming context that is based on the portion of the data warehouse graph that corresponds to the natural language query, the precedent cells from which the code cell depends, and the profile of the user, the priming resulting in a primed large language model. The application inputs the natural language query into the primed large language model and receives, as output from the large language model, a response to the natural language query. The application provides the response to the natural language query to the user. L'invention concerne une application qui reçoit une interrogation en langage naturel d'un utilisateur dans une cellule d'un environnement de bloc-notes et qui détermine en réponse un ensemble de précédentes cellules et un profil de l'utilisateur. L'application détermine une partie du graphe d'entrepôt de données qui correspond à l'interrogation en langage naturel. L'application amorce le modèle de grand langage avec un contexte d'amorçage qui est basé sur la partie du graphe d'entrepôt de données qui correspond à l'interrogation en langage naturel, sur les précédentes cellules dont dépend la cellule de code, et sur le profil de l'utilisateur, l'amorçage conduisant à un modèle de langage de grande taille amorcé. L'application entre l'interrogation en langage naturel dans le modèle de langage de grande taille amorcé et reçoit, en tant que sortie du modèle de langage de grande taille, une réponse à l'interrogation en langage naturel. L'application fournit la réponse à l'interrogation en langage naturel à l'utilisateur.