2025年1月15日，Oracle APEX发布了24.2版本，对AI为中心的应用开发架构提供了新功能，可以轻松构建响应精确且相关联的智能应用。开发人员可以将AI驱动的文本生成与新的动态操作AI生成文本（Generate Text with AI Dynamic Action）无缝集成，在新的共享组件AI配置（AI Configuration）中快速设置检索增强生成 （RAG） 数据源，在 SQL Workshop 中使用自然语言创建自定义数据模型。这些增强功能使开发人员能够创建更智能，而且精确满足用户需求的AI应用程序。
在APEX 24.2版本中，AI助手的功能得到了加强，支持在调用的时候设置动态输入输出，并且支持 RAG 数据：通过基于 SQL 查询、函数输出或静态文本发送其他上下文数据来增强AI助手的响应。这些 RAG 来源可以是有条件的，并在每个用户提示时重新计算，从而确保响应保持相关性和最新性。
AI配置
新的AI配置共享组件封装了系统提示、欢迎消息和任意数量的 RAG 源。这些配置可以通过“Show AI Assistant”和“Generate Text with AI”动态操作以及APEX_AI PL/SQL API 来使用。
条件 RAG 源
使用指定的关键字为服务器端条件（如“User Prompt Contains”或“All User Prompts Contain”）配置 RAG 源。对于更高级的条件逻辑，请在表达式中引用绑定变量 APEX$AI_LAST_USER_PROMPT 或 APEX$AI_ALL_USER_PROMPTS 以启用基于自定义条件的动态响应。
本文针对APEX 24.2中的AI配置和RAG源，结合前面介绍的动态操作AI生成文本和AI助手，进行详细的说明和演示。这个功能可以让应用无缝和生成式AI结合，生成更智能的应用，让AI更好地结合私域数据，自然地赋能应用。
环境和大模型
本文中使用的APEX环境是apex.oracle.com，对外提供免费注册，目前这个环境中apex已经升级到最新的24.2版本。
首先配置大语言模型，APEX目前原生支持的大语言模型主要是OCI生成式AI，Open AI和Cohere，支持定义大语言模型的endpoint，考虑到对接国内大语言模型的需求，本文中通过openai兼容接口，调用最新的deepseek大模型，具体配置如下：
在APEX workspace中APP Builder->Workspace Utilities->Generative AI Services下，可以创建新的生成式AI服务，配置如下图（请自己申请deepseek的api key，注意其有一定的免费额度），Credential部分如果没有，可以使用申请的api key创建新的Credential.
注意选择“Used by app builder”，这样创建应用时可以使用。
本文中继续使用基于apex提供的EMP DEPT数据，前一篇文章中通过生成式AI创建的“员工管理系统”应用。
AI配置和RAG源
在APEX workspace中，进入我们刚创建的员工管理系统（或者点击某个新应用），如果前面配置了AI Service，那么在“Shared Components”里面，最下面会发现多了一个“Generative AI”的部分，里面有三个子项：
本文通过AI配置和RAG源，在动态操作中利用AI助手来使用私域数据回答问题。
先创建一个简单的知识库表，在SQL Workshop->SQL Commands中的窗口中分别执行如下SQL语句：
create table tbl_km_example ( km_id NUMBER GENERATED BY DEFAULT ON NULL AS IDENTITY MINVALUE 1 MAXVALUE 99999 INCREMENT BY 1, km_content varchar2(4000), km_type varchar2(255), km_keywords varchar2(255) )
insert into tbl_km_example (km_content, km_type, km_keywords) values( '奖金（COMMISSION）计算规则，根据部门的不同，计算的百分比不同。' || '以下是部门列表和计算百分比值：' || '- ACCOUNTING 10%;'|| '- OPERATIONS 10%;'|| '- RESEARCH 20%;'|| '- SALES 50%;'|| '根据部门信息和员工的当前工资。可以计算出奖金（COMMISSION）。','HR','COMMISSION'); |
在 Shared Components->Generative AI Configurations下，点击“Create”按钮，创建一个AI配置。
Name：自定义唯一名字
Static ID：自定义唯一名字
Service：前面定义的AI Service
System Prompt：
你是一位HR专家，请使用如下背景知识回答问题。
Welcome Message：
我是HR专家，欢迎提出各种问题
点击右上角“Create”按钮，创建了这个AI配置以后，在“Show All”的最下方，或者上面标签中，才会出现“RAG Source”的部分。
点击“Create RAG Source”按钮，输入名称，选择源类型是“SQL Query”，在下面输入如下的SQL语句（注：P5_KEYWORDS是后面页面上设置的条目名称，具体环境中页面不同，数字有所不同）：
select km_content as 背景信息 from tbl_km_example where km_keywords= '&P5_KEYWORDS.' |
如果只是想展示一下，也可以使用固定值作为条件来查询数据：
select km_content as 背景信息 from tbl_km_example where km_keywords= 'COMMISSION' |
在下面的服务器端条件，选择类型是“Any User Prompt Contains”，在下方的表达式中输入（逗号表示多个关键字）：
奖金,COMMISSION,commission |
表示当用户提问的时候，如果出现了这些关键字，那么将会使用上面定义的RAG源。
点击“Create/Apply Changes”创建或保存。
在APP Builder中打开“Page 5: 员工档案”页面，选择上次创建的第二个“薪水智能说明”按钮，修改为“HR助手”，在动态操作为TRUE时，右边修改配置如下：
Action：Show AI Assistant
Generative AI/Configuration： 选择前面定义的AI Configuration
Init Prompt下
Type: Item
Item: P5_INIT_PROMPT
Use Response下
Type: Item
Item: P5_COMM
Button Label：使用建议
创建一个隐藏字段P5_KEYWORDS，创建COMPUTATION，使用SQL Query：
select 'COMMISSION' from dual |
点击“Save”保存页面。
在应用中“员工档案”页面中点击任何一个员工前面的编辑按钮，显示员工档案信息编辑页面（以CLARK为例），点击“HR助手”按钮，可以看到会把部门和工资信息输入给AI助手。
我们继续询问如下问题
1、奖金是多少？ 2、其他部门commission如何计算？ 3、其他部门salary如何计算？ |
可以看到前两个问题，因为包含了设置的关键字，所以使用了RAG源定义的私域数据（各个部门特定的奖金计算规则），而第三个问题，没有查到相关的背景信息，所以大模型随意发挥了回答。
点击第一个回答下面的“使用建议”按钮，关闭AI助手，可以看到根据前面的配置，Commission字段中填写了AI助手的回答：（注：本文只是使用Commission字段示例，因为它的类型是数字，如果要正确使用，可以参照上一篇文章从中提取纯数字回填）
总结
由此可见，当在 Generative AI中使用AI配置时，AI配置中的提示词，欢迎词等都可以直接使用，无需再在页面中进行重复配置，而通过包含特定的关键字，也可以使用RAG源中SQL Query的结果，可以把页面值作为参数传递进去，作为SQL的查询条件，这样就为大语言模型对话提供了可以控制的背景知识，从而使用私域数据作为上下文。当然也可以在SQL中使用向量近似检索，这些内容会在另外文章中进行扩展介绍。
因为篇幅关系，本文就写到这里，请大家关注后面系列文章，包括：
利用AI助手帮忙创建数据模型
APEX集成Oracle数据库23ai向量检索
