Snowflake — Benutzerhandbuch für Cortex Code in Snowsight

1 Was ist Cortex Code?

Cortex Code ist der KI-gestützte Programmierassistent, der in Snowsight, die Weboberfläche von Snowflake, integriert ist. Er ermöglicht die Generierung von SQL-, Python- und Streamlit-Code direkt aus natürlicher Sprache und beschleunigt so die Entwicklung analytischer Lösungen.

Hauptfunktionen

SQL-Codegenerierung — CREATE TABLE, INSERT, Views, Procedures, Funktionen
Cortex AI/ML — ML.CLASSIFICATION, ML.FORECAST, CORTEX.COMPLETE, CORTEX.SENTIMENT, Cortex Search
Feature Store — Entity, FeatureView, get_features()
Model Registry — log_model(), get_model(), Versionierung
Streamlit — Generierung interaktiver Dashboards
Tasks & Pipelines — Automatisierung und Orchestrierung

Wichtig: Cortex Code generiert Code, der in Ihrem Snowflake-Konto ausgeführt wird. Alles bleibt in Ihrer Umgebung — keine externen Abhängigkeiten, keine Datenübertragung nach außen.

2 Voraussetzungen

Stellen Sie vor dem Start sicher, dass Folgendes konfiguriert ist:

Snowflake-Konto

Wichtig: Bitten Sie Ihren Snowflake-Ansprechpartner um die Erstellung der erforderlichen Konten für Ihr Team. So stellen wir sicher, dass alle Funktionen von Cortex Code und Cortex AI unterstützt werden: ML.CLASSIFICATION, ML.FORECAST, CORTEX.COMPLETE, CORTEX.SENTIMENT, Cortex Search und Feature Store.

Auf Cortex Code in Snowsight zugreifen

Sobald Sie in Ihrem Konto angemeldet sind, erscheint auf der rechten Seite des Bildschirms das Panel des Cortex Code-Assistenten. Er ist Ihr KI-Programmierpartner zur Ausführung aller Prompts dieses Katalogs:

Bereit: Wenn Sie das Cortex Code Panel mit der Nachricht «How can I help?» auf der rechten Seite sehen, können Sie sofort die Prompts jedes Anwendungsfalls kopieren und einfügen.

Konto und Berechtigungen

Snowflake-Konto mit Zugang zu Snowsight
Rolle mit Berechtigungen für CREATE DATABASE, CREATE SCHEMA, CREATE TABLE
Aktives Warehouse (empfohlen: Größe S für Entwicklung, M für Produktion)
Cortex Code im Konto aktiviert (verfügbar in allen Editionen)

Für erweiterte Funktionen

Cortex AI/ML: Erfordert eine Region, die Cortex Functions unterstützt (AWS us-west-2, us-east-1, eu-west-1 usw.)
Feature Store: Paket snowflake-ml-python verfügbar
Model Registry: Berechtigungen zum Erstellen von Modellen im Schema
Streamlit: Berechtigung CREATE STREAMLIT im Schema

Hinweis zu Regionen: Einige Cortex AI Funktionen (wie ML.CLASSIFICATION oder CORTEX.COMPLETE) erfordern bestimmte Regionen. Konsultieren Sie die Verfügbarkeitsdokumentation, um Ihre Region zu prüfen.

3 Cortex Code in Snowsight öffnen

Cortex Code ist in verschiedene Bereiche von Snowsight integriert. So können Sie darauf zugreifen:

Option A — Über Workspaces

Gehen Sie zu Snowsight → Projects → Workspaces
Erstellen oder öffnen Sie einen bestehenden Workspace
Klicken Sie auf das Cortex-Symbol (✨) in der rechten Seitenleiste oder verwenden Sie die Tastenkombination Cmd+Shift+Space (Mac) / Ctrl+Shift+Space (Windows)
Das Cortex Code Panel öffnet sich rechts neben dem Editor

Tipp: Das Cortex Code Panel behält den Kontext Ihres Workspaces bei. Wenn Sie Tabellen im Editor referenziert haben, nutzt Cortex Code diese als Kontext für präzisere Codegenerierung.

4 Die Best-Practices-Skill zu Cortex Code hinzufügen

Um die Leistung zu verbessern und die Kosten des generierten Codes zu senken, können Sie die Best-Practices-Skill zu Cortex Code hinzufügen. Nach dem Laden steht sie vor jedem Prompt zur Verfügung und leitet den Assistenten an, effizienteren und für Snowflake optimierten Code zu generieren.

4.1 — Skill herunterladen

Laden Sie die komprimierte Datei mit der Best-Practices-Skill herunter und speichern Sie sie auf Ihrem Gerät:

best-practices.zip herunterladen

4.2 — Lokal entpacken

Entpacken Sie die heruntergeladene Datei auf Ihrem Gerät. Sie erhalten einen Ordner namens best-practices mit den Skill-Dateien, die zum Hochladen bereit sind.

Tipp: Entpacken Sie an einem leicht auffindbaren Ort (z. B. Desktop oder Download-Ordner), da Sie den Ordner im nächsten Schritt in Snowsight auswählen müssen.

4.3 — Skill in Cortex Code in Snowsight hochladen

Klicken Sie in Snowsight im Cortex Code Panel auf die Schaltfläche +, wählen Sie die Option «Upload Skill Folder(s)» und wählen Sie den gerade entpackten Ordner best-practices:

+-Schaltfläche in Cortex Code zum Hochladen einer Skill

Hinweis: Die Schaltfläche + befindet sich oben im Cortex Code Panel neben der Kontextauswahl. Beim Klicken erscheint ein Menü — wählen Sie «Upload Skill Folder(s)» und navigieren Sie zum Entpackungsort der Skill.

4.4 — Skill vor jedem Prompt verwenden

Nach dem Hochladen steht die Skill in Ihrer Cortex Code Sitzung zur Verfügung. Geben Sie den Befehl /best-practices vor jedem Prompt ein, um sie zu aktivieren und effizienteren Code zu erhalten:

Befehl /best-practices verfügbar in Cortex Code

Bereit: Mit aktiver Skill wendet Cortex Code automatisch Snowflake Best Practices auf den gesamten generierten Code an: effiziente Warehouse-Nutzung, Clustering Keys, Abfrageoptimierung und Reduzierung der Credit-Kosten.

5 Arbeitsablauf mit den Prompts

Jeder Anwendungsfall in diesem Katalog umfasst 8 bis 11 aufeinanderfolgende Prompts. Der empfohlene Ablauf ist:

Anwendungsfall
auswählen

Leitfaden
lesen

Cortex Code
öffnen

Jeden Prompt
kopieren & einfügen

Prüfen &
ausführen

Aufbau jedes Anwendungsfalls

Wenn Sie auf «Prompts anzeigen» bei einer beliebigen Anwendungsfall-Karte klicken, sehen Sie:

Schritt 1 — Umgebung einrichten: Erstellt die Datenbank, das Schema und das Warehouse. Immer der erste Prompt.
Schritte 2-4 — Daten erstellen: Generiert Tabellen mit repräsentativen synthetischen Daten der jeweiligen Domäne.
Schritte 5-7 — Analysieren und modellieren: Features, ML-Modelle, Cortex AI Funktionen, Feature Store oder Model Registry.
Schritte 8-9 — Dashboard: Streamlit-Code für interaktive Visualisierung.
Letzter Schritt — Pipeline: Tasks für Automatisierung und laufenden Betrieb.

Reihenfolge: Die Prompts sind für eine sequenzielle Ausführung konzipiert. Jeder Schritt hängt von den in vorherigen Schritten erstellten Objekten ab. Überspringen Sie keine Schritte.

6 Einen Anwendungsfall Schritt für Schritt ausführen

Sehen wir uns den vollständigen Ablauf anhand eines praktischen Beispiels an:

6.1 — Branche und Anwendungsfall auswählen

Gehen Sie zum Branchenkatalog
Wählen Sie eine Branche (z. B. Bankwesen)
Durchsuchen Sie die Karten oder verwenden Sie die Suchfunktion, um einen Anwendungsfall zu finden
Lesen Sie den Abschnitt «Problem», um den geschäftlichen Schmerzpunkt zu verstehen

6.2 — Leitfaden lesen

Klicken Sie auf «Leitfaden anzeigen»
Lesen Sie die Abschnitte: Kontext, Fokus, Herausforderung, Ziele, Funktionalitäten, Daten, Stratifizierung und Verwendung
Dies gibt Ihnen den konzeptionellen Rahmen vor der Codegenerierung

6.3 — Prompts ausführen

Klicken Sie auf «Prompts anzeigen»
Öffnen Sie in Snowsight einen Workspace und aktivieren Sie Cortex Code
Für jeden Schritt:
- Klicken Sie auf «Kopieren» beim Prompt
- Fügen Sie ihn im Cortex Code Panel ein
- Cortex Code generiert den entsprechenden SQL/Python-Code
- Prüfen Sie ihn vor der Ausführung (siehe Abschnitt 7)
- Klicken Sie auf «Run» oder «Apply»
- Überprüfen Sie, ob die Ausführung erfolgreich war
- Fahren Sie mit dem nächsten Prompt fort

Example-- Prompt copied from catalog (Step 1):
"Create the database BANKING_FRAUD_DB with schema ANALYTICS
and warehouse BANKING_WH (size S). Include comments for the
transactional fraud detection project."

-- Cortex Code generates:
CREATE DATABASE IF NOT EXISTS BANKING_FRAUD_DB
  COMMENT = 'Transactional fraud detection project with Cortex AI/ML';

CREATE SCHEMA IF NOT EXISTS BANKING_FRAUD_DB.ANALYTICS
  COMMENT = 'Main schema for fraud analytics';

CREATE WAREHOUSE IF NOT EXISTS BANKING_WH
  WAREHOUSE_SIZE = 'SMALL'
  AUTO_SUSPEND = 300
  AUTO_RESUME = TRUE
  COMMENT = 'Warehouse for banking fraud project';

USE DATABASE BANKING_FRAUD_DB;
USE SCHEMA ANALYTICS;
USE WAREHOUSE BANKING_WH;

Erwartetes Ergebnis: Am Ende aller Schritte verfügen Sie über: eine Datenbank mit Tabellen synthetischer Daten, trainierte ML-Modelle, konfigurierte Cortex AI Funktionen und ein funktionales Streamlit-Dashboard.

7 Generierten Code prüfen und validieren

Cortex Code generiert qualitativ hochwertigen Code, aber Sie sollten ihn immer prüfen, bevor Sie ihn ausführen. Wichtige Punkte:

Prüf-Checkliste

Objektnamen: Prüfen Sie, ob Datenbank, Schema und Warehouse mit Ihrer Umgebung übereinstimmen
Warehouse-Größe: Passen Sie die Größe an Ihre Arbeitslast an (S für Entwicklung, M-L für Produktion)
Umfang synthetischer Daten: Die Prompts schlagen repräsentative Datenmengen vor; passen Sie diese nach Bedarf an
LLM-Modelle: Überprüfen Sie, ob das referenzierte Modell (z. B. llama3.1-70b, mistral-large2) in Ihrer Region verfügbar ist
ML-Funktionen: Bestätigen Sie, dass ML.CLASSIFICATION und ML.FORECAST verfügbar sind
Berechtigungen: Ihre Rolle muss über die erforderlichen Grants für die Objekte verfügen

An reale Daten anpassen

Die Prompts erzeugen synthetische Daten zu Demonstrationszwecken. Für den Produktionseinsatz:

Ersetzen Sie die synthetischen CREATE TABLE ... INSERT durch CREATE VIEW oder SELECT über Ihre realen Tabellen
Passen Sie die Spaltennamen an Ihr Datenmodell an
Modifizieren Sie Schwellenwerte und Geschäftsparameter
Behalten Sie die Struktur von Features, Modellen und Dashboards bei

Synthetische Daten: Die generierten Daten sind fiktiv und repräsentativ. Nicht für echte Geschäftsberichte verwenden. Sie dienen der End-to-End-Validierung der Pipeline, bevor reale Daten angebunden werden.

8 Streamlit-Dashboards bereitstellen

Nahezu alle Anwendungsfälle enthalten einen Prompt zur Generierung eines Streamlit-Dashboards. So wird es bereitgestellt:

8.1 — Streamlit-App generieren

Führen Sie den «Dashboard»-Prompt aus (normalerweise der vorletzte Schritt)
Cortex Code generiert Python-Code mit Streamlit
Gehen Sie zu Snowsight → Projects → Streamlit

8.3 — Überprüfen und teilen

Prüfen Sie, ob alle Diagramme und Tabellen korrekt geladen werden
Bei Fehlern prüfen Sie, ob die Tabellen und Views existieren (sie wurden in vorherigen Schritten erstellt)
Teilen Sie die App über «Share» mit anderen Benutzern

Typical structure# Streamlit generated by Cortex Code
import streamlit as st
from snowflake.snowpark.context import get_active_session

session = get_active_session()
st.set_page_config(page_title="Dashboard", layout="wide")

# Main KPIs
col1, col2, col3 = st.columns(3)
with col1:
    st.metric("Metric 1", value1)
# ... charts, tables, interactive filters

9 Mit Tasks und Pipelines automatisieren

Der letzte Prompt jedes Anwendungsfalls erstellt Snowflake Tasks zur Automatisierung der Pipeline:

Was wird automatisiert

Datenaufnahme: Periodisches Laden aus Quellen (täglich, wöchentlich)
Feature-Aktualisierung: Neuberechnung von Indikatoren und Metriken
ML-Scoring: Modelle auf neue Daten anwenden
Warnungen: Benachrichtigungen bei Schwellenwertüberschreitungen
Nachtraining: Modelle periodisch aktualisieren

Typische Task-Struktur

SQL-- Weekly scoring task
CREATE OR REPLACE TASK weekly_scoring
  WAREHOUSE = MY_WH
  SCHEDULE = 'USING CRON 0 6 * * 1 Europe/Madrid'
  COMMENT = 'Weekly ML scoring on active data'
AS
  CALL run_scoring();

-- Activate
ALTER TASK weekly_scoring RESUME;

Task-DAG: Fortgeschrittene Anwendungsfälle erstellen DAGs (Directed Acyclic Graphs), in denen Tasks voneinander abhängen. Cortex Code generiert die Abhängigkeiten automatisch mit AFTER.

10 Verbrauchte Kosten prüfen

Verwenden Sie nach der Ausführung eines oder mehrerer Anwendungsfälle diesen Prompt in Cortex Code, um eine konsolidierte Übersicht aller am aktuellen Tag verbrauchten Credits und Tokens zu erhalten: Warehouses, Cortex AI Funktionen, ML-Modelle und Cortex Code in Snowsight.

Prompt — Kostenübersicht des Tages

Kopieren Sie diesen Prompt direkt in Cortex Code (denken Sie daran, vorher /best-practices zu aktivieren):

PromptGenerate a SQL query that shows a consolidated summary of all costs and consumption
for the Snowflake account on the current day (CURRENT_DATE). Include the following sections:

1. WAREHOUSE CREDITS
   - Source: SNOWFLAKE.ACCOUNT_USAGE.WAREHOUSE_METERING_HISTORY
   - Columns: warehouse_name, SUM(credits_used) AS warehouse_credits
   - Filter by: DATE(start_time) = CURRENT_DATE()

2. CORTEX AI FUNCTIONS (tokens and credits)
   - Source: SNOWFLAKE.ACCOUNT_USAGE.CORTEX_FUNCTIONS_USAGE_HISTORY
   - Columns: function_name, SUM(tokens_used) AS tokens_used,
     SUM(credits_used) AS cortex_credits
   - Filter by: DATE(start_time) = CURRENT_DATE()

3. SERVERLESS ML FUNCTIONS (ML.CLASSIFICATION, ML.FORECAST, etc.)
   - Source: SNOWFLAKE.ACCOUNT_USAGE.METERING_DAILY_HISTORY
   - Filter by: service_type IN ('ML_FUNCTIONS','SNOWPARK_ML')
     AND DATE(usage_date) = CURRENT_DATE()
   - Columns: service_type, credits_used_compute AS ml_credits

4. CORTEX CODE IN SNOWSIGHT
   - Source: SNOWFLAKE.ACCOUNT_USAGE.METERING_DAILY_HISTORY
   - Filter by: service_type = 'CORTEX_CODE'
     AND DATE(usage_date) = CURRENT_DATE()
   - Columns: service_type, credits_used_compute AS cortex_code_credits

5. TOTAL SUMMARY BY SERVICE TYPE
   - Combine all previous results with UNION ALL
   - Final columns: service_type, name, tokens_used, credits_spent
   - Order by credits_spent DESC
   - Add a TOTAL row at the end with SUM of all credits

Use CTEs for each section. If a view does not exist in the account, replace it with
SNOWFLAKE.ACCOUNT_USAGE.METERING_DAILY_HISTORY filtering by the equivalent service_type.
Add comments explaining each CTE.

Hinweis: Die Daten von ACCOUNT_USAGE haben eine Latenz von bis zu 45 Minuten. Wenn Sie gerade einen Anwendungsfall ausgeführt haben und keine Daten erscheinen, warten Sie einige Minuten und führen Sie die Abfrage erneut aus.

Alternative: Wenn CORTEX_FUNCTIONS_USAGE_HISTORY in Ihrem Konto nicht verfügbar ist, ersetzt Cortex Code diesen Abschnitt automatisch durch METERING_DAILY_HISTORY mit service_type = 'AI_SERVICES'.

11 Tipps und Best Practices

Entwicklung

Verwenden Sie immer /best-practices vor jedem Prompt — Aktivieren Sie die Skill, damit Cortex Code von Anfang an leistungs- und kostenoptimierten Code generiert
Führen Sie Prompt für Prompt aus — Versuchen Sie nicht, alle Prompts auf einmal auszuführen; jeder Schritt validiert den vorherigen
Benennen Sie Ihre Objekte konsistent — Die Prompts schlagen beschreibende Namen wie BANKING_FRAUD_DB vor
Speichern Sie das Worksheet — Jeder Anwendungsfall erzeugt viel Code; speichern Sie häufig

Cortex Code

Seien Sie spezifisch in den Prompts — Die Katalog-Prompts sind bereits detailliert, aber Sie können geschäftsspezifischen Kontext hinzufügen
Iterieren Sie über den Code — Wenn der generierte Code nicht genau Ihren Anforderungen entspricht, bitten Sie Cortex Code um Anpassungen
Nutzen Sie den Worksheet-Kontext — Wenn Sie bereits Tabellen im Editor haben, referenziert Cortex Code diese automatisch
Kombinieren Sie Prompts bei Bedarf — Für fortgeschrittene Benutzer können Sie 2-3 Schritte in einem längeren Prompt zusammenfassen

Produktion

Ersetzen Sie synthetische durch reale Daten — Die Pipeline funktioniert identisch, nur die Datenquelle ändert sich
Konfigurieren Sie Resource Monitors — Kontrollieren Sie den Credit-Verbrauch des Warehouses
Überprüfen Sie Berechtigungen — Verwenden Sie spezifische Rollen für jedes Projekt (data_scientist, analyst usw.)
Überwachen Sie die Tasks — Prüfen Sie den Ausführungsverlauf unter Activity → Task History
Versionieren Sie die Modelle — Die Anwendungsfälle mit Model Registry enthalten bereits Versionierung; nutzen Sie diese für A/B-Testing

12 Häufig gestellte Fragen

Muss ich SQL beherrschen, um die Prompts zu verwenden?

Es ist nicht zwingend erforderlich, aber hilfreich. Cortex Code generiert das SQL für Sie, aber grundlegende Kenntnisse (CREATE TABLE, SELECT, JOIN) ermöglichen es Ihnen, den Code sicher zu prüfen und anzupassen.

Verbrauchen die synthetischen Daten viele Credits?

Minimal. Die Generierung synthetischer Daten mit INSERT verbraucht sehr wenige Credits (Sekunden eines Warehouse S). Der größte Verbrauch entsteht durch ML-Training und Cortex-Funktionen, die vom Datenvolumen abhängen.

Kann ich die Prompts von Anfang an mit meinen realen Daten verwenden?

Ja. Ersetzen Sie die Schritte «Daten erstellen» durch Referenzen auf Ihre bestehenden Tabellen. Stellen Sie sicher, dass die Spaltennamen mit den Erwartungen der folgenden Schritte übereinstimmen, oder bitten Sie Cortex Code, den Code anzupassen.

Was mache ich, wenn ein Prompt einen Fehler erzeugt?

Die häufigsten Ursachen: (1) ein vorheriger Schritt, der die referenzierte Tabelle erstellt, wurde nicht ausgeführt, (2) das Warehouse ist nicht aktiv, (3) die Cortex-Funktion ist in Ihrer Region nicht verfügbar. Prüfen Sie die Fehlermeldung und bitten Sie Cortex Code um Korrektur: «Dieser Code erzeugt Fehler X, bitte korrigieren».

Wie lange dauert es, einen Anwendungsfall abzuschließen?

Zwischen 8 und 15 Minuten für die Ausführung aller Prompts mit synthetischen Daten. Die auf jeder Karte angegebene Zeit ist eine realistische Schätzung einschließlich Code-Überprüfung.

Kann ich Anwendungsfälle verschiedener Branchen kombinieren?

Auf jeden Fall. Viele Muster sind branchenübergreifend: Ein Kunden-Feature-Store funktioniert in Bankwesen, Einzelhandel oder Telekommunikation gleich. Passen Sie die Spaltennamen und die Geschäftslogik an.

Erinnert sich Cortex Code an vorherige Schritte?

Innerhalb derselben Worksheet-Sitzung ja. Wenn Sie das Worksheet schließen und erneut öffnen, müssen Sie den Kontext erneut bereitstellen. Deshalb empfehlen wir, alle Schritte eines Anwendungsfalls in einer durchgehenden Sitzung auszuführen.

Kann ich die Prompts anpassen?

Ja, und es wird empfohlen. Die Prompts sind als Ausgangspunkt konzipiert. Fügen Sie Details Ihres Geschäfts hinzu, passen Sie Datenmengen an, ändern Sie Schwellenwerte oder fügen Sie domänenspezifische Spalten hinzu, um präzisere Ergebnisse zu erzielen.

Was ist der Unterschied zwischen «Leitfaden anzeigen» und «Prompts anzeigen»?

Leitfaden anzeigen zeigt den konzeptionellen Rahmen: Problemkontext, Ziele, benötigte Daten und Implementierungsstrategie. Prompts anzeigen enthält die schrittweisen Prompts, die Sie direkt in Cortex Code kopieren und einfügen, um den Code zu generieren.

Muss ich etwas installieren?

Fast nichts. Der gesamte Code wird direkt im Browser in Snowsight ausgeführt, ohne Python-Umgebungen oder externe Werkzeuge. Der einzige vorbereitende Schritt ist das Herunterladen der Best-Practices-Skill (Datei best-practices.zip), das Entpacken auf Ihrem Gerät und das Hochladen des Ordners in Cortex Code über die Schaltfläche + in Snowsight. Nach dem Hochladen steht sie mit dem Befehl /best-practices zur Verfügung und der Vorgang muss nicht wiederholt werden.