103 lines
2.2 KiB
Markdown
103 lines
2.2 KiB
Markdown
---
|
||
title: Text To SQL开发
|
||
date: 2026-06-09
|
||
---
|
||
|
||
# 一、工作流程
|
||
```text
|
||
用户自然语言问题
|
||
↓
|
||
【大模型】生成 SQL
|
||
↓
|
||
【数据库】执行 SQL → 得到结构化结果
|
||
↓
|
||
【大模型】分析 / 解读 / 总结 / 可视化建议
|
||
↓
|
||
最终返回给用户（文字、结论、图表说明）
|
||
```
|
||
|
||
# 二、实战
|
||
## 2.1 获取数据库结构
|
||
```python
|
||
db = SQLDatabase.from_uri(os.getenv("DB_URL"), include_tables=['table_1', 'table_2'])
|
||
table_info = db.get_table_info()
|
||
```
|
||
|
||
::: warning
|
||
这里的数据库账号只能为只读权限。
|
||
:::
|
||
|
||
## 2.2 SQL提示词
|
||
```python
|
||
from langchain_core.prompts import PromptTemplate
|
||
|
||
SQL_PROMPT = PromptTemplate.from_template(
|
||
"""
|
||
你是一个 MySQL 专家。
|
||
请根据用户问题生成一条可执行的 MySQL 查询语句。
|
||
只返回 SQL，不要解释，不要加 ```。
|
||
|
||
数据库结构：
|
||
{schema}
|
||
|
||
数据库补充：
|
||
{option}
|
||
|
||
用户问题：
|
||
{question}
|
||
"""
|
||
)
|
||
```
|
||
|
||
  数据库结构就是刚才生成的`table_info`，数据库补充就是对一些关系表的说明和字段含义的解释等。
|
||
|
||
## 2.3 生成SQL
|
||
```python
|
||
sql = chat_model.invoke(
|
||
SQL_PROMPT.format(schema=table_info, option=option, question=request.message)
|
||
).content.strip()
|
||
```
|
||
|
||
  这里的`chat_model`为`init_chat_model`构建的大模型。
|
||
|
||
## 2.4 执行SQL
|
||
```python
|
||
from sqlalchemy import create_engine
|
||
from sqlalchemy import text
|
||
|
||
engine = create_engine(
|
||
os.getenv("DB_URL"),
|
||
pool_pre_ping=True,
|
||
)
|
||
|
||
conn = engine.connect()
|
||
|
||
|
||
def is_select(sql: str) -> bool:
|
||
return sql.lower().lstrip().startswith("select")
|
||
|
||
def execute_sql(sql: str):
|
||
if not is_select(sql):
|
||
raise ValueError("只允许 SELECT 查询")
|
||
|
||
result = conn.execute(text(sql))
|
||
rows = result.fetchall()
|
||
columns = result.keys()
|
||
return {
|
||
"columns": list(columns),
|
||
"rows": rows
|
||
}
|
||
```
|
||
  使用sqlalchemy执行SQL，并加入了安全校验。
|
||
|
||
## 2.5 分析数据
|
||
```python
|
||
agent = create_agent(
|
||
model=chat_model,
|
||
system_prompt=SYSTEM_PROMPT.format(question=request.message, result=result),
|
||
)
|
||
|
||
response = agent.invoke({"message": HumanMessage(content=request.message)})
|
||
```
|
||
|
||
  这里的系统提示词根据情况编写。 |