我要投稿

使用Langchain构建简单的数据库Agent

发布日期：2024-08-01 11:28:10 浏览次数： 1960 来源：哎呀AIYA

上篇文章我们介绍了一个使用RAG进行SQL生成的项目(RAG做SQL生成处理表格，一个10.1k※的开源工具vanna)。这篇文章我们介绍一个使用LangChain实现SQLagent的方法，LangChain直接内置了自己的SQLagent实现-—SQLDatabaseChain。这个方法使用 SQL Alchemy 与数据库交互。感兴趣的可以考虑一下这两个方案是否可以融合，这样保证SQL的准确性从而提升最终结果的准确率。下面将介绍今天主要内容的实现步骤：

实现步骤

首先，我们得有一个数据库。这里我们用的是ClickHouse，一个开源的、面向列的SQL数据库管理系统，特别适合大数据分析。安装起来超级简单，一行命令就搞定。

接下来，我们得让Agent学会和ClickHouse交流。这里就需要用到clickhouse-sqlalchemy这个包了。安装它之后，我们就可以建立数据库连接，然后初始化我们的Toolkit。这个Toolkit就像是我们的Agent的工具箱，里面装满了有用的工具。

现在，让我们来创建一个SQLDatabaseChain的Agent。这个Agent可以直接和数据库交互，回答问题。我们只需要定义一些工具，比如查询表结构、执行SQL查询等。然后，我们就可以快速创建并运行这个Agent了。

环境搭建

今天用到的主要安装包如下，其它可以根据提示安装：

# 安装 clickhouse-sqlalchemy 包来连接 ClickHousepip install clickhouse-sqlalchemy langchain

运行代码

代码大概是这样的：

from langchain.agents import AgentExecutor, AgentTypefrom langchain.sql_database_toolkit import SQLDatabaseToolkit

# 设置数据库连接uri = 'clickhouse+native://localhost/ecommerce'db = SQLDatabase.from_uri(uri)

# 初始化工具箱toolkit = SQLDatabaseToolkit(db=db, llm=OpenAI(temperature=0))

# 创建并运行基于 OpenAI 函数的 Agentagent_executor = create_sql_agent(llm=ChatOpenAI(temperature=0.1, model='gpt-4-1106-preview'),toolkit=toolkit,verbose=True,agent_type=AgentType.OPENAI_FUNCTIONS)# 运行 Agent，回答数据相关问题agent_executor.run("我们有多少来自上海的活跃客户？")

运行这段代码后，Agent就会根据我们的问题去数据库里找到答案，然后告诉我们。比如，它会告诉我们有多少来自上海的活跃客户。这个Agent的好处在于，它可以直接理解我们的问题，然后去数据库里找到答案。我们不需要自己写SQL查询，也不需要担心查询的语法问题。Agent会帮我们搞定一切。

如果对内容有什么疑问和建议可以私信和留言，也可以添加我加入大模型交流群，一起讨论大模型在创作、RAG和agent中的应用。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

基于Llama 3 构建RAG语音助手：将本地 RAG 与 Qdrant、Whisper 和 LangChain 集成

2024-05-19

一文搞懂大模型！基础知识、 LLM 应用、 RAG 、 Agent 与未来发展

2024-07-18

大模型开发 - 一文搞懂 LangChain（四）：Agents

2024-04-11

一文搞懂ChatGPT相关概念和区别：GPT、大模型、AIGC、LLM、Transformer、羊驼、LangChain…..

2024-04-08

OLLama通过pdf文档构建知识问答应用：使用OLLama和LangChain构建PDF Chat简易问答聊天助手

2024-04-12

当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？

2024-08-18

一篇文章搞懂大模型应用框架：LangChain

2024-04-08

使用LangChain和LangGraph大幅提升RAG效果

2024-03-31

langchain和qwen实现tool工具代理的几种方式

2024-05-15

Langchain中使用Ollama提供的Qwen大模型进行Function Call实现天气查询、网络搜索

2024-06-03

大家都在问

LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

2024-10-30

如何LLM Agent框架之间进行选择？

2024-10-11

Neo4j + LangChain：如何构建基于知识图谱的最强RAG系统？

2024-08-27

当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？

2024-08-18

LangChain全新Agent可视化工作流！你不能错过的LangChain科普！与LlamaIndex差别在哪儿？咱都要学吗？

2024-08-16

Langchain发布官方Agent IDE，不同于Dify/Coze的设计理念，能否获得开发者认可？

2024-08-04

AGI｜前方高能！一文了解大模型会话QA增强

2024-07-31

LangGraph，知多少？

2024-07-29

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

今天用到的主要安装包如下，其它可以根据提示安装：

代码大概是这样的：

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

基于Llama 3 构建RAG语音助手：将本地 RAG 与 Qdrant、Whisper 和 LangChain 集成

一文搞懂大模型！基础知识、 LLM 应用、 RAG 、 Agent 与未来发展

大模型开发 - 一文搞懂 LangChain（四）：Agents

一文搞懂ChatGPT相关概念和区别：GPT、大模型、AIGC、LLM、Transformer、羊驼、LangChain…..

OLLama通过pdf文档构建知识问答应用：使用OLLama和LangChain构建PDF Chat简易问答聊天助手

当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？

一篇文章搞懂大模型应用框架：LangChain

使用LangChain和LangGraph大幅提升RAG效果

langchain和qwen实现tool工具代理的几种方式

Langchain中使用Ollama提供的Qwen大模型进行Function Call实现天气查询、网络搜索

大家都在问

LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

如何LLM Agent框架之间进行选择？

Neo4j + LangChain：如何构建基于知识图谱的最强RAG系统？

当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？

LangChain全新Agent可视化工作流！你不能错过的LangChain科普！与LlamaIndex差别在哪儿？咱都要学吗？

Langchain发布官方Agent IDE，不同于Dify/Coze的设计理念，能否获得开发者认可？

AGI｜前方高能！一文了解大模型会话QA增强

LangGraph，知多少？

热门标签