微信扫码
添加专属顾问
我要投稿
轻松实现自然语言到SQL的转换,无需微调大模型,RAGFlow带你走进Text2SQL的高效应用。核心内容:1. Text2SQL在企业级应用中的挑战与成本问题2. RAGFlow框架:无需微调,配置少量数据实现精准SQL生成3. 实际案例分析:多场景下的SQL查询与执行效果展示
“无需微调大模型,3步搭建企业级Text2SQL应用,让数据库“听懂人话”!”
在企业大模型应用方面,Text2SQL一直是应用热点。大家都希望小嘴一张,就完成一系列数据提取和分析工作。
但是,使用大模型自动理解业务需求,实现 SQL 代码编写和代码执行一直都存在技术难点。传统的 Text2SQL 方案,往往依赖大模型微调,对于中小企业而言,带来非常高的应用成本。
今天,介绍一个方法,使用开源 RAG 框架RAGFlow,应用知识库检索与大模型推理结合,不需要对模型做任何微调,只需要仅需配置少量结构化数据即可实现精准SQL生成,实现指定数据查询、负责查询、计算,跨表计算等多种场景。
老习惯,先看效果,再看执行。
我的数据库里存了四张表:用户表、制造商表、商品表和销售表。内容分别如下:
问题:请问商品 智能手机 X 还剩多少库存。
难度分析:智能体需要理解问题所在的表,完成表格选择(商品表),字段查询(商品名称)和目标字段(库存)输出。
原表中符合要求的记录:
测试结果:通过,两条记录库存均完成识别和输出。
问题:请问商品 智能手机 X 还剩多少总库存。
难度分析:智能体需要理解问题所在的表,完成表格选择(商品表),字段查询(商品名称)和目标字段(库存)求和计算输出。
原表中符合要求的记录(同上):
测试结果:通过,两条记录库存均完成识别,并对库存求和输出。
问题:请问商品 智能手机 X 的制造商是谁
难度分析:智能体需要理解问题所在的表,完成表格选择(商品表),字段查询(商品名称)和目标字段(制造商id)。并返回制造商表,使用制造商 id,提取制造商信息,再作输出。
原表中符合要求的记录:
测试结果:通过,两条智能手机 X 的制造商都是商家_001。
问题:查询连续 3 个月销量下降的商品
难度等级:?????
难度分析:智能体需要理解问题所在的表,完成表格选择(销售表),字段查询(商品名称)和目标字段(销量),进行复杂销量比对(连续 3 个月销量下降),并返回商品信息。
原表中符合要求的记录,分别有商品 1、2、4、5 这四个商品符合要求。
商品 1,8-10 月销量下滑。
商品 2,5-7 月销量下滑。
商品4,5-8 月销量下滑。
商品 5,4-6 月销量下滑。
测试结果:通过,4 个商品连续 3 个月销量下降,均被有效识别。
问题:查询2024 年 4-6 月,连续 3 个月销量下降的商品
难度等级:?????
难度分析:智能体需要理解问题所在的表,完成表格选择(销售表),字段查询(商品名称)和目标字段(销量),限定日期(4-6 月),进行复杂销量比对(连续 3 个月销量下降),并返回商品id。
原表中,只有商品5 符合要求。
测试结果:通过,商品5 ,被有效识别出。
问题:查询2024 年 4-6 月,连续 3 个月销量下降的商品详细信息。
难度等级:?????
难度分析:智能体需要理解问题所在的表,完成表格选择(销售表),字段查询(商品名称)和目标字段(销量),限定日期(4-6 月),进行复杂销量比对(连续 3 个月销量下降),并返回商品id,找到商品明细。
测试结果:通过。
接下来,手把手演示如何用RAGFlow搭建一个能理解业务需求的Text2SQL智能助手。
我所使用的 RagFlow 框架。感兴趣的可以自行安装。安装过程省略。
github 地址:https://github.com/infiniflow/ragflow/blob/main/README_zh.md
这是官方教程提出的使用 RagFlow 解决 Text2SQL 的流程。
简单来说,就是我们准备好足够让大模型理解数据库内的表格、字段的知识库,以及理解从问题到 SQL 代表的问答方法。大模型就可以通过理解用户问题、查询知识库信息、形成 SQL 代码、并执行 SQL,完成从指定数据库里提取相关信息的工作。
官方教程地址:https://ragflow.io/blog/implementing-text2sql-with-ragflow
关键点:Text2SQL的准确性取决于知识库质量,需提前准备以下数据(参考官方文档 )
作用:提供数据库表结构(如字段类型、主键约束)
示例:
CREATE TABLE `users` (
`id` INT NOT NULL AUTO_INCREMENT,
`username` VARCHAR(50) NOT NULL,
`password` VARCHAR(50) NOT NULL,
`email` VARCHAR(100),
`mobile` VARCHAR(20),
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
`update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
PRIMARY KEY (`id`),
UNIQUE KEY `uk_username` (`username`),
UNIQUE KEY `uk_email` (`email`),
UNIQUE KEY `uk_mobile` (`mobile`)
);
数据来源:从HuggingFace下载标准模板(后台私信“Text2SQL”提供)
### 用户表(users)
用户表用于存储网站或应用的用户信息。以下是该表中每个字段的含义:
- `id`: 这是一个整数类型的自增字段,作为用户的唯一标识符(主键)。每次添加新用户时,该字段会自动增加,确保每个用户都有一个唯一的ID。
- `username`: 字符串类型,用于存储用户的用户名。用户名通常是用户登录时使用的唯一标识符。
- `password`: 字符串类型,用于存储用户的密码。出于安全考虑,密码在存储前应进行加密处理。
- `email`: 字符串类型,用于存储用户的电子邮件地址。电子邮件地址可以是用户的另一个登录凭证,并且用于接收通知或重置密码。
- `mobile`: 字符串类型,用于存储用户的手机号码。手机号码可用于登录、接收短信通知或进行身份验证。
- `create_time`: 时间戳类型,记录用户账户创建的时间。默认值为当前时间。
- `update_time`: 时间戳类型,记录用户信息最后更新的时间。每次更新用户信息时,该字段都会自动更新为当前时间。
数据来源:从HuggingFace下载标准模板(后台私信“Text2SQL”提供)
数据来源:从HuggingFace下载标准模板(后台私信“Text2SQL”提供)
使用 General 切割,块 Token 数选择 8,分段标识符为;。
当你看到知识库内的分块,已经实现一个表的建表语句一个块的时候,就代表配置成功了。
同样使用 General 切割,但是块 Token 数选择 128,分段标识符为#。
当你看到知识库内的分块,已经实现一个表的表及字段说明一个块的时候,就代表配置成功了。
这部分内容比较特殊,因为我们配置的知识库导入格式是 csv,这个 csv 里有两列内容,分别是 query 和 sql。例如:
所以,配置方法需要选择 Q&A。
当你看到知识库内的分块,已经实现Question 和 Answer 这样规律问答对的时候,就代表配置成功了。
Agent 中的 DDL 选择数据库配置。
接下来,依次如法炮制。
进入 Agent 平台,点击“运行”按钮,我们就可以进行问答测试了。
案例:用户提问“我们现在有多少个用户”
好的,以上就是所有的执行步骤和过程了。
如果有不了解的地方,欢迎评论区留言交流。
用户表用于存储网站或应用的用户信息。
以下是该表中每个字段的含义:
商家表用于存储销售商品的商家信息。
以下是该表中每个字段的含义:
这些表的设计是相互关联的,例如,商品表中的merchant_id字段将商品与商家表中的特定商家关联起来。
商品表用于存储可供购买的商品信息。
销售表(sales)是电商系统的核心业务表,用于记录所有交易行为并支撑销售分析。
该表采用InnoDB引擎确保事务完整性,以下是各字段的详细说明:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-03-16
AI 驱动的数据分析:Data Agent
2025-03-16
自然语言秒变SQL语句?极速体验 OB Cloud Text2SQL!
2025-03-15
ChatBI≠NL2SQL:关于问数,聊聊我踩过的坑和一点感悟
2025-03-13
SQL 开发者们,终于有了自己的“Cursor”
2025-03-12
DeepSeek + Power BI,PQ 智能拆分地址
2025-03-12
澜舟智库:表格智能问答,体验化繁为简的神奇力量
2025-03-11
DeepSeek+Dify查询数据库
2025-03-11
Chat2DB 3.0 发布:SQL 界的 “Cursor”到底有多炸?
2024-06-20
2024-10-14
2025-02-04
2024-10-09
2024-06-14
2024-06-16
2024-06-14
2024-05-31
2024-07-24
2024-07-03
2025-03-11
2025-03-10
2025-03-10
2025-02-28
2025-02-25
2025-02-22
2025-02-22
2025-01-30