提升SQL问答能力：优化create_sql_query_chain提示技巧

最新推荐文章于 2025-03-08 23:41:50 发布

akhfuiigabv

最新推荐文章于 2025-03-08 23:41:50 发布

阅读量446

点赞数 5

文章标签： sql jvm 数据库

本文链接：https://blog.csdn.net/akhfuiigabv/article/details/142326598

版权

# 提升SQL问答能力：优化create_sql_query_chain提示技巧

在这篇指南中，我们将探讨如何通过优化提示策略来提升SQL查询生成的效果。我们将重点研究获取数据库特定信息的方法以增强提示效果。

## 引言

SQL问答系统的性能在很大程度上依赖于我们如何向模型提供提示信息，尤其是在涉及特定数据库的情况下。本文旨在帮助您理解如何更有效地构建提示，以便提高SQL查询的生成质量。

## 主要内容

### 1. SQL语言方言对提示的影响

在使用`create_sql_query_chain`和`SQLDatabase`时，不同的SQL方言会自动为您选择合适的提示。这些内置方言包括：`sqlite`, `mysql`, `postgresql`等。

```python
from langchain.chains.sql_database.prompt import SQL_PROMPTS
print(list(SQL_PROMPTS))

2. 使用`SQLDatabase.get_context`格式化模式信息

要让模型生成有效的查询，需要在提示中包含数据库的模式信息。通过SQLDatabase.get_context，我们可以获取可用的表和它们的模式，并将其嵌入到提示中。

context = db.get_context()
print(context["table_info"])

3. 构建和选择Few-shot示例

提供一些自然语言问题转换为SQL查询的示例可以帮助提高模型的性能，尤其是在处理复杂查询时。我们可以使用FewShotPromptTemplate来创建这些示例。

examples = [
    {"input": "List all artists.", "query": "SELECT * FROM Artist;"},
    # 更多示例...
]

代码示例

以下是如何使用create_sql_query_chain和FewShotPromptTemplate构建提示的完整示例：

from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate
from langchain.chains import create_sql_query_chain
from langchain_community.utilities import SQLDatabase
from langchain_openai import ChatOpenAI

# 设置数据库和语言模型
db = SQLDatabase.from_uri("sqlite:///Chinook.db", sample_rows_in_table_info=3)
llm = ChatOpenAI(model="gpt-4o-mini")

# 构建Few-shot提示
example_prompt = PromptTemplate.from_template("User input: {input}\nSQL query: {query}")
prompt = FewShotPromptTemplate(
    examples=examples[:5],
    example_prompt=example_prompt,
    prefix="You are a SQLite expert. Given an input question, create a syntactically correct SQLite query to run.",
    suffix="User input: {input}\nSQL query: ",
    input_variables=["input", "table_info"],
)

# 创建SQL查询链
chain = create_sql_query_chain(llm, db, prompt)
response = chain.invoke({"question": "how many artists are there?"})
print(response)