Vanna.AI - 开源的智能SQL数据库对话系统

于 2024-09-13 21:46:40 发布
阅读量495 收藏 3
点赞数 4
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gitblog_09338/article/details/142223890
版权

Vanna.AI - 开源的智能SQL数据库对话系统

vanna 人工智能驱动的数据库查询 。使用RAG实现准确的文本到SQL的转换 。 vanna 项目地址: https://gitcode.com/gh_mirrors/va/vanna

项目基础介绍及编程语言

Vanna.AI 是一个基于Python的开源项目，采用了先进的RAG（Retrieval-Augmented Generation）框架，专为实现文本到SQL查询的精准转换而设计。此项目遵循MIT许可协议，提供了一种高效且用户友好的方式来通过自然语言与SQL数据库交互。Vanna.AI的核心在于其利用LLMs（大型语言模型）与向量数据库的结合，使得非技术人员能够轻松查询数据库，获得所需的数据洞察。项目以Python为主要编程语言，确保了广泛的应用场景和开发者友好性。

核心功能

  • 文本转SQL：用户仅需提出业务问题，Vanna自动生成对应的SQL查询语句。
  • 多界面支持：提供了包括Jupyter Notebook、Streamlit应用、Flask后端甚至Slack集成在内的多种用户界面选项，便于定制化开发和终端用户使用。
  • 灵活训练：支持通过DDL声明、文档说明或现有SQL查询进行模型训练，无需深入理解底层RAG机制。
  • 数据库无关性：理论上可连接任何Python可访问的SQL数据库，赋予项目高度的灵活性和适应性。
  • 自我学习能力：在特定环境中（如Jupyter Notebook），自动学习并从成功执行的查询中积累知识，提高未来查询的准确性。

最近更新的功能

由于提供的信息未具体指出最近的更新详情，我们无法给出精确的新功能列表。但是，根据一般开源项目的维护周期和该仓库的活跃度，可以推测其最新版本可能增强了兼容性，优化了用户体验，或者增加了对新LLM模型的支持。想要获取最近的具体更新内容，建议直接访问项目GitHub页面查看最新的版本发布说明。这些更新通常会包含错误修复、性能改进以及新的特性和API调整。

通过不断迭代与社区贡献，Vanna.AI持续提升着其在数据查询自动化领域的表现，是现代数据分析流程中的有力工具。对于希望简化数据库交互过程的团队和个人来说，Vanna.AI无疑是一个值得探索的优秀开源解决方案。

vanna 人工智能驱动的数据库查询 。使用RAG实现准确的文本到SQL的转换 。 vanna 项目地址: https://gitcode.com/gh_mirrors/va/vanna

贺朦毓Darell
关注
VannaAI 介绍及使用 - 第一篇
Davis_Liyf的博客
06-05 2501
Vanna 是一个基于 MIT 许可的开源 Python RAG（检索增强生成）框架，专注于 SQL 生成和相关功能。它允许用户在自己的数据上训练一个 RAG “模型”，然后通过自然语言提问，生成在数据库上运行的 SQL 查询语句，并将查询结果以表格和图表的方式展示给用户。Vanna 的核心目标是简化数据库交互，让用户无需精通 SQL 即可从数据库中提取有价值的信息。
Vanna.AI 学习记录
weixin_45470898的博客
07-30 1223
Vanna框架使用
【Vanna.AI】入门案例以及本地运行
weixin_51572314的博客
01-23 3382
Vanna.ai是一个帮助用户更容易地与SQL数据库交互的工具。
Vanna-ai -基于RAG的TextToSql实现方案
wangning0714的博客
03-05 2825
基于大模型的TextToSql的关键为给大模型提供正确有效的数据库信息及问题，以提升大模型生成sql的正确率。这是面临的主要问题：如何在有效的prompt长度限制之内传递给大模型有效的信息辅助生成sql？简而言之，这些模型是在大量数据（包括一堆在线可用的 SQL 查询）上进行训练的，并通过预测响应提示中最有可能的下一个单词或“标记”来工作。Vanna 正在使用和试验许多不同的LLM，以获得最准确的结果。随着时间的推移，Vanna 不断提高对您的模式的理解，并正确回答越来越多的问题。
探秘Vanna AI：一款智能代码助手与代码审查工具
gitblog_00060的博客
03-20 1146
探秘Vanna AI：一款智能代码助手与代码审查工具 项目地址:https://gitcode.com/gh_mirrors/va/vanna 是一个由Vanna AI团队开发的开源项目，旨在为开发者提供智能化的代码辅助和审查服务。借助AI的力量，Vanna可以帮助提升编程效率，优化代码质量，并减少潜在错误，是现代软件开发流程中的得力助手。 技术分析 Vanna的核心在于其强大的自然语言处理（NL...
Text-to-SQL 工具Vanna + MySQL本地部署 | 数据库对话机器人
热门推荐
sinat_29950703的博客
03-13 1万+
Vanna 是一个基于 MIT 许可的开源 Python RAG（检索增强生成）框架，用于 SQL 生成和相关功能。它允许用户在数据上训练一个 RAG “模型”，然后提问问题，这将生成在数据库上运行的 SQL 查询语句，并将查询结果通过表格和图表的方式展示给用户。简单的说，Vanna是一个开源的、基于Python的、用于SQL自动生成与相关功能的RAG（检索增强生成）框架。RAG最典型的应用是私有知识库问答。
Vanna.AI 使用记录
最新发布
weixin_45470898的博客
07-30 649
记录Vanna.AI，通过 openAI + Chroma + [Mysql、Oracle、Microsoft SQL Server、SQLite] 的组合进行本地部署使用。
开源可本地部署的AI方案：同数据库进行无障碍中文问答
m0_59235245的博客
06-27 1261
第4步，根据以上数据，将结果交给大模型进行总结。如果觉得总结的不好，你也可以加上一些prompt引导，最终获得一条可阅读的结论。调用的接口是 api/v0/generate_summary。
Vanna-ai 大模型开源项目 基于RAG的TextToSql框架 安装和使用教程
黄笳倞的博客
04-17 2459
您还可以将 SQL 查询添加到训练数据中。如果您已经有一些查询，这将很有用。您只需从编辑器中复制并粘贴这些内容即可开始生成新的 SQL。根据您的用例，您可能需要也可能不需要运行这些命令。有关详细信息，请参阅。根据您的用例，您可能需要也可能不需要运行这些命令。DDL 语句包含有关数据库中的表名、列、数据类型和关系的信息。如果您想在训练后了解它的工作原理，可以尝试这款。有时，您可能希望添加有关业务术语或定义的文档。有关所需数据库、LLM 等的详细信息，请参阅。显示这些陈述是为了让您了解它的工作原理。
探秘Vanna.AI Streamlit应用：打造智能交互新体验
gitblog_00082的博客
06-18 455
探秘Vanna.AI Streamlit应用：打造智能交互新体验 vanna-streamlitVanna AI Streamlit App项目地址:https://gitcode.com/gh_mirrors/va/vanna-streamlit 在当今快速发展的技术领域中，用户体验与智能化的结合成为了一大焦点。今天，我们要向您推荐一款利用Streamlit构建的创新应用——Vanna.AI ...
【大模型系列篇】Vanna-ai基于检索增强(RAG)的sql生成框架
木亦汐丫
07-30 1275
Vanna 使用一种称为 LLM（大型语言模型）的生成式人工智能。简而言之，这些模型是在大量数据（包括一堆在线可用的 SQL 查询）上进行训练的，并通过预测响应提示中最有可能的下一个单词或“标记”来工作。Vanna 优化了提示（通过向量数据库使用嵌入搜索）并微调 LLM 模型以生成更好的 SQL。Vanna 可以使用和试验许多不同的LLM，以获得最准确的结果。
LLMs之Text2Sql之Vanna：Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
01-19 7224
​ LLMs之Vanna：Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略 目录 Vanna的简介 Vanna的安装和使用方法 Vanna的应用案例 Vanna的简介 Vanna是一个基于MIT许可的开源Python RAG（检索增强生成）框架，用于SQL生成和相关功能。 Vanna的工作原理分为两个简单步骤：在您的数据上训练一个RAG“模型”，然后提问问题，这将返回可以设置自动在您的数据库上运行的SQL查询。 >> 在您的数
VannaAI 介绍及使用 - 第三篇
Davis_Liyf的博客
07-15 1364
前面两篇，对Vanna的一些原理和基本使用进行的总结，本篇将根据Vanna提供的多样化配置进行体验尝试，并共同来探索一下Vanna源码，有不正之处请友友们指正。先做一些说明：1.我本地目前使用的是 python3.12版本，Vanna是0.5.5版本，不同版本的包可能源码会有些许区别，但主体是一致的。2.因为Vanna默认是使用chatGPT3.5，我自己本地测试连接其他LLM是通过代理服务实现的，有条件的可以自己部署大模型尝试，本文仅作为自主体验的记录，仅供参考。
vanna学习日志
weixin_51192823的博客
06-13 996
vanna可实现自然语言转SQL，尝试本地部署vanna对接数据库，将自然语言转成标准的SQL对数据库进行查询。本文先对vanna目录进行分析。源码：https://github.com/vanna-ai/vanna。
数据大模型
阿宁的博客
06-20 1030
SQL 和自然语言翻译器，可以简单地用自然语言输入查询并获得相应的 SQL 代码，或者输入 SQL 代码并获得SQL解释，方便地查询和分析数据库中的数据。包含的功能：SQL 到自然语言和自然语言到 SQL小写 / 大写切换可复制到剪贴板可查询历史使用方式：1、自然语言转为sql2、可以添加表的结构，再根据输入的自然语言生成sql，理想中在添加表结构时的输入也为自然语言，但此处只能输入建表的sql，对用户不友好。并且在点击生成sql时，SQL输出框未清空，容易让人困扰。
AI大模型环境—Vanna安装分享（text-2-sql）
weixin_46451201的博客
05-21 1754
AI大模型环境—Vanna（text-2-sql）
Vanna AI：告别代码，用自然语言轻松查询数据库，领先的RAG2SQL技术让结果更智能、更精准！
FrenzyTechAI的博客
05-21 4527
Vanna，是一款革命性的AI SQL智能体，可以将复杂的SQL查询简化为日常语义对话。在生成式AI的助力下，Vanna 让数据库查询变得前所未有的简单和直观。它是基于 OpenAI 和 Google 提供的大语言模型（LLM）。Vanna 通过预训练模型，结合你的数据库进行微调，可以快速帮你量身打造一个定制化的AI助手。Vanna 是一个获得 MIT 许可的开源 Python RAG（检索增强生成）框架，用于 SQL 生成和相关功能。GitHub 已经高达7200 颗星。
Vanna-AI：让你的大模型说好SQL
2401_82452722的博客
05-30 1929
其次，随着数据量的不断增长和业务需求的不断变化，SQL查询语句的复杂性和性能要求也在不断提高。很明显，最大的区别不在于大模型的类型，而在于为大模型提供的上下文的类型（例如使用的训练数据）。在这一背景下，Vanna-AI作为一款Text-to-SQL的智能工具，以其独特的功能和优势，为数据库管理带来了革命性的变革。根据用户的反馈，对LLM进行进一步的训练或微调，提高模型生成SQL语句的准确性和效率。同时，可以将用户提供的正确SQL语句和查询问题存储到向量数据库中，作为新的训练数据，用于后续模型的训练和推理。
查询dblink sql
05-13
`dblink` 是 PostgreSQL 数据库中的一个模块，它允许在一个 PostgreSQL 数据库中访问另一个 PostgreSQL 数据库的数据。使用 `dblink`，可以在一个数据库中执行 SQL 查询，将结果传递到另一个数据库中，并将结果返回到原始查询的结果集中。 下面是一个 `dblink` 查询的示例： ``` SELECT * FROM dblink('dbname=mydb host=myhost user=myuser password=mypass', 'SELECT * FROM mytable') AS t(id int, name text); ``` 在这个示例中，我们使用 `dblink` 访问名为 `mydb` 的数据库，并执行 `SELECT * FROM mytable` 查询。我们将查询的结果作为一个名为 `t` 的表返回，并指定结果集的两个列名为 `id` 和 `name`。 要使用 `dblink`，需要确保 `dblink` 模块已经被安装并启用。你可以使用以下命令检查是否已经安装了 `dblink`： ``` SELECT * FROM pg_available_extensions WHERE name = 'dblink'; ``` 如果返回一行记录，则说明 `dblink` 已经被安装。如果没有返回记录，则需要使用以下命令安装 `dblink`： ``` CREATE EXTENSION dblink; ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

贺朦毓Darell

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值