Vanna 项目安装和配置指南
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 。 项目地址: https://gitcode.com/gh_mirrors/va/vanna
1. 项目基础介绍和主要编程语言
项目基础介绍
Vanna 是一个 MIT 许可的开源 Python 框架,旨在通过使用 RAG(Retrieval-Augmented Generation)技术,实现与 SQL 数据库的交互。用户可以通过自然语言提问,Vanna 会自动生成相应的 SQL 查询,并执行查询以获取结果。
主要编程语言
Vanna 项目主要使用 Python 编程语言进行开发。
2. 项目使用的关键技术和框架
关键技术和框架
- RAG(Retrieval-Augmented Generation): 这是一种结合了检索和生成技术的方法,用于生成准确的 SQL 查询。
- LLM(Large Language Model): 使用大型语言模型来理解和生成自然语言查询。
- SQL 数据库: 支持任何可以通过 Python 连接的 SQL 数据库。
- OpenAI 和 ChromaDB: 提供了与这些服务的集成,用户可以自定义使用其他 LLM 或向量数据库。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装和配置 Vanna 之前,请确保您的系统满足以下要求:
- Python 3.7 或更高版本
- 安装了 pip(Python 包管理工具)
- 访问互联网以安装所需的 Python 包
安装步骤
步骤 1:克隆项目仓库
首先,您需要从 GitHub 克隆 Vanna 项目仓库到本地。
git clone https://github.com/vanna-ai/vanna.git
cd vanna
步骤 2:创建虚拟环境(可选)
为了隔离项目的依赖环境,建议创建一个虚拟环境。
python3 -m venv vanna-env
source vanna-env/bin/activate # 在 Windows 上使用 `vanna-env\Scripts\activate`
步骤 3:安装依赖包
使用 pip 安装项目所需的依赖包。
pip install -r requirements.txt
步骤 4:配置 Vanna
Vanna 的配置可以通过设置环境变量或直接在代码中进行。以下是一个简单的配置示例:
from vanna.openai import OpenAI_Chat
from vanna.chromadb import ChromaDB_VectorStore
class MyVanna(ChromaDB_VectorStore, OpenAI_Chat):
def __init__(self, config=None):
ChromaDB_VectorStore.__init__(self, config=config)
OpenAI_Chat.__init__(self, config=config)
vn = MyVanna(config={'api_key': 'your-openai-api-key', 'model': 'gpt-4'})
步骤 5:训练和使用 Vanna
您可以通过提供 DDL 语句、文档或 SQL 查询来训练 Vanna。以下是一个简单的训练和使用示例:
# 训练 Vanna
vn.train(ddl="""
CREATE TABLE IF NOT EXISTS my_table (
id INT PRIMARY KEY,
name VARCHAR(100),
age INT
)
""")
# 提问并获取 SQL 查询
sql_query = vn.ask("What are the top 10 customers by sales?")
print(sql_query)
结束语
通过以上步骤,您已经成功安装并配置了 Vanna 项目。您现在可以开始使用 Vanna 与您的 SQL 数据库进行交互,并通过自然语言提问来获取数据洞察。
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 。 项目地址: https://gitcode.com/gh_mirrors/va/vanna