使用Langchain构建简单的数据库Agent

大靠山

于 2024-08-18 10:45:00 发布

阅读量1k

点赞数 23

文章标签：数据库 langchain oracle 人工智能 llama android 网络

本文链接：https://blog.csdn.net/m0_59235245/article/details/141269461

版权

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 ClickHouse``pip install clickhouse-sqlalchemy langchain

运行代码

代码大概是这样的：

from langchain.agents import AgentExecutor, AgentType``from 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 Agent``agent_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。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述