探索SQL数据库工具包：使用AI构建智能查询系统

最新推荐文章于 2024-10-05 14:16:38 发布

tt_jishu

最新推荐文章于 2024-10-05 14:16:38 发布

阅读量442

点赞数 4

文章标签：数据库 sql 人工智能 python

本文链接：https://blog.csdn.net/tt_jishu/article/details/142426770

版权

引言

在如今的数据驱动世界，能够高效地从SQL数据库中获取信息变得至关重要。SQLDatabase Toolkit通过提供强大的工具集，使开发者能够通过自然语言处理技术与SQL数据库互动。本文将为您介绍如何使用这一工具包，并提供示例代码帮助您快速上手。

主要内容

1. SQL数据库工具包概述

SQLDatabase Toolkit设计用于与SQL数据库进行互动，主要应用场景是使用数据库中的数据进行问答。这可以帮助代理通过迭代方式（如从错误中恢复）回答问题。

2. 安全注意事项

构建基于SQL的问答系统需要执行模型生成的SQL查询，这存在一定的风险。确保数据库连接权限仅限于所需的最小范围，以最大程度地减少潜在风险。

3. 环境安装与设置

您可以使用以下命令安装相关的Python包：

%pip install --upgrade --quiet langchain-community
%pip install --upgrade --quiet langchainhub langgraph

4. 工具包实例化

首先，需要创建数据库对象和语言模型对象，例如使用Chinook数据库和OpenAI语言模型：

import sqlite3
import requests
from langchain_community.utilities.sql_database import SQLDatabase
from sqlalchemy import create_engine
from sqlalchemy.pool import StaticPool

def get_engine_for_chinook_db():
    """创建并返回Chinook数据库的引擎。"""
    url = "https://raw.githubusercontent.com/lerocha/chinook-database/master/ChinookDatabase/DataSources/Chinook_Sqlite.sql"
    response = requests.get(url)
    sql_script = response.text

    connection = sqlite3.connect(":memory:", check_same_thread=False)
    connection.executescript(sql_script)
    return create_engine("sqlite://", creator=lambda: connection, poolclass=StaticPool, connect_args={"check_same_thread": False})

engine = get_engine_for_chinook_db()
db = SQLDatabase(engine)

5. 工具使用

通过以下代码实例化SQL工具包：

from langchain_community.agent_toolkits.sql.toolkit import SQLDatabaseToolkit
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini")  # 使用API代理服务提高访问稳定性

toolkit = SQLDatabaseToolkit(db=db, llm=llm)

代码示例

下面是一个简单的问答代理，使用工具包查询数据库：

from langchain import hub
from langgraph.prebuilt import create_react_agent

prompt_template = hub.pull("langchain-ai/sql-agent-system-prompt")
system_message = prompt_template.format(dialect="SQLite", top_k=5)

agent_executor = create_react_agent(
    llm, toolkit.get_tools(), state_modifier=system_message
)

example_query = "Which country's customers spent the most?"
events = agent_executor.stream(
    {"messages": [("user", example_query)]},
    stream_mode="values",
)
for event in events:
    event["messages"][-1].pretty_print()