SQL生成

genAI可以用于自然语言转SQL：

  • 理解口语化的查询描述， 将业务需求转换为SQL

  • 处理复杂的查询逻辑， 生成多表关联查询

本节我们使用deepseek实现自然语言转SQL

代码

  • 定义一个employee(name, salary, department)表
  • 使用自然语言，让deepseek生成最终的sql查询
import requests


# DeepSeek API URL (Ollama本地服务器地址)
OLLAMA_URL = "http://localhost:11434/api/generate"

def generate_sql_query(natural_query, database_type="MySQL", database_schema="employee(name, salary, department)"):
    """
    使用DeepSeek AI将自然语言查询转换为SQL语句
    """

    # 如果想传入数据库引擎，比如MySQL, Postgres, 可以基于这个prompt
    prompt = f"Convert this natural language query into {database_type}-compatible SQL:\n\nQuery: {natural_query}"

    # 最终使用的提示词模板，包含数据库schema信息
    prompt = f"Convert the following natural language query into an SQL query:\n\n" \
             f"Query: '{natural_query}'\n\n" \
             f"Assume the following database schema: {database_schema}.\n" \
             f"Return only the SQL query, without explanation."

    # 构建API请求参数
    payload = {
        "model": "deepseek-r1",  # 使用deepseek-r1模型
        "prompt": prompt,         # 提示词内容
        "stream": False          # 不使用流式输出
    }

    # 发送POST请求到Ollama API
    response = requests.post(OLLAMA_URL, json=payload)

    # 处理API响应
    if response.status_code == 200:
        return response.json().get("response", "No SQL query generated.")  # 返回生成的SQL查询
    else:
        return f"Error: {response.text}"  # 返回错误信息


# SQL查询生成器测试代码
if __name__ == "__main__":
    test_query = "列出所有薪资大于10000的员工"
    print(generate_sql_query(test_query))

运行结果如下：

image-20250208153519123

如果想用Gradio做一个web页面，代码如下：

import requests
import gradio as gr

# DeepSeek API URL (Ollama本地服务器地址)
OLLAMA_URL = "http://localhost:11434/api/generate"

def generate_sql_query(natural_query, database_type="MySQL", database_schema="employee(name, salary, department)"):
    """
    使用DeepSeek AI将自然语言查询转换为SQL语句
    """
    # 以下是优化SQL查询的提示词模板(已注释)
    # prompt = f"Optimize the following SQL query for better performance:\n\n{sql_query}\n\n" \
             # f"Suggest indexing strategies if necessary."

     
    prompt = f"Convert this natural language query into {database_type}-compatible SQL:\n\nQuery: {natural_query}"

    # 最终使用的提示词模板，包含数据库schema信息
    prompt = f"Convert the following natural language query into an SQL query:\n\n" \
             f"Query: '{natural_query}'\n\n" \
             f"Assume the following database schema: {database_schema}.\n" \
             f"Return only the SQL query, without explanation."

    # 构建API请求参数
    payload = {
        "model": "deepseek-r1",  # 使用deepseek-r1模型
        "prompt": prompt,         # 提示词内容
        "stream": False          # 不使用流式输出
    }

    # 发送POST请求到Ollama API
    response = requests.post(OLLAMA_URL, json=payload)

    # 处理API响应
    if response.status_code == 200:
        return response.json().get("response", "No SQL query generated.")  # 返回生成的SQL查询
    else:
        return f"Error: {response.text}"  # 返回错误信息


# 创建Gradio界面
interface = gr.Interface(
    fn=generate_sql_query,  # 指定处理函数
    inputs=[  # 定义输入组件
        gr.Textbox(lines=2, placeholder="输入自然语言查询"),  # 文本框用于输入自然语言查询
        gr.Textbox(label="数据库Schema (可选)", placeholder="表名(列1, 列2, ...)"),  # 文本框用于输入数据库schema
    ],
    outputs=gr.Textbox(label="生成的SQL查询"),  # 输出组件:显示生成的SQL查询
    title="AI驱动的SQL查询生成器",  # 界面标题
    description="输入自然语言查询，AI将为您生成对应的SQL查询语句。"  # 界面描述文本
)

# 启动Web应用
if __name__ == "__main__":
    interface.launch()

运行python，访问 http://127.0.0.1:7860/ ：

image-20250208154030485