Skip to content

SQL

使用案例

企業數據通常存儲在 SQL 數據庫中。

LLM 讓使用自然語言與 SQL 數據庫交互成為可能。

LangChain 提供 SQL Chains 和 Agents 基於自然語言提示構建和運行 SQL 查詢。

它們與 SQLAlchemy 支持的任何 SQL dialect 兼容（例如 MySQL、PostgreSQL、Oracle SQL、Databricks、SQLite）。

它們支持以下用例：

  • 生成將根據自然語言問題運行的查詢(query)
  • 創建可以根據數據庫數據回答問題的聊天機器人
  • 根據用戶想要分析的見解構建自定義儀表板

概述

LangChain 提供了與 SQL 數據庫交互的工具：

  1. 基於自然語言用戶問題構建 SQL 查詢
  2. 使用鏈來查詢 SQL 數據庫以創建和執行查詢
  3. 使用代理與 SQL 數據庫交互，以實現健壯且靈活的查詢

Quickstart

首先，獲取所需的套件並設置環境變數：

pip install langchain langchain-experimental openai

# Set env var OPENAI_API_KEY or load from a .env file
# import dotenv

# dotenv.load_env()

下面的範例將使用 SQLite 與 Chinook 數據庫連接。

按照安裝步驟在與此筆記本相同的目錄中創建 Chinook.db：

  • 將此文件保存到目錄 Chinook_Sqlite.sql
  • 在 terminal 下運行 sqlite3 Chinook.db
  • 接著在 sqllite3 的 prompt 介面中運行 .read Chinook_Sqlite.sql
  • 接著就可直接來測試 SELECT * FROM Artist LIMIT 10;