当前位置：首页 » AI学习教程

Text-to-SQL聊天机器人实战：用RAG、LangChain和Streamlit搭建了一个“数据库分析师”

1月前 AI学习教程 377 0

在日常的产品或数据工作中，我经常会遇到这样的场景：

会议上，业务方抛来一句话 “上个月新增的客户有哪些？”而数据分析师的第一反应是打开SQL编辑器，手动去查表、写查询、调语法。

这时我就在想，如果AI能“理解”这句话并自动生成SQL，再直接查出结果，是不是就能让非技术同事也能自由访问数据？

于是，有了这么一个项目：一个由 LangChain + FastAPI + Streamlit + SQLite 组成的 Text-to-SQL 聊天机器人。

它能把自然语言问题转成SQL语句，再从真实数据库返回结果。整个过程无需用户懂SQL。

什么是 Text-to-SQL？

SQL 是数据分析的核心语言，但同时也构成了信息壁垒。

在许多公司里，只有少数人能用SQL数据库操作，而多数人只能被动等别人查数据。

Text-to-SQL 的目标，就是让每个人都能直接提问数据库。

用户问：“上季度最畅销的商品是哪些？”

系统自动生成并执行 SQL：
SELECT product_name, SUM(sales) FROM orders WHERE quarter='Q3' GROUP BY product_name ORDER BY SUM(sales) DESC LIMIT 5;

这个能力的关键，在于让AI理解数据库结构。单纯的语言模型无法做到这一点，因为它不知道你有哪些表、列、关系。

这就是 RAG（Retrieval-Augmented Generation，检索增强生成） 派上用场的地方。

核心原理

RAG 的思路其实很直白：

阶段	功能	举例
检索 Retrieval	先查数据库的结构信息（schema）	“customers 表中有哪些字段？”
生成 Generation	再基于这些上下文生成 SQL	“SELECT name FROM customers WHERE created_at > …”

换句话说，在模型写SQL之前，我们给它一张“数据库小抄”，告诉它有哪些表、哪些列。

这能极大地减少模型的幻觉——避免生成不存在的表名或错误的字段。

RAG 的工作流程如下：

User Question
      ↓
Retrieve Schema Info
      ↓
Generate SQL (LLM)
      ↓
Validate + Execute
      ↓
Return Results
      ↺

系统架构设计

这个项目分成了六个核心模块：

SQLite — 数据源，存放真实业务数据。
Embeddings 层 — 将表结构信息转成语义向量。
Chroma 向量数据库 — 存储 schema 向量，用于语义检索。
LangChain — 构建 RAG 流程链。
FastAPI — 封装接口，构建后端服务。
Streamlit — 提供交互式前端。

完整流程如下：

User (Streamlit)
   ↓
FastAPI Backend
   ↓
LangChain RAG Pipeline
   ├── Retriever (Chroma)
   ├── Embedding Layer (Hugging Face)
   ├── LLM (SQL Generator)
   ↓
SQLite Database
   ↓
Results → Streamlit UI

动手搭建

Step 1：准备数据库

先创建一个简单的 SQLite 数据库：

import sqlite3, os

os.makedirs("sample_db", exist_ok=True)
DB = "sample_db/sample.db"
conn = sqlite3.connect(DB)
cur = conn.cursor()

cur.execute("""
CREATE TABLE IF NOT EXISTS customers (
  id INTEGER PRIMARY KEY,
  name TEXT,
  email TEXT,
  created_at TEXT
);
""")

cur.execute("""
CREATE TABLE IF NOT EXISTS orders (
  id INTEGER PRIMARY KEY,
  customer_id INTEGER,
  total_amount REAL,
  status TEXT,
  created_at TEXT,
  FOREIGN KEY(customer_id) REFERENCES customers(id)
);
""")

并插入一些示例数据：

customers = [
    (1, "Alice", "alice@example.com", "2025-01-01"),
    (2, "Bob", "bob@example.com", "2025-02-01"),
]
orders = [
    (1, 1, 120.5, "completed", "2025-03-01"),
    (2, 2, 80.0, "pending", "2025-03-10"),
]

cur.executemany("INSERT OR REPLACE INTO customers VALUES (?,?,?,?)", customers)
cur.executemany("INSERT OR REPLACE INTO orders VALUES (?,?,?,?,?)", orders)
conn.commit()
conn.close()

Step 2：创建 Embeddings 索引

我们要让AI理解数据库结构，需要先把schema内容向量化并存入Chroma：

from langchain_community.embeddings.huggingface import HuggingFaceEmbeddings
from langchain_community.vectorstores import Chroma
import sqlite3, hashlib

def row_to_text(table, cols, row):
    return f"Table: {table}\n" + "\n".join([f"{c}: {v}" for c, v in zip(cols, row)])

embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
vectorstore = Chroma(collection_name="sqlite_docs", persist_directory="./chroma_persist", embedding_function=embeddings)

conn = sqlite3.connect("sample_db/sample.db")
cur = conn.cursor()
cur.execute("SELECT name FROM sqlite_master WHERE type='table'")
tables = [t[0] for t in cur.fetchall()]

for table in tables:
    cur.execute(f"PRAGMA table_info({table});")
    cols = [c[1] for c in cur.fetchall()]
    cur.execute(f"SELECT {', '.join(cols)} FROM {table}")
    rows = cur.fetchall()
    docs = [row_to_text(table, cols, r) for r in rows]
    vectorstore.add_texts(texts=docs)

Step 3：LangChain 构建 RAG 流程

from langchain_core.prompts import PromptTemplate
from langchain_google_genai import ChatGoogleGenerativeAI

sql_prompt = PromptTemplate.from_template("""
You are a SQL generator. Based on the following context, generate a SINGLE READ-ONLY SQLite SELECT query.
Context:
{context}
Question:
{question}
Return only the SQL SELECT statement.
""")

retriever = vectorstore.as_retriever(search_kwargs={"k": 5})
llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash", temperature=0)

Step 4：FastAPI 封装后端接口

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI(title="Text-to-SQL API")

class QueryRequest(BaseModel):
    question: str

@app.post("/query")
async def query(req: QueryRequest):
    docs = retriever.get_relevant_documents(req.question)
    context = "\n\n".join([d.page_content for d in docs])
    prompt = sql_prompt.format(context=context, question=req.question)
    sql = llm.invoke(prompt).content.strip()
    return {"sql": sql}

Step 5：Streamlit 前端交互界面

import streamlit as st
import requests

st.title("💬 Text-to-SQL Chatbot")
question = st.text_input("输入你的问题：", "上个月加入的客户有哪些？")

if st.button("查询"):
    resp = requests.post("http://localhost:8000/query", json={"question": question})
    st.code(resp.json()["sql"])

运行：

uvicorn server:app --reload
streamlit run app.py

此时，你就可以在浏览器中输入自然语言问题，实时看到AI生成的SQL语句。

运行效果与验证

例如输入：

“列出2025年1月之后注册的客户。”

生成的 SQL 可能为：

SELECT name, email FROM customers WHERE created_at > '2025-01-01'

系统返回的结果：

name	email
Bob	bob@example.com

总结

整个项目虽然只是一个原型，但对我而言有三点启发：

RAG 的落地关键在于“上下文管理”

AI不是凭空聪明，而是要被喂上下文。数据库schema就是这种上下文的典型形式。

LangChain让复杂的AI流程标准化

把检索、生成、执行逻辑模块化，方便调试与扩展。

FastAPI + Streamlit 是实验型项目的理想组合

前后端用纯Python实现，既能快速验证，也方便分享和部署。

Text-to-SQL 的应用场景非常广：从BI系统、数据看板，到客服报表，都能受益于这种“自然语言 + 数据查询”的交互方式。

这也是我最喜欢AI工具实践的部分——用AI降低门槛，而不是取代专业。

如果你也想尝试这个项目，可以直接从 GitHub 运行示例仓库，或者在自己的业务数据库上做一次“小实验”，看看AI能不能帮你“问出答案”。

GitHub ：https://github.com/dharampatel/ConvertQueryToSQL/tree/master

声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。

未经允许不得转载：Text-to-SQL聊天机器人实战：用RAG、LangChain和Streamlit搭建了一个“数据库分析师”

请登录后发表评论