【实施案例】SQL数据库问答系统

用户811

2024年4月13日创建

1592

2491

SQL数据库问答系统

我们将讲解如何创建问答链（chain）和SQL数据库代理（agent）。这两种系统都能让我们用自然语言向SQL数据库提问，然后得到回答。它们的主要区别在于，代理能反复查询数据库，直到找到答案为止。​

本用例使用Groq聊天模型（并选用 mixtral-8x7b-32768）。

作为OpenAI付费接口的替代，我个人觉得效果很好。理由是，在不用OpenAI的前提下，很多用例靠Groq跑通了，其它模型都会因为各种各样的原因（魔法上网部分限制，模型能力表现不佳，调用收费不太合理等），无法帮助我跑通用例代码。​

申请指引：GROQ API使用申请

🌿

场景⑤：【LLM用例】SQL数据库问答系统 🦜️🔗 Q&A over SQL

落地：【实施案例】SQL数据库问答系统

安全提示：

搭建问答系统时，需要执行由模型生成的SQL查询。这个过程有风险。请确保数据库的连接权限只适用于你的链/代理的需求，并且尽可能地缩小权限范围。这样做可以在减轻风险的同时，但不能完全消除构建模型驱动系统风险。更多信息请参考这里。

架构：

从高层次来说，任何SQL链和代理的流程都分为三步：

1.
把问题转成SQL查询：模型会把用户的输入转成SQL查询。​

2.
执行SQL查询：执行这个SQL查询。​

3.
回答问题：模型用查询的结果来回答用户的原始问题。​

图 SQL数据库问答系统，图源：https://langchain.com

项目设置：

首先，要获取必要的包并设置环境变量：

代码块

%pip install --upgrade --quiet langchain langchain-community langchain-groq

我们将使用Groq聊天模型（并选用 mixtral-8x7b-32768）。

代码块

import getpass​
import os​
​
os.environ["GROQ_API_KEY"] = getpass.getpass()​

本例中，我们使用GROQ，API Key 需要提前申请，申请指引：​GROQ API使用申请​

下面的示例将使用与Chinook数据库的SQLite连接。按照以下安装步骤在与代码文件相同的目录中创建Chinook.db：

•

把这个文件保存为Chinook_Sqlite.sql

•
运行sqlite3 Chinook.db​

•
运行.read Chinook_Sqlite.sql​

•
测试SELECT * FROM Artist LIMIT 10;​

现在，Chinook.db在我们的目录里了，我们可以用SQLAlchemy驱动的SQLDatabase类和它互动：​

【实施案例】SQL数据库问答系统​