SQLRAG：利用自然語言和法學碩士轉變資料庫交互

發佈於2024-11-08

SQLRAG: Transforming Database Interactions with Natural Language and LLMs

在資料驅動的世界中，速度和洞察力的可訪問性至關重要，SQLRAG 帶來了一種與資料庫互動的全新方法。透過利用大型語言模型 (LLM) 的強大功能，SQLRAG 使用戶能夠使用自然語言查詢資料庫，從而無需深厚的 SQL 知識。在這篇文章中，我們將深入探討 SQLRAG 的工作原理、其主要功能，以及它如何透過優雅的介面、靈活的處理和動態視覺化來簡化資料分析。

SQLRAG 的優勢

SQLRAG 以其將自然語言提示轉換為 SQL 查詢的獨特能力而脫穎而出，立即提供程式碼和資料視覺化。其靈活的架構支援 OpenAI 模型和開源替代方案，可供從個人開發人員到大型企業的一系列使用者使用。以下是 SQLRAG 越來越受歡迎的一些原因：

使用者友善的查詢： 使用者現在可以與複雜的資料庫交互，而無需高級 SQL 技能。像是「按地區顯示上個月的銷售額」這樣的簡單提示會產生 SQL 程式碼，執行它，並以視覺化形式呈現資料。
LLM模型彈性： SQLRAG支援OpenAI強大的模型和GPT4All的開源替代品，讓使用者可以自由選擇自己喜歡的處理環境。
Redis 快取提高速度： SQLRAG 快取頻繁查詢的結果，使用 Redis 來加速重複請求並減少處理時間。
資料視覺化變得簡單： SQLRAG 與Matplotlib 整合以實現基於Python 的視覺化，並與Chart.js 整合（適合那些喜歡JavaScript 的使用者），創建了一種將資料轉化為見解的簡單方法。

SQLRAG 的工作原理

SQLRAG 透過採用自然語言輸入、將其轉換為 SQL 程式碼、在連接的資料庫上執行查詢、然後將結果作為 SQL 程式碼和視覺資料輸出來簡化資料庫互動。

要開始使用 SQLRAG，需要滿足以下先決條件：

Python 3.10 或更高版本
Redis（可選，用於快取重複查詢）
相容的資料庫（PostgreSQL、MySQL、SQLite 等）
OpenAI API 金鑰（如果使用 OpenAI 模型）

透過 pip 安裝後，SQLRAG 的設定很簡單。以下是典型的使用流程，其中包含開源和 OpenAI 模型的選項。

安裝和設定

SQLRAG 作為 Python 套件提供，可以使用 pip 安裝：

pip install sqlrag

如果使用 OpenAI，請在您的環境中設定 API 金鑰：

export OPENAI_API_KEY=your_openai_key

使用開源模型進行查詢

對於喜歡開源模型的用戶，SQLRAG 的 GPT4All 支援提供了靈活的選項：

from sqlrag.open_sql_rag import OpenSQLRAG

# Connect to the database and specify the model
sql_rag = OpenSQLRAG("sqlite:///mydb.db", model_name="Meta-Llama-3-8B-Instruct.Q4_0.gguf", is_openai=False)

# Generate SQL and visualize data
data = sql_rag.generate_code_and_sql({"chart_type": "chart.js", "query": "List out all customers"})
print(data)

此功能可讓開發人員輕鬆地在模型之間切換，使其成為測試和與現有工作流程整合的理想選擇。

使用 OpenAI 模型

透過 OpenAI API 金鑰，使用者可以利用 SQLRAG 的 OpenAI 整合：

from sqlrag.open_sql_rag import OpenSQLRAG

# Connect to the database and use OpenAI model
sql_rag = OpenSQLRAG("sqlite:///mydb.db")

# Generate SQL and visualize data
data = sql_rag.generate_code_and_sql({"chart_type": "chart.js", "query": "List out all customers"})
print(data)