SQLRAG：利用自然语言和法学硕士转变数据库交互

发布于2024-11-08

SQLRAG: Transforming Database Interactions with Natural Language and LLMs

在数据驱动的世界中，速度和洞察力的可访问性至关重要，SQLRAG 带来了一种与数据库交互的全新方法。通过利用大型语言模型 (LLM) 的强大功能，SQLRAG 使用户能够使用自然语言查询数据库，从而无需深厚的 SQL 知识。在这篇文章中，我们将深入探讨 SQLRAG 的工作原理、其主要功能，以及它如何通过优雅的界面、灵活的处理和动态可视化来简化数据分析。

SQLRAG 的优势

SQLRAG 以其将自然语言提示转换为 SQL 查询的独特能力而脱颖而出，立即提供代码和数据可视化。其灵活的架构支持 OpenAI 模型和开源替代方案，可供从个人开发人员到大型企业的一系列用户使用。以下是 SQLRAG 越来越受欢迎的一些原因：

用户友好的查询： 用户现在可以与复杂的数据库交互，而无需高级 SQL 技能。像“按地区显示上个月的销售额”这样的简单提示会生成 SQL 代码，执行它，并以可视化形式呈现数据。
LLM模型灵活性： SQLRAG支持OpenAI强大的模型和GPT4All的开源替代品，让用户可以自由选择自己喜欢的处理环境。
Redis 缓存提高速度： SQLRAG 缓存频繁查询的结果，使用 Redis 来加速重复请求并减少处理时间。
数据可视化变得简单： SQLRAG 与 Matplotlib 集成以实现基于 Python 的可视化，并与 Chart.js 集成（适合那些喜欢 JavaScript 的用户），创建了一种将数据转化为见解的简单方法。

SQLRAG 的工作原理

SQLRAG 通过采用自然语言输入、将其转换为 SQL 代码、在连接的数据库上运行查询、然后将结果作为 SQL 代码和可视数据输出来简化数据库交互。

要开始使用 SQLRAG，需要满足以下先决条件：

Python 3.10 或更高版本
Redis（可选，用于缓存重复查询）
兼容的数据库（PostgreSQL、MySQL、SQLite 等）
OpenAI API 密钥（如果使用 OpenAI 模型）

通过 pip 安装后，SQLRAG 的设置很简单。以下是典型的使用流程，其中包含开源和 OpenAI 模型的选项。

安装和设置

SQLRAG 作为 Python 包提供，可以使用 pip 安装：

pip install sqlrag

如果使用 OpenAI，请在您的环境中设置 API 密钥：

export OPENAI_API_KEY=your_openai_key

使用开源模型进行查询

对于喜欢开源模型的用户，SQLRAG 的 GPT4All 支持提供了灵活的选项：

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)

此功能允许开发人员轻松地在模型之间切换，使其成为测试和与现有工作流程集成的理想选择。

使用 OpenAI 模型

通过 OpenAI API 密钥，用户可以利用 SQLRAG 的 OpenAI 集成：

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)