一起来编写一个SQL生成器

在之前的文章里（点击跳转），我们讲了输入针对本地MySQL的相关问题，通过OpenAI分析，返回我们想要的结果。

比如输入的是

student_info中name是d的，score是多少

返回的是：

The score for the student with the name “d” is 92

但是有人担心这个会泄露数据，仍然偏向使用SQL语句来实现查询。

这一节内容，就来讲一下，我们输入需求描述，直接返回SQL语句。

1 创建测试表并写入数据

use martin;

CREATE TABLE product_sales (
id int auto_increment PRIMARY KEY comment '主键',
product_name varchar(255) comment '商品名',
price DECIMAL(10,2) comment '商品单价',
quantity int comment '销售量',
sale_date date comment '销售日期',
key idx_product_name(product_name)
);

INSERT INTO product_sales (product_name, price, quantity, sale_date)
VALUES
('iPhone 12', 8999, 10, '2023-04-21'),
('iPad Pro', 7999, 5, '2023-04-21'),
('MacBook Pro', 14999, 3, '2023-04-22'),
('AirPods Pro', 2199, 20, '2023-04-22'),
('Apple Watch Series 7', 3299, 8, '2023-04-22'),
('iPhone 11', 5999, 15, '2023-04-23'),
('iPad Air', 4699, 7, '2023-04-23'),
('MacBook Air', 9999, 4, '2023-04-24'),
('AirPods 2', 1299, 25, '2023-04-24'),
('Apple Watch SE', 2599, 12, '2023-04-25');

设置环境变量 OPENAI_API_KEY，openai的 aip key 获取方法可点击跳转：

from langchain import OpenAI, SQLDatabase, SQLDatabaseChain

db = SQLDatabase.from_uri("mysql+pymysql://martin:uqatcdaT12@127.0.0.1/martin")
llm = OpenAI(temperature=0)

db_chain = SQLDatabaseChain(llm=llm, database=db, verbose=True)
db_chain.run("2023年4月21日全天的销售额")

查询每个产品的销售额占比和销售量占比，按照销售额占比从高到低排列

SELECT product_name, (price * quantity) (SELECT SUM(price * quantity) FROM product_sales) AS sales_ratio, quantity (SELECT SUM(quantity) FROM product_sales) AS quantity_ratio FROM product_sales ORDER BY sales_ratio DESC LIMIT 5;

SQL和结果也没问题，唯一的问题就是加了limit 5，不过我们在实际使用的时候注意就行。

找出所有销售日期中，哪些日期的销售总额超过了平均销售总额

SELECT sale_date, SUM(price * quantity) AS total_sales FROM product_sales GROUP BY sale_date HAVING total_sales > (SELECT AVG(total_sales) FROM (SELECT SUM(price * quantity) AS total_sales FROM product_sales GROUP BY sale_date) AS avg_sales) LIMIT 5;

既然效果还可以，那做个页面出来岂不是更方便，那就继续。

import gradio as gr
from langchain import OpenAI, SQLDatabase, SQLDatabaseChain

db = SQLDatabase.from_uri("mysql+pymysql://martin:uqatcdaT12@127.0.0.1/martin")
llm = OpenAI(temperature=0)

db_chain = SQLDatabaseChain(llm=llm, database=db, verbose=True, return_intermediate_steps=True)

def generate_and_execute_sql(query):
result = db_chain(query)
return result["intermediate_steps"][0],result['result']

input_text = gr.inputs.Textbox(lines=5,label="请输入查询描述")
output_text_1 = gr.outputs.Textbox(label="生成的SQL语句")
output_text_2 = gr.outputs.Textbox(label="结果")

gr.Interface(fn=generate_and_execute_sql, inputs=input_text, outputs=[output_text_1,output_text_2], title="生成SQL语句并执行查询").launch()

下图是测试结果，左边是输入的需求，右边是生成的SQL以及结果

类似这篇文章的方式，如果要用在实际应用，可以将代码连到测试环境，测试环境表结构和生产环境一样，数据完全是自己造的，在测试环境生产SQL，再去生产环境查询，这样就可以避免数据泄露了。

星球目前已经有30多篇高质量的内容，其中包括分析使用AI工具能做MySQL的哪些事情，比如我们创建了专栏《ChatGPT和MySQL结合》，专栏还在持续更新中。

当然星球还包括其他AI内容，比如AI画图、个人或者企业怎么基于ChatGPT的API开发应用。以及围绕AI工具有哪些副业或者创业的思路。

之前在推广的时候，有朋友说我们是割韭菜，其实朋友们可以先进星球看一下，看一下我们写的内容是否适合你，如果觉得不满意，星球支持三天内全额退款的，你也不会有任何损失。

再送一张28元的优惠券，券后40元年费（相当于每天0.1096元），限量20张，先到先得。

一起来编写一个SQL生成器

评论