我要投稿

RAG进阶神技：让AI自动将“人话”翻译成SQL和Cypher查询！

发布日期：2025-08-28 08:32:19 浏览次数： 1522

作者：小曾AI纪

微信搜一搜，关注“小曾AI纪”

在我们之前的文章中我们已经了解了两种预检索的优化策略。比如怎么“翻译”用户那七零八落的问题，还有怎么做一个聪明的“导航员”，把问题带到正确的数据源。

那么，现在问题来了，我们知道去哪里找数据了，那我们如何查不同类型的数据呢？

这就是我们今天想聊的另一种预检索优化策略：查询构建（Query Construction）。

在本文中，我们将聚焦于如何将用户的自然语言问题，翻译成数据源能理解的那套"行话"。比如SQL语言，或者Cypher查询语句。

什么是查询构建？

传统那套RAG，把问题变成一串向量数字，再去另一堆向量数字里找最相似的。这招在处理非结构化的文字，比如博客、文章时，确实管用。我得承认，这很巧妙。

但世界不是只有文字啊。

要是我们面对的是一张冷冰冰的Excel表，或是一座结构严密、壁垒分明的关系型数据库呢？我第一次遇到这个问题时，真的有点懵。你总不能跟一张员工薪资表谈“语义相似”吧？它有它的脾气，有行有列，有不容置疑的数据类型。跟它打交道，你得说它的“方言”——那些结构化的查询语言。

这感觉，就像从一个诗人，突然要转变成一个会计。

查询构建技术流派

1. Text-to-SQL -- 从自然语言到SQL转换

企业里最常见的就是这种“会计式”的数据了。MySQL、PostgreSQL... 它们就像一个个巨大的账本，记录着一切。

一个真正好用的RAG系统，我觉得它不应该偏科，不能只会读诗（非结构化文档），也得会算账（结构化数据）。

如果能让系统自己学会把我们的日常白话，转换成SQL，那该多好。用户只管提问，系统默默地把查询、整合、生成答案这些脏活累活全干了。这听起来才够智能，不是吗？

要做到这一点，其实没那么玄乎。关键就两步：

1. 数据库描述： 你得先让大模型看明白数据库长什么样，有哪些表，表里有哪些字段。
2. 少量示例： 在提示词里给它几个标准提问的例子，它就能有样学样。

用一个简单的实现流程代码来理解：

1. 创建一个 SQLite 数据库，并创建一个包含一些示例数据的 sales_database 表。

import sqlite3

def__init__(self, db_path="sales_database.db"):
    """
    初始化转换器
    Args:
        db_path (str): SQLite数据库文件路径
    """
    self.db_path = db_path
    self.conn = None
    self.cursor = None

defconnect_database(self):
    """连接数据库"""
    try:
        self.conn = sqlite3.connect(self.db_path)
        self.cursor = self.conn.cursor()
        print(f"✅ 成功连接数据库: {self.db_path}")
    except Exception as e:
        print(f"❌ 数据库连接失败: {e}")
        raise

defcreate_sample_database(self):
    """创建示例数据库和数据"""
    try:
        # 创建销售数据表
        self.cursor.execute('''
        CREATE TABLE IF NOT EXISTS sales_data (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            product_name TEXT NOT NULL,
            quantity INTEGER NOT NULL,
            sale_date TEXT NOT NULL,
            revenue REAL NOT NULL,
            region TEXT NOT NULL,
            customer_type TEXT NOT NULL
        )
        ''')

        # 清空现有数据
        self.cursor.execute('DELETE FROM sales_data')

        # 插入示例数据
        sample_data = [
            ('iPhone 15', 10, '2023-07-15', 15000.0, '北京', '个人'),
            ('iPhone 15', 5, '2023-08-10', 7500.0, '上海', '个人'),
            ('MacBook Pro', 20, '2023-07-20', 40000.0, '广州', '企业'),
            ('iPhone 15', 15, '2023-09-01', 22500.0, '深圳', '个人'),
            ('iPad Air', 7, '2023-09-15', 3500.0, '北京', '个人'),
            ('MacBook Air', 12, '2023-08-25', 12000.0, '上海', '企业'),
            ('iPhone 14', 8, '2023-07-30', 8000.0, '成都', '个人'),
            ('iPad Pro', 6, '2023-09-10', 7200.0, '杭州', '企业'),
            ('MacBook Pro', 3, '2023-08-05', 6000.0, '武汉', '个人'),
            ('iPhone 15 Pro', 25, '2023-09-20', 37500.0, '北京', '企业'),
        ]

        self.cursor.executemany('''
        INSERT INTO sales_data (product_name, quantity, sale_date, revenue, region, customer_type)
        VALUES (?, ?, ?, ?, ?, ?)
        ''', sample_data)

        self.conn.commit()
        print("✅ 示例数据库和数据创建成功")

        # 显示数据统计
        self.cursor.execute('SELECT COUNT(*) FROM sales_data')
        count = self.cursor.fetchone()[0]
        print(f"📊 数据库中共有 {count} 条销售记录")

    except Exception as e:
        print(f"❌ 数据库创建失败: {e}")
        raise

2. 使用LLM生成查询

import os
from dotenv import load_dotenv
from langchain_DeepSeek import ChatDeepSeek
from langchain_core.prompts import ChatPromptTemplate

defgenerate_sql(self, natural_query):
    """
    使用DeepSeek模型生成SQL查询
    将所有SQL生成相关的初始化和配置集中在此函数中，便于理解整个生成流程
    Args:
        natural_query (str): 自然语言查询
    Returns:
        str: 生成的SQL语句
    """
    try:
        print("🔧 步骤1: 初始化DeepSeek模型...")
        # 初始化DeepSeek模型
        llm = ChatDeepSeek(
            model="deepseek-chat",
            temperature=0.1,  # 设置较低温度确保SQL生成的准确性
            max_tokens=1024,
            api_key=os.getenv("DEEPSEEK_API_KEY"),
        )

        print("📋 步骤2: 准备数据库Schema信息...")
        # 数据库schema信息
        schema_info = """
            数据库Schema信息：

            表名: sales_data
            字段说明:
            - id: INTEGER PRIMARY KEY (主键，自增)
            - product_name: TEXT (产品名称)
            - quantity: INTEGER (销售数量)
            - sale_date: TEXT (销售日期，格式：YYYY-MM-DD)
            - revenue: REAL (销售收入)
            - region: TEXT (销售区域)
            - customer_type: TEXT (客户类型：个人/企业)
        """

        print("📝 步骤3: 创建SQL生成提示模板...")
        # 创建SQL生成提示模板
        sql_prompt = ChatPromptTemplate.from_template(
            """
            你是一个专业的SQL查询生成专家。基于以下数据库schema，将用户的自然语言查询转换为准确的SQL语句。
            {schema}
            规则要求：
            1. 只生成SQL语句，不要包含任何解释文字
            2. 确保SQL语法正确且符合SQLite标准
            3. 使用适当的聚合函数、WHERE条件、GROUP BY、ORDER BY等
            4. 日期比较请使用字符串比较（如：sale_date >= '2023-07-01'）
            5. 产品名称匹配请使用LIKE操作符支持模糊查询
            6. 如果查询涉及时间范围，请合理解释季度、月份等时间概念
            用户查询: {query}
            SQL语句:"""
        )

        print("⚙️ 步骤4: 格式化提示词...")
        # 格式化提示词
        formatted_prompt = sql_prompt.format(
            schema=schema_info, query=natural_query
        )

        print("🤖 步骤5: 调用DeepSeek模型生成SQL...")
        # 调用DeepSeek模型生成SQL
        response = llm.invoke(formatted_prompt)
        sql_query = response.content.strip()

        print("✨ 步骤6: 清理和格式化SQL语句...")
        # 清理SQL语句（移除可能的markdown格式）
        if sql_query.startswith("```sql"):
            sql_query = sql_query.replace("```sql", "").replace("```", "").strip()
        elif sql_query.startswith("```"):
            sql_query = sql_query.replace("```", "").strip()

        print("✅ SQL生成完成!")
        return sql_query

    except Exception as e:
        print(f"❌ SQL生成失败: {e}")
        return None

3. 执行生成的 SQL 查询

def execute_sql(self, sql_query):
    """
    执行SQL查询

    Args:
        sql_query (str): SQL查询语句

    Returns:
        list: 查询结果
    """
    try:
        self.cursor.execute(sql_query)
        results = self.cursor.fetchall()

        # 获取列名
        column_names = [description[0] for description inself.cursor.description]

        return results, column_names

    except Exception as e:
        print(f"❌ SQL执行失败: {e}")
        returnNone, None

4. 示例输出

📝 用户查询: 2023年第三季度iPhone 15的总销售收入是多少？
--------------------------------------------------------------------------------
🔄 正在生成SQL查询...
🔧 步骤1: 初始化DeepSeek模型...
📋 步骤2: 准备数据库Schema信息...
📝 步骤3: 创建SQL生成提示模板...
⚙️ 步骤4: 格式化提示词...
🤖 步骤5: 调用DeepSeek模型生成SQL...
✨ 步骤6: 清理和格式化SQL语句...
✅ SQL生成完成!
🔍 生成的SQL: SELECT SUM(revenue) AS total_revenue 
FROM sales_data 
WHERE product_name LIKE '%iPhone 15%' 
AND sale_date >= '2023-07-01' 
AND sale_date <= '2023-09-30';
--------------------------------------------------------------------------------
⚡ 正在执行查询...
📊 查询结果:
total_revenue  
---------------
82500.0

2. Text-to-Cypher -- 从自然语言到图数据库查询

图数据库是一种基于图结构进行数据存储的形式。这东西跟关系型数据库给人的感觉完全不一样。如果说SQL是精准、严谨的法律条文，那Cypher（图数据库的查询语言）就像是在描绘一张复杂的人际关系网。

它不关心一行行的数据，它关心的是实体（节点）和它们之间千丝万缕的联系（关系）。

• 一个“糖尿病”是个节点。
• 一个“头痛”症状也是个节点。
• “糖尿病”会有“头痛”这个症状，这个“会有”就是一条关系。

这种结构，简直是为了回答那些“打破砂锅问到底”的复杂问题而生的。

比如，你问：“什么药能治那些既会引起头痛、又会引起发烧的病？”

传统的RAG可能会被问傻，因为它很难找到一篇文章正好把这几样东西都凑在一起说。但对图数据库来说，这太自然了。它会沿着“关系”的藤蔓，一步步帮你把答案“摸”出来。

用它的语言Cypher写出来，大概是这个感觉：

// 寻找同时拥有'头痛'和'发烧'两种症状的疾病
MATCH (s1:Symptom {name: '头痛'}), (s2:Symptom {name: '发烧'})
MATCH (disease:Disease)-[:HAS_SYMPTOM]->(s1)
MATCH (disease)-[:HAS_SYMPTOM]->(s2)

// 寻找能够治疗这些疾病的药物
MATCH (drug:Drug)-[:TREATS]->(disease)

// 返回药物和对应治疗的疾病名称
RETURN drug.name, disease.name