概述

SQL Agent的作用就是将自然语言，转成sql语句，然后执行得到结果，又叫NL2SQL。

其中主要的问题是大模型不知道数据库结构，但企业的数据库信息又不能暴露出去。

就需要将企业数据库信息以提示词的形式发送给大模型。

其中会有个最大的问题： 这个问题涉及哪些表，这些表的关系是什么，如何让大模型理解一些特定的统计术语？

实现步骤

schema检索

如果从问题中找到schema信息，有两种实现方式

prompt版：

通过prompt将用户问题与schema信息都提交给大模型，让大模型输出相关的表。

RAG版：

提取数据库的schema信息embedding后存到向量数据库，将用户问题embedding后在向量数据库进行相似度匹配，得到一组schema

schema连接

从DB中查询出schema相关的主键、外键、关联关系，将schema根据关系连接。

知识库

从知识库中查询出与用户问题相关联的计算公式。

知识库的实现可以用embedding，也可以用db。

如产品A今年与去年，环比增长多少。 其中环比增长需要一个具体的公式。

SQL生成

将以上信息，通过prompt发送给大模型，大模型输出sql。 对输出的sql，进行语法检查，如果存在问题，重新生成。

对于有微调能力的企业，最好是微调一个，本地部署，可以更适应自身业务的sql，减少token消耗。

模型集群：

比如微调多个模型，每个模型负责sql的各个部分，提高专业性，以及提高速度

SQL执行

执行SQL， 若结不符合预期，重新再来一次。