在SQL问答系统中，生成有效且安全的SQL查询是最容易出错的环节之一。在这篇指南中，我们将探讨一些策略来验证生成的SQL查询并处理无效的查询。具体涵盖内容包括：在查询生成过程中添加“查询验证”步骤，以及通过提示工程减少错误发生率。

技术背景介绍

SQL问答系统需要生成精确的SQL查询以获取数据。但自动生成的SQL查询可能由于各种原因出现错误，如语法错误或数据类型不匹配。为避免这些问题，我们可以使用AI模型来验证和优化生成的SQL查询。

核心原理解析

通过使用模型嵌入提示，指导模型在生成查询后执行验证步骤，从而减少错误。我们可以设计一个系统消息，让模型检查常见的SQL错误并自动纠正。

代码实现演示

首先，确保环境准备好所需的包，并设置环境变量。

%pip install --upgrade --quiet langchain langchain-community langchain-openai

然后，设置SQLite连接并准备Chinook数据库：

from langchain_community.utilities import SQLDatabase

db = SQLDatabase.from_uri("sqlite:///Chinook.db")
print(db.dialect)
print(db.get_usable_table_names())

接下来，我们创建一个SQL查询生成链，并添加验证步骤：

from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

llm = ChatOpenAI(model="gpt-4o-mini")
system = """Double check the user's {dialect} query for common mistakes, including:
- Using NOT IN with NULL values
- Using UNION when UNION ALL should have been used
- Using BETWEEN for exclusive ranges
- Data type mismatch in predicates
- Properly quoting identifiers
- Using the correct number of arguments for functions
- Casting to the correct data type
- Using the proper columns for joins

If there are any of the above mistakes, rewrite the query.
If there are no mistakes, just reproduce the original query with no further commentary.

Output the final SQL query only."""

prompt = ChatPromptTemplate.from_messages([("system", system), ("human", "{query}")]).partial(dialect=db.dialect)
validation_chain = prompt | llm | StrOutputParser()

# The full chain for generating and validating SQL query
full_chain = {"query": chain} | validation_chain
query = full_chain.invoke({"question": "What's the average Invoice from an American customer whose Fax is missing since 2003 but before 2010"})
print(query)

# Execute the validated query using the database connection
db.run(query)

应用场景分析

这种方法适用于需要自动检查SQL查询错误并在数据库中运行的场景。尤其在敏感数据操作中，确保查询的有效性和安全性尤为重要。

实践建议

• 在部署前，对SQL验证步骤进行全面测试，确保能捕捉常见的错误。
• 在生产环境中考虑增加人类审核环节，以确保查询执行的安全性。
• 定期更新提示工程，以适应数据库结构的变化和技术发展的更新。

如果遇到问题欢迎在评论区交流。

—END—